原文標題：From photon to actuation: How physical AI is redefining embedded compute

Arm 於 2026 年 11 月 5 日發表深度文章，探討「實體 AI（Physical AI）」如何徹底重塑嵌入式運算架構。將人工智慧嵌入工業機械、機器人與智慧車輛是當前最複雜的工程挑戰之一，這類系統不僅需要感知周遭環境、推理下一步行動並協調肢體運動，還必須在嚴苛的功耗、重量、散熱與成本限制下實現毫秒級的安全即時反應。根據 Arm 內部估算，實體產業導入 AI 將在邁入 2030 年代時創造每年高達 2,000 億美元的運算商機。

Arm 指出，以機器人拿起玻璃杯為例，系統必須同時完成物體辨識、位置判定、路徑規劃與夾持力道計算，並透過感測器與致動器隨環境變化即時微調。為此，實體 AI 系統在裝置端必須整合三個互連的「運算層面（Planes of computing）」：第一是「感知驅動智慧（Perception-driven intelligence）」，負責理解環境以實現自主導航、避障與即時移動；第二是「互動驅動智慧（Interaction-driven intelligence）」，透過語音、手勢等介面理解並回應人類指令；第三則是「致動執行（Actuation execution）」，即時控制馬達、關節與致動器完成精密實體動作。

在這三個裝置端運算層面之上，還會搭配第四層由雲端或資料中心託管的運算資源，專門負責機隊管理（Fleet management）、物理模擬與模型訓練。透過從光學感測器輸入（Photon）到最終機械致動（Actuation）的全鏈路嵌入式運算最佳化，工業與車用系統才能將 AI 智慧轉化為安全可靠的實體行動。

發生了什麼事

Arm 發表實體 AI 嵌入式運算架構觀點，提出感知驅動、互動驅動與致動執行三大裝置端運算層面（搭配第四層雲端模擬訓練），並預估 2030 年代年商機達 2,000 億美元。

為什麼重要

實體 AI 不能只靠雲端大模型，必須在嚴格功耗與散熱限制下將視覺感知、人機互動與馬達即時控制整合於邊緣微控制器與處理器中。

影響哪些人

工業機器人製造商、智慧電動車與自駕系統研發人員、微控制器（MCU）與嵌入式晶片供應商（如 STMicroelectronics）。

已確認與未確認

已確認 Arm 對三大裝置端運算層面的定義與 2030 年代每年 2,000 億美元商機的內部預估數據；個別晶片合作案的具體出貨數字則未於此文詳列。