无论最近爆火的”千问抢奶茶“、OpenClaw，还是在春晚翻跟头的人形机器人，AI技术越来越让我们触手可及了，部分设备已开始展现出真正的“智慧”。对于半导体企业而言，这蕴藏着巨大的市场机遇，预计到2030年，云端AI与边缘的市场规模将达到1.3万亿美元。

过去，AI能力很大程度上由云端智能驱动，而当前，随着AI能力向边缘迁移，边缘侧不再仅负责数据采集、聚合与分析，更开始承担决策职能。

随着AI加速向边缘迁移，恩智浦最近对于边缘AI的关注度进一步提高，先是针对物理AI推出了i.MX 93W集成无线应用处理器，紧接着在GTC期间宣布与英伟达的合作。

对恩智浦来说，边缘AI正是其专长所在。那么问题来了，面对高速增长的市场和技术，未来面临的挑战只会越来越多，恩智浦究竟如何布局边缘AI？恩智浦半导体执行副总裁兼安全连接边缘业务总经理Charles Dachs向EEWorld介绍其应对之策。

i.MX 93W，为边缘AI升级了什么

一颗芯片能不能同时运行AI任务和无线通信？恩智浦的i.MX 93W就是这样一颗芯片。它将恩智浦成熟的i.MX 93系统级芯片（SoC）与集成式IW610三模射频芯片（Wi‑Fi 6、BLE及802.15.4）合二为一，在14.2 x 12毫米封装内集成射频前端、晶振及无源器件，为智能互联设备统一提供高性能计算、AI加速与安全连接能力。i.MX 93W处理器将于2027年初上市。

为什么恩智浦要推出这样一款芯片？Charles Dachs表示，通过将射频、射频前端、晶振与无源器件集成在封装内，IW610省去复杂的射频调试与共存问题，替代超过60颗分立器件。对嵌入式开发者来说，这种集成解决了无线电共存、天线调谐和无线认证等常见挑战，否则这些问题可能延长开发周期。此外，OEM原本需要几个月进行产品认证，而恩智浦预认证的单/双天线参考设计，可以大幅缩短这一周期，帮助客户产品更快上市，同时显著降低设计风险。

该处理器设计用于多个AI Agent在边缘协作运行的物理AI部署。例如，在智能建筑环境中，人工智能代理可以协调建筑子系统，包括照明、供暖、通风和空调（HVAC）、使用监控和门禁，实时优化能源使用和建筑运营。

配置上，依然沿袭i.MX93 SoC，搭载Cortex-A55@1.7 GHz和Cortex-M33@250MHz核心，EdgeLock安全隐区，专用神经处理器（NPU）Ethos U-65，整体算力达到1.8 eTOPs。

NXP提到该芯片支持Linux操作系统和FreeRTOS，即Cortex-A55核心上的Linux，Cortex-M33核心的FreeRTOS。由于i.MX 93W SiP主要结合了NXP i.MX 93、NXP iW610及一些无源元件，软件支持与使用双芯片设计完全相同。

GTC 2026，NXP和英伟达具有哪些合作

物理AI代表着智能系统的下一前沿——机器能够在现实世界中精确、可靠且安全地感知、理解并行动。人形机器人是物理AI的最先进、最具挑战性的体现形式之一，需要在传感器、执行器和中央AI计算单元之间实现确定性、低延迟的实时数据传输，以实现安全运动、高密度传感器融合以及实时决策。

英伟达无疑是当下物理AI发展的风向标与牵头者，没点实力还真的很难获得这家公司合作的机会。今年GTC2026，恩智浦（NXP）便秀出了其与英伟达的最新合作，推出创新机器人解决方案，提供可靠、安全的实时数据处理与传输以及先进网络连接能力，支持传感器融合、机器视觉和精密电机控制。

恩智浦正在提供集成式机器人及人形机器人本体解决方案，能够在分布式传感器、执行器和AI大脑之间实现可靠、安全且实时的通信。这些解决方案将英伟达的Holoscan Sensor Bridge (HSB)与恩智浦高集成度的处理器和网络连接技术相结合，从而简化了系统设计、降低了成本并加快了产品上市进程。

恩智浦主要展示了两个参考设计，加速物理AI与人形机器人的开发。

第一个是HSB就绪机器视觉参考设计，该设计基于i.MX 95，为机器视觉和传感器融合实现低延迟、高带宽的传感器数据传输。i.MX 95作为人形机器人中的分布式边缘感知节点机器人，通过分担时间紧迫的任务来补充NVIDIA的集中计算 传感器预处理和控制任务。使用NVIDIA全息扫描传感器桥接器（HSB），i.MX设备流同步、预处理的传感器数据——例如 RAW和RGB视频、IMU融合和触觉输入——都汇入机器人以GPU为中心的系统 低延迟的流水线。

这种边缘到GPU架构降低了中央节点的带宽需求计算机，能够在边缘实现确定性实时传感器处理，使NVIDIA平台能够专注于更高级的功能，例如：全身运动规划、多模态大模型推理与控制 优化。结果是一个可扩展的模块化感测计算管道 为复杂的类人机器人系统设计。

第二个是HSB就绪分布式电机控制参考设计，该设计基于i.MX RT1180，通过EtherCAT或时间敏感网络（TSN）实现确定性、同步的人形机器人运动。

边缘AI，恩智浦如何布局

Charles Dachs向EEWorld表示，当前市场对AI边缘计算关注度空前高涨，主要原因有四点：一是带宽解放，将计算留在边缘，海量数据无需存储于云端，极大释放了网络带宽；二是超低时延，许多复杂系统需要毫秒级的环境响应，边缘AI的实时处理能力是实现功能和信息安全的关键，如移动机器人；三是能效优化，相比将数据发往云端处理，在边缘侧进行分布式处理的能耗要小得多，整体系统能效比更高；四是信任与安全，敏感数据在物理世界本地处理，无需上传云端，分布式的数据处理方式也使其更不易受到黑客攻击。

Charles Dachs 强调，“恩智浦致力于为自主、智慧的边缘侧赋能，提供坚实的硬件基础、可靠的软件基石以及高效的AI工具包，同时确保功能安全和信息安全。”

硬件方面，恩智浦提供了独特的可扩展产品组合，从简单的MCU到复杂的跨界MCU和MPU，均可实现AI功能。在其中，NPU是关键。几年前，恩智浦率先在行业推出了高性能的集成NPU的MCU，紧接着去年年底，恩智浦宣布完成收购Kinara，获得了独立NPU能力，为需要更多AI加速的应用场景提供搭配应用处理器的选项。结合Kinara独立加速器，可灵活叠加至40~60 eTOPs，甚至下一代应用处理器将超过100 eTOPs。

软件方面，恩智浦提供完整的AI软件框架。构建硬件可扩展性至关重要，但为客户提供一套完整的软件框架以部署各自用例同样重要。在今年CES上，恩智浦宣布推出全新eIQ Agentic AI框架，通过此框架，恩智浦能够在边缘实现AI智能体（Agent）的部署。

实现边缘AI的规模化应用需攻克三大技术关卡，恩智浦都能很好地帮助应对这些问题：

• 系统级集成难题：边缘设备需整合计算、通信、电源管理与安全模块。恩智浦提供从微控制器（MCU）到高性能处理器（MPU）的可扩展硬件平台，搭配自研电源管理芯片与安全通信协议，实现 “感知-决策-执行” 全链路优化。
• 模型轻量化与工具链适配：云端大模型难以直接部署于资源受限的边缘设备。恩智浦的EIQ 工具链可对模型进行压缩、量化与硬件适配，例如将视觉Transformer模型体积压缩80%，同时保持95%以上识别精度。
• 功能安全与长期可信性：在汽车与工业领域，边缘系统需满足ISO 26262等安全标准。恩智浦通过端到端安全设计（从芯片熔断机制到软件冗余校验），确保系统在故障时 “优雅降级”，同时引入后量子密码技术，抵御未来网络攻击。

随着边缘AI能力增强，数以百计的新应用场景成为可能。恩智浦聚焦于医疗、电力、工厂、楼宇和机器人五大领域。

物理AI，恩智浦布局的另一重点

“我认为，最接近真正物理AI的应用场景就是机器人与具身智能。它们需要像智慧生物一样感知环境并与之互动，这对其内部系统提出了极高要求。”

Charles Dachs表示，以人形机器人为例，其复杂性是系统性的：从手部的精细操作，需要专门的芯片驱动无数手指关节和传感器，到全身的信号协同，将所有节点的数据实时、低延迟地传递至机器人的“大脑”。这个“大脑”本身也需要一个低延迟、高能效的解决方案，来处理多模态的AI感知与动作规划。

这正是恩智浦可以发挥价值的地方。恩智浦拥有非常全面的处理器产品组合，叠加AI能力，能够满足智能边缘侧的全方位AI需求。我们深知协调机器人的“大脑”和“身体”是一个巨大的工程挑战，因此正在与主要的合作伙伴共同应对。

Agentic AI时代，已经到来

去年的GTC上，黄仁勋在上表示英伟达已经进入Agentic AI（智能体AI）时代，紧接着，恩智浦便表示，Agentic AI已经来到了边缘，自主边缘（Autonomous edge）是接下来行业发展的下一步。

Agentic AI可以模拟人类决策逻辑，通过强化学习实现“感知-思考-行动-反馈”闭环。Agentic AI的突破在于“自主性”。系统不仅能执行预设任务，还能通过实时数据迭代优化决策策略。

如今，恩智浦无疑正在不断推进Agentic AI发展。今年CES，恩智浦宣布推出全新eIQ Agentic AI框架，成为首批支持边缘智能体AI开发的解决方案之一。该工具支持在边缘设备上直接实现自主智能体功能，助力资深与新手设备开发人员简化并加速智能体AI（agentic AI）的开发、编排与部署。结合恩智浦业界领先的安全边缘AI硬件，eIQ Agentic AI框架为快速完成优化、安全、自主的边缘AI系统原型设计和部署提供可信基础。

恩智浦eIQ Agentic AI框架通过确定性实时决策能力与多模型协同消除开发瓶颈。借助该框架，边缘AI智能体可在工厂出现安全风险时即时控制设备、向医护人员发出紧急状况警报、实时更新患者信息，或自主调节暖通空调系统以防范火灾等隐患——所有操作均无需依赖云端连接。

此外，恩智浦同步推出全新eIQ AI Hub云端开发平台，提供即时访问边缘AI开发工具的云端通道。开发人员通过该平台可即时获取最新工具与功能，加速原型开发，包括在云端连接的硬件板上完成部署，以获得实时性能报告，同时保留本地部署选项。资深开发人员可受益于高效的模型转换与性能调优流程，而新手开发人员则能依赖自动化工作流程，轻松简化每个开发步骤。

那么，Agentic AI到底能够帮助我们实现什么？Charles Dachs举了三个例子。

第一是工厂漏水应急响应的案例。系统通过配备AI智能体的摄像头与湿度传感器共同检测漏水情况。一旦检测到漏水，系统会立即通知AI智能体关闭供水阀门，触发门禁管理AI智能体锁闭相关区域大门以防止水势蔓延，同时启动清理流程排出积水。若情况较为严重，系统会第一时间通知内部及外部相关人员。所有操作均在边缘侧完成，无需访问云端，充分体现出低时延、高带宽、高安全性与高能效的优势。

第二是工厂爆炸应急响应的案例。该系统由恩智浦i.MX 8M Plus应用处理器、Ara AI加速器以及用于控制电机的MCX A微控制器组成。当系统识别到车间发生爆炸后，会立刻向消防部门和内部人员发送通知，并触发电机启动洒水装置，实现对火势的控制与扑灭，整个过程同样在边缘侧完成，无需连接云端。AI智能体系统在协调不同智能体的同时，自身也在不断学习，以在未来任务中完成得更好。

第三是GE医疗与恩智浦在CES上展示的新生儿护理案例。在这个场景中，有一个新生儿躺在他的小床上，通过AI技术，可以实时监测宝宝的生命指征，在不需要连接云端的情况下，AI智能体就可以独立地采取一系列行动。

总结

通过上述介绍，可以看出，恩智浦的创新速度非常惊人。“我们在边缘侧引入智能的工作才刚刚开始，你们将会看到更多这样的应用。每当提到智能边缘，只有做到了功能和信息安全，才能真正地实现这个功能。这也是我们恩智浦感到非常兴奋的领域，因为我们在过去多年里一直积累这一领域的能力，现在我们终于可以把这些能力整合在一起，为市场带来安全、可靠且智能的边缘系统。”Charles Dachs在介绍的最后如是说。

来源：电子工程世界（EEWorld）作者：付斌