机器人赛道近期发展势头持续走高，不少企业在前年聚焦汽车、去年发力数据中心，今年纷纷将机器人列为重点布局方向。在ICCHINA展会期间，恩智浦半导体副总裁袁文博接受半导体产业纵横采访时，提出一个颇具新意的观点：机器人除了需要算力强大的“大脑”、动作协同的“小脑”，还应当配备响应更迅速的“脊髓”。围绕这一思路，恩智浦推出“神经轴”架构，核心思路是将集中式算力拆解下放，分布到系统的各个感知与执行末梢。
01机器人走向量产面临的四类问题
袁文博将机器人规模化会遇到的问题归为延迟、机械、功耗与感知四个方面。
延迟方面，他表示机器人系统从感知到执行的延迟要求按层级分布在300毫秒到5毫秒之间。这一指标直接关系到机器人在人员密集环境中的制动距离，也影响高速运动时的稳定性。网络是延迟问题的主要来源之一。目前机器人内部同时存在CAN、以太网、I3C以及厂商自有的多种总线，各自承担一部分功能，数据在不同协议之间需要转换，实时性和确定性会在转换过程中受到影响。随着摄像头和传感器数量增加，多模态数据的带宽需求也在上升。
机械方面，约束主要来自机器人自身的结构。关节内部空间有限，散热与线束布置相互挤占，电子器件尺寸增大会压缩自由度设计的余地。袁文博还提到关节耐用性与线束管理，他认为这些问题在量产阶段会比样机阶段更突出。
功耗方面，电池管理与每瓦算力决定续航表现，能效直接影响整机的使用时长和运营成本。
感知方面，摄像头在转角、逆光、粉尘与雨雾等条件下存在覆盖不足。恩智浦提出的补充方案是毫米波雷达与UWB，用无线方式弥补摄像头无法覆盖的区域。
袁文博给出了一个整体判断：“我们并不希望用一颗芯片来解决所有的问题，而是希望把它作为整个体系来做。”
02为什么需要加上脊髓
为什么各大厂商都在机器人大小脑上下功夫的时候，恩智浦却提出要加一条脊髓，袁文博用人体作类比：人手触碰烫的物体时，信号传到脊髓就直接指挥手缩回，这个动作不用大脑来做决定，是之后痛感信号才上传到大脑，我们才感觉到疼，那机器人也应该拥有这项能力，这样末端节点的本地化处理可以在紧急情况下先于中央调度做出反应，响应时间可以到微秒级，而大脑侧的推理与决策通常在毫秒级，把本能反应放在离行动最近的地方，距离越近响应越快，同时也有利于降低能耗。对于突发事件来说，迟疑的时间可能导致更大问题发生。为此，恩智浦提出了“神经轴架构（Neural Axis Architecture）”把机器人看成一套仿生神经系统：大脑负责推理，小脑负责协调，脊髓负责反射。三层各自有响应时间、功耗预算和安全边界，通过统一网络与统一安全底座协同工作。
采访中，袁文博也区分了两个常被混用的概念。具身智能描述的是智能以何种物理实体承载，机器人、四足设备、无人机都属于这一范畴；物理AI描述的是感知、决策、执行在端侧形成闭环的技术范式。神经轴架构服务的是后者，因此同一套架构可以对应不同的机器人形态。除机器人之外，该架构也适用于其他物理AI载体。汽车、AMR与无人机结构虽有差异，但同样可以采用分层设计。按照他的说法，这一架构具备可扩展性，可以服务不同地区的客户。
03平台的三项技术支点
在具体产品层面，恩智浦将平台能力归纳为三个方向。
第一是时间敏感网络TSN。袁文博认为TSN是机器人下一代实时网络的主要方向。当前机器人内部总线标准分散，TSN可以将这些标准收敛到一套可调度、可预测的确定性网络上，同时提供更大的带宽以承载多模态传感器数据。恩智浦的处理器与交换机大多原生支持TSN，公司同时在推动商用协议栈的落地。他表示，对带宽与扩展性要求更高的场景会更多采用TSN，恩智浦的方案同时支持TSN与EtherCAT，可按不同实时等级的需求组合使用。
第二是小脑的功能重构。现有机器人方案中的小脑多用于运动控制，恩智浦将其扩展为运动控制、功能安全与网络通讯三合一，集成在同一颗芯片中。调整之后，大脑承担毫秒级的推理与决策，小脑承担实时确定性控制与协调调度，同时负责安全监控与网络数据分发。小脑由此从单纯的执行单元变为整台机器人的实时协同节点。
第三是神经末梢的智能化。灵巧手与夹爪开始具备本地算力，可在本地完成环境检测、落地调整与碰撞响应，再将处理后的数据回传中央。硬件方面，恩智浦推出小封装与SIP方案以适配指关节等狭小空间。此外，公司还提供60GHz无线连接方案，用无线链路替代关节内的部分线束，用于改善关节耐用性与装配复杂度。在感知环节，视触觉传感器、多模态数据、模型与芯片需要形成闭环，这是恩智浦对下一代灵巧手的设想。
架构的另一项作用体现在形态适配上。机器人形态尚未收敛，AMR、带人形躯干的AMR、轮式人形、双足人形以及可爬楼梯的人形机器人在工作空间、自由度与成本结构上差异明显。恩智浦采用集中式小脑与分布式脊髓的组合，将协调与安全功能放在中央节点，将反射与感知下沉至末端，同一架构可按不同外形规格裁剪，功能组合与升级通过软件定义实现，并支持OTA更新。对客户而言，更换形态时不必重新设计整套电子电气架构。
04机器人市场前景可观
恩智浦2025年营收为122.7亿美元，机器人与物理AI被列为工业及物联网业务的重点方向之一。恩智浦引用瑞银（UBS）的预测，机器人相关半导体市场规模在2030年将达到约60亿美元，2035年在200亿至500亿美元之间，2040年接近1000亿美元。作为对比，汽车半导体2035年的规模约为800亿美元。
对于2035年的宽区间，袁文博解释为法规落地节奏与商业化路径仍存在不确定性。他将2035年视为机器人接近汽车市场的节点，2040年有望超越。他还提到，2040年至2050年可能出现新一轮增长，规模有机会扩大三到四倍。
中国市场的地位是这组预测中的重要变量。德意志银行2026年6月的统计显示，全球超过85%的人形机器人出货量来自中国。政策层面，机器人与具身AI被列入2026至2030年的国家优先发展方向。企业层面的数据同样集中。宇树科技2025年出货量超过5500台，位居全球第一；智元机器人2025年营收达到10亿元人民币；优必选人形机器人相关营收同比增长23倍。2026年，云深处科技、乐聚机器人、银河通用、加速进化等厂商继续布局。
袁文博还提到需求结构的变化。机器人对宽温、振动与长期可靠性的要求正在向车规靠拢，部分汽车客户也开始进入机器人领域。恩智浦下一代产品会同时考虑两类需求，将车规产品在温度与可靠性方面的积累迁移至机器人，同时把机器人的实时控制经验应用到汽车产品中。他认为机器人会成为公司重要的增长引擎，但在平台层面会与汽车、工业业务共用同一套技术底座。
05安全是量产的前置条件
袁文博将恩智浦的策略概括为可信任的物理AI，核心是要保证确定性控制、功能安全与信息安全。机器人进入家庭与产线，功能安全与信息安全正在成为量产的前置条件。目前行业仍缺少一套贯穿感知、网络与计算的安全标准，API接口规范与认证方式需要产业链共同推进。
恩智浦的安全能力主要来自汽车与工业领域的积累。EdgeLock 2GO提供凭证管理、安全OTA与已验证软件，使设备在不更换硬件的情况下保持加密敏捷性。针对量子计算可能带来的风险，公司计划将后量子密码PQC纳入认证体系。他给出的理由是产品生命周期：机器人产品的生命周期较长，而量子威胁的时间表尚不明确，安全能力需要随威胁变化更新，不能在出厂时固定。
在功能安全方面，恩智浦的方案覆盖从多模态感知、安全AI决策到实时确定性躯体控制的完整链路，而非集中在单颗芯片。
在产品组合方面，大脑采用i.MX系列应用处理器，小脑采用面向高功能安全的S32系列，传感器、电机驱动与电池管理由MCX及模拟器件承担，末端延伸至关节模组与灵巧手。目前方案包括基于i.MX RT系列的关节与多电机驱动参考设计、面向小型关节的超小封装电机模组，以及在掌端完成初步数据处理的灵巧手设计。恩智浦的目标是让同一套软件栈在不同层级复用，而非追求单点性能。
06中国市场越来越重要
袁文博表示，中国正在从销售与市场中心转变为产品定义与本土化创新的来源。
生产营销方面，恩智浦的中国事业部将研发、营销与产品定义纳入同一闭环；天津封测厂约有4000名员工，仍是恩智浦在华最大的制造基地；公司与中芯国际等本地晶圆厂开展平台级合作，将合作伙伴的工艺接入自身技术平台；今年设立中国机器人创新中心；封测环节除天津工厂外，公司还在与国内多家封测厂配合，部分海外产品线也使用这些产能。新加坡12英寸晶圆厂的落成被纳入全球供应网络。袁文博表示，该厂与中国工厂及本地合作伙伴互为补充，地理位置便于辐射东南亚与中国市场，公司面向中国的本土化工作仍会继续推进。
生态建设方面，TSN商用协议栈需要与中国产业伙伴共同推动；大脑侧与英伟达保持合作；操作系统侧与ROS社区及本地软件公司对接。公司将软件伙伴列为2027年生态工作的重点，原因是客户需要的是可直接运行的系统级方案，而非单颗芯片与数据手册。
从“让机器人更聪明”到“让机器人更可信”。物理AI的下一程，比拼的不再是单颗芯片的算力峰值，而是整套系统能不能在真实场景里做到低延迟、可预测、可恢复。恩智浦给出的答案，是把智能拆回神经本身：大脑想得远，小脑控得稳，脊髓反应快——三层各司其职，再借TSN、功能安全与边缘算力缝成一张网。
