以 Arm 架構推動機器人與自駕車規模化

Dermot O'Driscoll 負責 Arm 實體 AI（physical AI）事業群的市場推廣（go-to-market），他主張實體 AI——機器人與自動駕駛車——唯有在業界就共通的效能標準與低功耗運算基礎達成共識後，才可能規模化；他並預測實體 AI 運算市場將從目前約 250 億美元成長約 8 到 10 倍，在 2030 年代初期達到 2,000 億美元。訪談大部分內容涵蓋 Arm 的機器人效能框架、其「Arm Total Design for Physical AI」合作夥伴計畫、形塑機器人設計的功耗限制，以及 robotaxi 與車內資訊娛樂的商機；標題中的「自動駕駛車」主軸確實存在，但相對於標準與生態系的論述屬於次要。

O'Driscoll 的發言立基於 Arm 作為 IP 授權商的地位——Arm 供應車規級 IP 已 30 年，供應低功耗行動 IP 的時間更長。讀者讀完後應能掌握 Arm 押注實體 AI 背後的具體數字、其提出的機器人能力分級架構，以及幾個未解問題：這套框架能否被標準組織接納，以及機器人的泛化能力能否及時到位、足以支撐這項預測。

Arm 的訴求建立在兩項傳承之上：30 年車規級 IP 與行動領域的低功耗設計

O'Driscoll 將實體 AI 定義為體現在機器中的 AI——這些機器能感知、推理並行動——並把市場拆成兩塊：車用與機器人，兩者共享在感知、規劃、感測與致動上的運算挑戰。他認同主持人「自動駕駛車就是裝了輪子的機器人」的說法。Arm 進軍此領域的立論在於其運算遍佈整個堆疊的每一層，從微控制器一路向上到雲端——車隊管理與模型重新訓練都在 Arm 架構的運算上執行。

差異化論述有兩部分。第一，30 年的車用 IP 意味著安全功能已內建於 IP 堆疊中，晶片商授權後即繼承一套已驗證的基礎，不必自行認證未經驗證的 IP。O'Driscoll 的說法是：「你購買 IP、授權 IP 的理由，正是為了那份信任。」第二，行動領域的傳承帶來電源效率——時脈樹每一層都有時脈閘控（clock gating）、實作各處都有電源閘控（power gating），SoC 閒置時耗電趨近於零。

Arm 不只是 CPU 公司。它授權 CPU、GPU 與影像訊號處理 IP，並將其組裝成運運算元系統，全部達到車規（AE）等級。O'Driscoll 舉視覺管線為例：感測器資料輸入、運算、致動輸出，每個階段都是已驗證的安全管線。他主張，這讓晶片商能在預先驗證的基礎上加入自家的差異化。

「從感測器到運算、再回到致動器的每一個環節，都是已驗證的安全管線。」

機器人的關鍵限制是電源效率，而非純粹的運算效能

被問到實體 AI 若試圖以高功耗架構規模化會如何時，O'Driscoll 並未直接回答這個假設性問題。他改為主張機器人對能源極度敏感，而功耗會連鎖影響每一項設計決策：電池大小、空冷是否足夠或必須採液冷，進而影響重量。他指出，液冷系統會吃掉原本可延長機器人工作時數的電池容量。

他提到機器人每班運作 8 到 12 小時，而營運方總是希望續航更長、充電停機更少。他描述的實體 AI 運算條件極為嚴苛：電腦視覺、感測、即時模型推論、安全關鍵性與高效能，全都得塞進 100 瓦以下的功耗範圍，好讓運算能背在機器人身上。他稱這些相互衝突的限制正是問題有趣之處。

架構的廣度之所以重要，也是同樣的道理。無論客戶是在自主移動機器人（AMR）採用 Rockchip 晶片、在人形機器人或自駕車採用 NVIDIA 處理器，或在靈巧手部採用 NXP 與 ST 的微控制器，用的都是共通架構。這讓機器人製造商不必在 AMR、四足機器人與人形機器人之間切換架構，也不必在致動與感知／規劃之間再次切換。O'Driscoll 表示，去年（2025 年）Arm 架構裝置的出貨量超過 20 億臺。

proposed 的機器人能力分級，目標是為機器人做出 SAE 之於 ADAS 的貢獻

對於「實體 AI 何時會有它的 ChatGPT 時刻」，O'Driscoll 的答案不是某個日期，而是一項前提：標準化。他以 SAE 的 ADAS 分級為範本——L2、L3、L4 是技術人員、一般大眾與監理機關都能理解的語言，這正是該生態系得以規模化的原因。機器人沒有對應的分級，因此他居住的德州奧斯汀的監理人員，無法查詢某臺機器人宣稱的能力究竟代表什麼。

Arm 先發表了一份闡述標準必要性的宣言，接著發布機器人能力框架；O'Driscoll 一再強調，這是對話的起點，而非定稿的規格。他稱「Arm 會帶著一套完整定義的框架登場」這種想法是「傲慢」。該框架從第零級到第五級，涵蓋從反應式機器人、具備計畫能力的審慎式機器人，到能自我訓練的自我精進機器人，並試圖定義每一級的能力、行為、預期結果，以及底層機制——固定規則、規則式邏輯、自我最佳化系統。合作夥伴的早期回饋已經點出至少一個框架應該納入的新面向。

| 框架要素 | 規範內容 | 對照 |
|---|---|---|
| 能力等級 0–5 | 反應式 → 審慎式 → 自我精進機器人 | SAE ADAS L0–L5 |
| 行為與結果 | 各級機器人被預期能做到的事 | ADAS 功能定義 |
| 底層機制 | 固定規則、規則式邏輯、自我最佳化 | ADAS 實作分級 |
| 治理路徑 | 由 Arm 孵化，之後移交標準組織 | SAE 標準制定流程 |

終局目標講得很明白：這套標準最終必須由標準組織管理，而非 Arm。唯有如此，執法與認證才可能實現。O'Driscoll 將 Arm 的角色定位為孵化與促成協作——「Arm 是在生態系中促成協作，協助定義標準」，而非單方面制定標準。他指出 Arm 過去曾成功推動其他標準，並為此延攬了一位首席機器人技術長。

Arm Total Design for Physical AI 約一個月內簽下 80 家夥伴

第二個規模化槓桿是社群。O'Driscoll 描述一個碎片化問題：SoC 設計者、板卡製造商、軟體開發者、模型訓練者與機器人整合商各自在孤島中工作。模組化介面讓各層容易串接，卻也失去了跨層最佳化的機會。他舉例，人形機器人有很大一部分能量花在單純站立上——如果致動團隊與模型團隊願意互相溝通，而不是接受固定的執行層，這個問題或許有解。

Arm 的回應是「Arm Total Design for Physical AI」計畫，僅用一個多月就成形。O'Driscoll 在發表前給團隊訂下 25 家夥伴的目標，結果達到 80 多家，且仍有業者主動上門。他把這樣的回響部分歸功於團隊，部分歸因於業界普遍認為實體 AI 尚未規模化、渴望一個凝聚點。他認為夥伴之所以相信這個計畫能帶動改變，是因為 Arm 建立生態系的聲譽。

主持人將其類比為北加州 Willow Run 早期的自駕開發活動——NVIDIA 早在成為 robotaxi 與自駕卡車預設運算平臺之前，就已在場提供晶片支援。O'Driscoll 接受「成熟的創客社群」這個說法，並指出一個諷刺之處：許多 NVIDIA 客戶並不知道自己的晶片是 Arm 架構——「你知道那是 Arm 吧？」

Arm 成立實體 AI 事業群，是因為這個市場像 15 年前的雲端

O'Driscoll 糾正主持人一點：他並非新任實體 AI 事業群的負責人——負責人是他的上司——他負責該事業群的市場推廣。成立的理由是實體 AI 正處於規模化的臨界點，而 Arm 曾見證雲端在其技術之上被徹底改造，Amazon、Google、Microsoft 與 Meta 紛紛採用 Arm。這個事業群的存在，是為了讓生態系能從 Arm 內部得到一致的回應，並把生態系凝聚起來。

他認為實體 AI 的發展階段比 15 年前的雲端更早，但需按領域分別來看。自動駕駛車走得最前面：光是奧斯汀就有 Waymo、Tesla Robotaxi、Avride 與 Zoox 全數部署——主持人也確認這份名單完整。從 Google 早期的自駕研究走到這一步花了很長時間。機器人則處於早期試驗階段，人形機器人層級的部署量在數萬臺之譜。O'Driscoll 預期機器人生態系規模化的速度會遠快於自駕車，因為 AI 基礎已先進得多；但他點出泛化能力是關鍵門檻：目前為某項任務打造的機器人，換一項任務就得重新訓練，必須先做到自我學習或重新訓練，才可能規模化。

Robotaxi 是平臺級商機，尚未開發的寶藏在車內體驗

在 robotaxi 內，O'Driscoll 算得出中央域控制器、自駕晶片、感測器、控制車輛行為的 ECU，以及與乘客互動的運算裝置。這些晶片組大多採用 Arm，一部分原因是 Arm 在車用領域的長壽命，一部分原因是共通架構讓跨晶片組的工作更省力。他稱今日的 robotaxi 是最早期的版本，並指出 Tesla Robotaxi 是下一階段——為市場量身打造的車輛——的開端。

主持人描述參觀 Tesla 超級工廠、觀看 Cybercab 射出成型與 Cybercab 產線的經驗，並表示他看到的安全工程令人印象深刻，足以讓他放心讓 12 歲的女兒搭這種車上學。O'Driscoll 並未為這項安全說法背書，而是轉向乘客體驗的商機。他提到中國車廠把車內娛樂推到極致，配備超大螢幕與「4D 遊戲」，車輛停放時會隨電影或遊戲同步俯仰搖擺。由於手遊本來就是為 Arm 架構手機開發，自然能移植到車上——45 分鐘的通勤時間，就變成 45 分鐘的遊戲或環繞式視訊通話。

2,000 億美元的預測，取決於 AI 能否應用到仍屬實體經濟的那三分之二 GDP

Arm 預估實體 AI 運算市場在 2030 年代初期達到 2,000 億美元，高於目前的約 250 億美元——這是 O'Driscoll 以「保守估算」得出五年成長 8 到 10 倍。這項預測不只涵蓋自動駕駛車。他以全球約 115 兆美元的 GDP 來鋪陳商機：其中約三分之一屬於知識產業與資料中心，AI 已在這些領域部署；另外三分之二——約 75 兆美元——主要是尚未採用 AI 的實體工作：農業、礦業、運輸、物流與配送。

被問到落差是否出在意識不足，O'Driscoll 說部分是，但更大的問題是信任。美國中西部的一位農民需要知道機器在惡劣條件下會有什麼行為、依循什麼安全標準打造——就像車主對 Model Y 的信心一樣。他也提到周邊的服務生態系：維修、更換政策與支援。他指出已有一些採用例項，包括農機製造商，以及在裝置上疊加礦業解決方案的業者，其中最大的礦業部署在西澳。主持人則歸功於 Reservoir 的 Danny Bernstein，感謝他向農業社群推廣實體 AI 與農業科技，包括與 Google DeepMind 合作把機器人帶進農場。

值得觀察的重點

這項預測與這套框架都是可能生變的押注。2,000 億美元是 Arm 自家的推估，而 O'Driscoll 也承認機器人的發展階段比 15 年前的雲端更早；泛化能力——機器人自行重新訓練以執行新任務——是他點名規模化之前必須具備、但至今仍未解決的能力。能力框架目前也還沒有歸宿：它仍是由 Arm 孵化的對話，其價值取決於是否有標準組織接納，以及認證與執法能否跟上。80 家夥伴的 Arm Total Design 名單是需求的訊號，但夥伴數量不等於營收。短期內最能驗證 Arm 實體 AI 論述的，是奧斯汀的 robotaxi 建置與車內娛樂層——若像 Cybercab 這類客製化 robotaxi 把乘客座艙變成運算市場，Arm 在行動遊戲上的傳承將讓它處於一個罕見的位置。

「在自駕經濟中，將創造數十億、很快甚至數兆美元的價值。」