Computex 2026 恩智浦：AI能赢围棋为何不会叠衣服？
2026年台北Computex展会上，恩智浦CEO Rafael Sotomayor以一场演讲直击物理AI的核心议题：当智能设备真正融入日常生活时，对机器而言，怎样的能力才算“精英级”？
一个经典的矛盾是：AI能击败围棋世界冠军，却无法叠好一件衬衫。这并非玩笑，而是计算机科学中真实的“莫拉维克悖论”。对人类而言困难的下棋与推理，机器轻松胜任；而人类无意识完成的走路、抓取衣物，对机器却构成巨大挑战。Sotomayor给出的解药，是一套受生物学启发的物理AI架构蓝图。
破解本能反应：机器人领域最棘手的难题
Sotomayor以世界杯足球赛切入。“顶级球员在极限压力下如何保持高水平发挥？不是身体素质或战术认知，而是对技艺的深度掌握——深到思考本身成为多余。”他引用梅西的例子：梅西的动作看似不费吹灰之力，其实依赖本能反应，利用刺激与响应之间微乎其微的间隙。这堪称地球上最精密的智能壮举之一。
实际上，人类日常活动中超过95%的动作无需有意识思考即可完成，能耗极低。行走、调整坐姿、拿起水杯——这些行为完全绕开大脑的有意识指令。
关键问题随之浮现：如果本能反应主导着人类行为，机器该如何复制？这正是莫拉维克悖论的核心——该概念由汉斯·莫拉维克于1980年代提出，当时极具颠覆性：
◎ 对人类困难的任务（推理、下棋、解题），对机器轻而易举。
◎ 对人类简单的动作（行走、叠衣、抓握），对机器却极度困难。
Sotomayor一针见血地总结：“本能反应不是语言，不是推理——它才是机器人学中最难攻克的部分。”他用自己的亲身经历佐证：“今天早上救我一命的，是脊髓的反射，而非大脑皮层的推理。”
人类神经系统提供了清晰的架构模版：大脑皮层（推理层）负责有意识的思考与决策，响应时间约300毫秒；小脑（协调层）管理运动控制与平衡；脊髓（反射层）独立处理感觉输入并直接输出动作指令，响应时间仅40毫秒。
大自然的设计哲学很明确：将本能反应部署在最靠近行动的位置。距离越近，响应越快，安全性越高，能耗也越低。这套生物学蓝图正是恩智浦“神经轴架构”的原型。智能的扩展不能靠无限增大“大脑”，而应把智能放置在最恰当的位置。
现实世界的智能必须满足三个根本要求：超低延迟响应、分布式控制（无单点故障）、极高能效。如果将所有AI处理集中在一个云端大脑，这三条全被违背。因此恩智浦的方案是将智能拆分为三个层级：
推理层，对应大脑皮层，负责全局规划与决策。这一层可以复杂、容许延迟、消耗更多算力，但时间窗口是秒级。在汽车中，推理层决定导航路线；在无人机中，规划飞行路径。协调层，对应小脑，负责运动控制与平衡维持，比推理层更快，核心任务是保持系统动态稳定。在软件定义汽车中，协调层是一个独立计算单元，管理车辆动态。反射层，对应脊髓，是最底层也最快的响应层——不等待、不请示、直接执行。在汽车中，反射层是区域控制器，刹车、悬挂等攸关性命的功能必须在40毫秒内完成闭环。
三个层级既相互独立又高度协同——这是神经轴架构的核心设计原则。
这套架构与当前AI产业主流方向形成鲜明对比。所有人都在追逐大模型、更大算力集群，但Sotomayor提醒：物理世界需要不同的东西。即便将GPT-10装入机器人，也无法在40毫秒内应对一次碰撞。因为智能不在调用链末端，智能应嵌入身体、关节、手和脚中。或许我们搞反了进化顺序——在物理AI领域，必须先搞定脊髓，再谈大脑。
三类应用场景，一套统一架构
Sotomayor通过三个产品实例展示神经轴架构的落地。
首先是无人机。恩智浦聚焦一个关键指标——端到端延迟。从摄像头捕捉画面、处理、传输、控制器响应到无人机执行动作，整个闭环仅需20毫秒。达到此标准，无人机反应灵活且安全；一旦偏离，就会出现漂移、不稳定甚至坠毁。
其次是软件定义汽车，这是恩智浦最成熟的市场。5nm S32N系列中央计算平台部署于协调层，S32K5区域控制器部署于反射层，皆为市场领先产品。Sotomayor特别强调三层之间的逻辑与物理分离：“在攸关生命的汽车中，容错空间为零。”
最后是人形机器人。他描述了一个生动场景：机器人手持贵重易碎包裹在仓库内行走。被托盘碰撞后，需在40毫秒内完成平衡恢复、握力调整、位置确认并继续行走。没有云端调用，没有等待模型响应的余地。智能就在身体里，在关节里，在手和脚里——它们必须自主掌控当下。
但一个关键问题是：机器人能完美执行动作，不代表它理解为什么这么做。Sotomayor引入VLA（视觉-语言-行动）模型，连接感知与理解——机器人看到什么物体？收到什么指令？应如何行动？他打了个比方：教会机器人物理规律，就像《黑客帝国》里直接注入知识。机器人不需要通过反复摔倒来学习重力，世界模型可以直接赋予它。
恩智浦的eIQ工具套件，正是将云端训练的VLA模型迁移到边缘硬件的桥梁。通过量化、协同调优、本地部署，让复杂AI模型在受限的边缘环境中高效运行。
演讲尾声，Sotomayor探讨了信任。他引用两条定律：墨菲定律（凡可能出错的事终将出错）和菲纳格定律（凡可能出错的事必在最糟时刻出错）。“信任不是在一帆风顺时定义的，而是在最糟糕的时刻定义的。”恩智浦的信任框架包含三个维度：隔离，防止单点故障；保护，硬件级安全机制，已开始采用后量子加密；验证，SafeAssure认证计划。真实世界没有“撤销”按钮——无法通过软件补丁修复骨折，也不能通过系统更新处理碰撞事故。
从市场数据看，部署AI机器人的工厂生产率较传统自动化提升40%。2025年诊断与实验室机器人销售额增长610%。恩智浦还披露了与波士顿动力的合作，软硬件结合让机器人在车间与人类协同；以及与GE医疗的合作，将智能系统部署到麻醉领域。
小结
精英不是实验室里最聪明的机器，而是在真实世界、真实条件下，当意外发生时依然能可靠执行的机器。这不仅是技术命题，更是关乎如何让智能安全、可靠、高效地融入物理世界的基本课题。