當生成式AI快速從雲端走向真實世界，從人形機器人、自駕車到智慧工廠，究竟什麼樣的AI，才能真正進入現實世界獨立運作？COMPUTEX 2026今（3）日進入第二天，恩智浦半導體（NXP Semiconductors）NXP執行長 Rafael Sotomayor於COMPUTEX主題演講中，從足球巨星梅西（Lionel Messi）的一個動作開始，回答實體AI（Physical AI）最大的挑戰。記者黃仁杰／台北報導

當生成式AI快速從雲端走向真實世界，從人形機器人、自駕車到智慧工廠，究竟什麼樣的AI，才能真正進入現實世界獨立運作？COMPUTEX 2026今（3）日進入第二天，恩智浦半導體（NXP Semiconductors）NXP執行長 Rafael Sotomayor於COMPUTEX主題演講中，從足球巨星梅西（Lionel Messi）的一個動作開始，回答實體AI（Physical AI）最大的挑戰。

[caption id="attachment_225092" align="aligncenter" width="1477"] NXP執行長 Rafael Sotomayor指出，真正頂尖的智慧並非推理，而是反射。（圖／記者黃仁杰攝）[/caption]

Sotomayor指出，真正頂尖的智慧並非來自複雜推理，而是來自反射（Reflex）。而未來機器人若想進入真實世界，必須先學會像人類一樣「先反應、再思考」。

梅西之所以偉大 關鍵不在思考而在反射

Rafael Sotomayor開場便拋出問題。

「什麼是頂尖（Elite）？」

如果把目光放到世界級運動員身上，你會發現他們並不是因為體能特別好，也不是因為比別人更了解規則而成為頂尖選手。真正的差異，在於能夠在極高壓力下，以最高水準完成任務。

他以梅西為例指出，當梅西帶球突破、面對守門員時，往往能在最後一瞬間決定射門方向。從觀察、判斷到執行動作的極短時間差，可能是地球上最精密的智慧表現之一。

更重要的是，梅西並不是靠思考完成這些動作。

「他的反射正在替他思考。」

Rafael Sotomayor認為，人類超過95%的日常行為其實都不是透過意識完成。調整坐姿、移動雙手、維持平衡，甚至走路，大多來自反射系統的自動運作。而這也帶出機器人產業長期面臨的「Moravec悖論（Moravec’s Paradox）」。

AI會下棋卻不會摺衣服 反射才是最難複製的能力

Moravec悖論指出，看似困難的人類能力，例如下棋、數學推理或解決複雜問題，對電腦而言反而相對容易。相反地，人類習以為常的事情，例如走路、抓取物品、摺衣服或維持平衡，卻是機器人最難克服的挑戰。

Rafael Sotomayor表示，這是因為反射與動作控制遠比語言理解與推理更接近真實世界。

當AI從雲端走向邊緣（Edge），進入汽車、工廠與機器人場域後，真正重要的已不只是模型規模，而是能否在極短時間內完成決策與執行。

「AI正在進入真實世界，而真實世界需要的是低延遲、低功耗、高安全性與高可靠度。」

為了解釋反射的重要性，Rafael Sotomayor分享自己當天早上的親身經歷。由於時差影響，精神有些渙散，在距離會場不遠處過馬路時，差點被一輛腳踏車撞上。

他表示，大腦皮質（Cerebrum）的反應時間約為300毫秒，但在那一瞬間，真正救他的並不是負責推理與決策的大腦。

「當我像貓一樣跳開時，大腦根本還沒反應過來。」真正發揮作用的是脊髓（Spinal Cord）。

他進一步舉例，當人手碰到燙的東西時，訊號會先送到脊髓，脊髓立即命令肌肉縮手。等大腦意識到發生什麼事時，手早已經縮了回來。人類其實是先行動、再思考，而這套機制，正是未來Physical AI必須複製的能力。

NXP提出Neural Axis架構 模仿人類神經系統

基於上述觀察，NXP提出名為「Neural Axis（神經軸）」的新架構。

Rafael Sotomayor認為，人類智慧之所以能夠有效運作，並不是因為擁有一顆更大的大腦，而是因為智慧被分散在不同層級。

Neural Axis將智慧拆分為推理（Reasoning）、協調（Coordination）與反射（Reflex）三個層級，讓不同運算單元各自負責不同任務。

其中推理層負責規劃與決策，協調層負責系統運作與控制，而反射層則直接處理即時反應。三個層級彼此獨立，但又高度協同運作。

NXP認為，未來機器人、自駕車與工業設備都將採用類似架構，而非依賴單一中央AI模型控制所有功能。

從無人機到人形機器人 NXP秀出完整晶片布局

除了架構概念之外，NXP也同步展示其Physical AI產品藍圖。

在無人機領域，NXP透過Neural Axis架構將飛行規劃、飛行控制與馬達執行分散到不同層級處理器，以確保飛行穩定性與低延遲反應能力。

在汽車市場，NXP則主打5奈米S32N中央運算平台，負責ADAS與車輛動態協調；搭配S32Z與S32E系列處理器，管理煞車、懸吊等安全關鍵功能。

Rafael Sotomayor表示，這也是NXP能夠在軟體定義汽車（SDV）市場建立領先地位的重要原因。

至於市場高度關注的人形機器人，NXP則推出T-Series處理器系列，將控制能力直接部署到關節、手部與各種執行器節點。

Rafael Sotomayor描述一個場景，假設機器人在倉庫搬運昂貴且易碎的包裹，途中突然遭受碰撞，系統必須在40毫秒內完成恢復平衡、確認包裹狀態、重新調整握力、判斷位置並繼續前進。

這些任務無法依賴雲端模型推理，也不能等待網路傳輸。

「智慧必須存在於身體本身，存在於關節、手掌與每一個控制節點。」

光會動還不夠 機器人還得理解世界

然而，能夠穩定運動仍然不夠。

Rafael Sotomayor指出，一台機器人即使能完美抓起一瓶糖漿，也不代表它知道瓶子傾斜後液體會流出來。

它需要理解重力、慣性與摩擦力等物理規則。

因此產業開始投入世界模型（World Model）與視覺語言動作模型（Vision-Language-Action，VLA）開發，希望讓機器人建立對現實世界的理解能力。

不過，大部分VLA模型都是在雲端訓練完成，難以直接部署到功耗與記憶體資源有限的邊緣設備。

為此，NXP同步展示eIQ Toolkit工具鏈，可將雲端模型進行量化（Quantization）、剪枝（Pruning）與最佳化編譯，使其能夠運行於實際機器人與工業設備之上。

Rafael Sotomayor形容，世界模型就像電影《駭客任務》中直接下載知識的概念，讓機器人不需要實際跌倒上千次，也能學會如何在真實世界中行動。

[caption id="attachment_225095" align="aligncenter" width="1477"] Rafael Sotomayor指出，一台機器人即使能完美抓起一瓶糖漿，也不代表它知道瓶子傾斜後液體會流出來。（圖／記者黃仁杰攝）[/caption]

實體AI真正考驗非算力 而是信任

在演講最後，Rafael Sotomayor認為，未來Physical AI最大的挑戰並非效能，而是信任（Trust）。

因為當AI進入醫療、自駕車與工業控制等場景時，錯誤不再只是數位世界中的一個Bug，而可能演變成交通事故、工業災害甚至醫療風險。

「你可以透過軟體更新修復程式錯誤，但無法透過軟體更新修復一根斷掉的骨頭。」

因此NXP提出Contain（隔離）、Protect（保護）與Verify（驗證）三大信任框架，並結合SafeAssure驗證計畫，將安全與可信任機制直接設計進晶片架構中。

目前相關技術已導入Boston Dynamics機器人平台、智慧工廠以及醫療設備市場。NXP引用客戶案例指出，部分導入Physical AI系統的應用場域已可提升約40%生產力，而醫療診斷機器人市場需求更在2025年出現超過650%的成長。

不同於近兩年AI產業聚焦大型語言模型與算力競賽，NXP認為下一波產業競爭核心將從雲端推理能力，轉向真實世界中的即時決策能力。

Rafael Sotomayor表示，AI產業過去十年都在打造更強大的「大腦」，但下一個十年真正重要的，將是如何建立屬於機器的「神經系統」。

「Physical AI的未來，不是打造更大的大腦，而是把智慧放在最需要它的地方。」

隨著人形機器人、自駕車與智慧設備逐步走出實驗室，這場競賽的關鍵，或許不再是誰擁有最大的模型，而是誰能讓機器像人類一樣，在真實世界裡安全地行動、學習與生存。

這篇文章 COMPUTEX 2026／機器人為何學不會走路？NXP執行長脊髓反射解密實體AI關鍵 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

全球領先的半導體解決方案供應商NXP在COMPUTEX 2025發表主題演講，由類比與汽車嵌入式系統執行副總裁暨總經理Yansy Richson闡述「實現自主未來：AI的邊緣化演進與NXP的貢獻」願景。演講指出，自主機器世界即將成為現實，而邊緣AI特別是革命性的Agentic AI，將成為實現這一未來的關鍵驅動力。https://youtu.be/31IXXmUaozU

全球領先的半導體解決方案供應商NXP在COMPUTEX 2025發表主題演講，由類比與汽車嵌入式系統執行副總裁暨總經理Yansy Richson闡述「實現自主未來：AI的邊緣化演進與NXP的貢獻」願景。他指出，自主機器世界即將成為現實，而邊緣AI特別是革命性的Agentic AI，將成為實現這一未來的關鍵驅動力。

數據爆炸推動AI向邊緣遷移

Richson在演講中披露驚人數據，「今年全球預計將達到180 ZB的數據量。過去三年我們創造的數據比人類歷史上所有數據的總和還要多，而且這種增長沒有放緩的跡象」，然而，大部分數據沒有被充分利用。

更重要的是，將所有數據傳輸到雲端進行實時處理面臨嚴峻挑戰。「將所有數據發送到雲端進行實時決策是不可行的，因為延遲和成本太高，而且我們需要比現有帶寬多大約一千倍的帶寬才能將所有數據發送到雲端。」因此，在數據生成點進行智能處理成為必然趨勢。

邊緣AI五大優勢重塑產業格局

Richson強調，「邊緣AI將使我們擺脫封裝的基於雲端的用例」，其優勢包括顯著減少數據傳輸、不需要始終保持雲端連接、具備實時處理能力、針對能源效率進行優化，以及降低網絡安全風險。這些特性對於許多實時和關鍵應用至關重要。

AI演進加速：從感知到Agentic僅用十年

演講揭示了AI向邊緣遷移的驚人速度：

• 感知AI：實現用了大約10年，使邊緣具備感知能力，能夠實時感知和解釋信號
• 生成AI：OpenAI大型語言模型於2021年公開可用後，在短短幾年內快速發展並向邊緣遷移
• Agentic AI：在生成AI之後不到一年就開始顯現，發展速度驚人

Agentic AI：最接近人類功能的革命性技術

Richson將Agentic AI稱為「最接近人類功能方式」的技術突破。「Agentic AI將過去所有AI的演進聯繫在一起，創造了一個從被動到主動的邊緣。」

Agentic AI的核心創新在於學習和進化能力，「它們從經驗中學習和進化。這才是Agentic AI工作流程的真正突破，通過添加結構，使AI代理成為具備適應性的自主學習者。」透過強化學習和回饋映射，Agentic AI能夠從成功和失敗中學習，不再局限於原始訓練數據集。

多領域應用展現巨大潛力

Agentic AI工作流程具有高度可擴展性和可重用性，應用範例包括：

• 汽車領域：自我修復的車載網絡
• 精準農業：協調空中和地面代理進行作物檢查和處理
• 智能建築：根據使用模式動態調整環境控制
• 工業自動化：監控和響應異常情況，協調各代理採取行動

NXP三大解決方案應對邊緣AI挑戰

面對實現自主邊緣的工程挑戰，NXP提供全面解決方案：

挑戰一：複雜集成

NXP提供完整的硬體積木（處理器、連接、電源管理、安全）和軟體基礎（庫、工具、驅動、中間件），實現系統級解決方案。

挑戰二：AI模型輕量化

雲端模型通常過大且功耗高，需要針對邊緣約束進行優化。NXP提供EIQ工具包，支持模型定義、輕量化和優化。

挑戰三：信任與安全

自主系統需要最高級別的功能安全和網絡安全。NXP借鑒汽車和工業領域專業知識，從系統級、硬體、軟體到應用端到端定義功能安全和安全，包括後量子密碼學和安全更新。

生態系統合作推動產業變革

Richson強調，「實現自主邊緣並非一家公司所能做到，這需要集體努力，這就是為什麼我們培育了廣泛的合作夥伴、開發者和創新者生態系統。」NXP與Honeywell等合作夥伴在工業和物聯網領域的合作，展現了邊緣AI成功部署的典範。

戰略收購加速創新步伐

為保持領先地位，NXP通過戰略收購Kinara、Aviva Links、TT Tech Auto等公司，進一步增強邊緣AI能力，特別在Agentic AI、高帶寬數據傳輸和安全關鍵中間件平台方面。

自主未來即將到來

Richson在演講結尾強調，「自主世界為一個由能夠預測和自動化的機器組成的世界，這些機器能夠感知、思考和協作，並獨立執行複雜任務—不再是科幻小說的情節，而是即將成為現實，並將影響我們所有人。」

他將AI稱為「人類為實現這個自主未來而做出的最大創新」，並指出AI必須融入物理世界的邊緣，才能充分發揮其巨大潛力。

NXP定位為真正解決方案提供商

「我們的定位非常好，因為我們在一個屋簷下擁有所有這些構建模塊和工具包，以解決我之前概述的所有工程挑戰。這使我們成為真正的解決方案提供商。」Richson表示，NXP致力於「減輕客戶面臨的複雜性負擔」。

這篇文章 COMPUTEX 2025／NXP發布邊緣AI願景 Agentic AI引領自主未來新紀元 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。