分析／面對NVIDIA機器人帝國進逼 AMD如何靠賽靈思「 Body-to-Brain 」與開放架構逆襲？

隨著人工智慧從純粹的文字生成、影像辨識走入真實世界，兼具環境感知、自主推理與實體動作能力「實體AI」 (Physical AI)正在成為各大半導體與AI業者的下一個主戰場。預估全球實體AI晶片市場規模到2035年將突破2000億美元。

在這波浪潮中，NVIDIA 動作極為迅速，除了推出Jetson AGX Thor平台，近期更在日本市場大規模擴大機器人 合作生態系，串聯多家日本重工業與自動化巨頭。

面對 NVIDIA鋪天蓋地建造的綠色帝國，AMD 在Advancing AI 2026大會中提出極具針對性的戰略，不選擇盲目跟風直接硬碰硬，而是結合收購賽靈思 (Xilinx)後所累積的FPGA與硬性即時控制 (Hard Real-Time Control)優勢，搭配全新x86異質架構，打出一套「Body-to-Brain」 (從身體到大腦)、全面開放的差異化牌組。

機器人開發者的真正痛點：決定性高於純粹算力

NVIDIA的優勢在於強大GPU矩陣運算，以及搭配Omniverse / Isaac打造的數位孿生 (Digital Twin)模擬生態。而AMD在針對全球超過150位機器人開發者進行調查後發現，實體機器人領域的需求與資料中心大不相同：

• 決定性 (Determinism)優於峰值算力：機器人控制需要極度精準的時間回應，毫秒甚至微秒級的延遲波動，都可能導致機械臂碰撞或倒地。開發者強調：「可預測的時間掌控，與峰值算力同樣重要」。

• 拒絕廠商綁定 (No Vendor Lock-in)：避開封閉生態，擁抱開放架構與標準。

• 功耗與熱限制下的實用效能：能否在有限功耗內達成即時推論與控制才是關鍵。

而這正是AMD此次找到的突破口——實體機器人不僅需要「聰明的大腦」，更需要「穩定且微秒級反應的神經與肌肉」。

Advancing AI 2026重磅發表：Ryzen AI Embedded X100與Kria AI SOM

為了滿足實體AI的嚴苛需求，AMD在此次Advancing AI 2026上發表一系列從晶片到模組的完整產品線：

• AMD Ryzen AI Embedded X100系列處理器：採用單一晶片整合Zen 5架構CPU (最高16核心/32執行緒)、RDNA 3.5 iGPU (最高40個CU)與XDNA 2 NPU (高達50 TOPS性能輸出表現)。透過零拷共用記憶體 (Zero-Copy Unified Memory，傳輸頻寬達273 GB/s)，擺脫傳統CPU與獨立GPU之間頻繁搬移資料造成的延遲效率浪費。

• AMD Kria AI System on Module (SOM)：基於Ryzen AI Embedded X100系列打造的生產級SOM模組 (採COM-HPC尺寸)，能夠做到125 µs的極低延遲硬性即時控制、約92 ms 的AI推理，以及小於0.4 ms的視覺分類處理。

• Kria AI機器人開發者平台：業界首款將CPU + GPU + NPU + FPGA整合於一體的開放式平台。底座主板直接整合了來自賽靈思技術的Spartan UltraScale+ FPGA，專門負責高速感測融合 (Sensor Fusion)與多軸馬達控制。

正面對決NVIDIA Jetson AGX Thor T5000

在與NVIDIA旗艦機器人晶片Jetson Thor T5000的基準測試比較中，AMD展現異質整合架構的優勢：

• 在高速物流搬運車 (Open Navigation / Nav2基準)測試中，AMD提供3.4倍的準時控制可靠度 (On-Time Control)。

• 釋放多出1.6倍的CPU核心資源。

• 可同時承載2.3倍的併行代理AI (Concurrent Agents)工作負載。

人形機器人業者Foundation實測指出，相較NVIDIA的解決方案，AMD平台提供2.5倍或更快的CPU推理速度，以及高於3倍的訓練效率。

賽靈思DNA發揮綜成效：業界唯一的「Body-to-Brain」全棧解決方案

NVIDIA擅長打造強大的「大腦」 (Brain)，但傳統機器人的「關節」 (Joint)與「神經脊髓」 (Spine)，依然需要額外的PLC可編程邏輯控制器或特定控制晶片處理運作。AMD整合賽靈思後的最大優勢，則在於能夠提供全身上下一條龍的晶片組合：

• 大腦 (Brain)：Kria AI Robotics / Ryzen AI Embedded (負責高階決策、VLA模型推理、視覺理解)。

• 脊髓 (Spine)：Versal AI Edge Gen 2 / Zynq UltraScale+ (負責時間敏感型通訊、大腦與關節間的協調)。

• 感測器 (Sensors)：Spartan UltraScale+ / Zynq UltraScale+ (負責多感測器即時融合)。

• 關節 (Joints)：Zynq UltraScale+ / Zynq 7000 (負責微秒級多軸馬達伺服控制)。

這種「軟硬體高度定行化與低延遲」的組合，讓工業機器人與人形機器人製造商無需在機器人體內塞入多套不相容的控制板，即可大幅簡化機構設計，並且降低整體功耗。

開放軟體生態：以HIPIFY與ROS2破解CUDA高牆

NVIDIA的Isaac機器人平台雖然強大，但深度的CUDA軟體綁定，讓許多希望維持系統自主權的廠商感到顧慮。因此，AMD選擇走完全開放的路線：

• 全面支援ROS2與主流框架：AMD Robotics Software Suite建立在ROS2、Gazebo、MoveIt2與Nav2等機器人開放標準之上。

• 無痛遷移工具HIPIFY：針對已經具備CUDA程式碼的開發者，AMD提供HIPIFY自動化轉譯工具，可處理70%至80%的程式碼轉換工作，讓開發者輕鬆將CUDA核心程式轉為能在ROCm上運行的HIP程式碼。

• 廣大的合作夥伴網路 (AMD Robotics Partner Network)：包含Bosch Rexroth、FASTEC International、Universal Robots、ABB、QNX等超過30家工業與機器人巨頭已經加入此生態系。其中，日本FASTEC已經將Ryzen AI X100處理器應用於半導體晶圓廠的協作移動機器人 (i-Operator)中。

筆者觀點：AMD能否在機器人戰場殺出重圍？

NVIDIA在日本與全球市場推動機器人解決方案時，主打的是「從Omniverse虛擬模擬到Jetson Thor實體佈署」的封閉式高算力天花板。這對極度仰賴複雜AI視覺與生成式AI的前沿人形機器人新創極具吸引力。

然而，AMD的策略則是進一步鎖定實際需求。

包含工業自動化、半導體設備、醫療與物流機器人等領域，本質上對「硬性即時控制」與「系統穩定度」的要求遠高於純粹AI算力堆疊。AMD藉由賽靈思在工業控制領域深耕多年的FPGA基礎，補上AI晶片普遍缺乏的微秒級確定性控制能力，並且疊加高能效的Zen 5 + RDNA 3.5架構算力，成功打造出差異化極強的「Body-to-Brain」方案。

筆者認為，AMD憑藉「開放標準、無廠商綁定、硬即時控制與更高性價比」這四張牌，將有能力在工業與商業機器人市場中，成為讓NVIDIA無法忽視的強勁對手。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》