大模型让 AI 变聪明，算力中心把智能训练出来，但当 AI 离开屏幕、走进路口、门店、家庭和机器人，真正的考验才刚开始：谁来让它在弱网、低功耗、低成本和高可靠的现场里稳定工作？这恰恰是物理 AI（Physical AI）要回答的问题，也是爱芯元智这几年重点发力的方向。

6 月底，爱芯元智在深圳举办 AXera Edge-Day，主题定为"构筑物理 AI 算力底座，打通边缘 AI 商业闭环"。公司联合创始人、副总裁刘建伟在开场里给出判断："AI 算力正从云端向物理世界加速下沉，算力的核心使命正在从生成 Token 转变为驱动物理世界。"这句话点出了产业正在发生的重新分工——云端负责把模型训出来，边缘负责把模型用起来。

爱芯元智做这件事，靠的是两条早早就铺下的技术线。一条是 AI-ISP。2020 年第一代自研芯片 AX630A 流片，就搭载了 AXProton AI-ISP；到 AX650N、AX630C，再到 2025 年发布的 AX8850，路线从"让机器看见"一路走到"让机器理解和处理更复杂的任务"。AI-ISP 的用意很实在：先精准识别现实世界并不干净的数据，再交给模型判断，等于在给物理 AI 打地基。另一条是 NPU。AXNeutron 并非到大模型时代才出现——V1 在 2019 年聚焦 CNN，V3 于 2021 年原生支持 BEV 和 Transformer，V5 在 2023 年面向 Transformer、BEV 与大模型优化；2024 年世界人工智能大会上 AXNeutron AI 处理器正式发布，2025 年的 Neutron V7 开始面向 Physical AI，走向统一推理与自训练架构。

产品上，AX8850 与 AX8910 一个偏感知、一个偏边缘推理和运控，正好对应物理 AI 从"眼睛"到"小脑"的分工。本次 Edge-Day 上的 Pulsar2 6.0 已适配全系列芯片，并优化 Qwen、MiniCPM 等主流端侧大模型推理，把模型高效搬到端侧和边缘。

场景里能看到这条路线怎么落地。会议场景，广和通把降噪、VAD、声纹识别、ASR 和 LLM 纠错放在 AX8850 平台上，解决会议机在低时延、离线和隐私约束下能不能持续可用；家庭场景，Frigate NVR 把家庭视觉从目标检测推到语义搜索和本地对话 Agent，补上"看到找不到、录下读不懂"的短板；门店场景，帷幄用 VLM 巡检让摄像头进入货架、动线、商品和转化等经营环节，视觉 AI 开始参与经营决策。

机器人是更典型的例子。爱芯元智在 Edge-Day 上把具身智能拆成"大脑—小脑—本体"三层：大模型做大脑，算力中心做训练仿真，而真实机器人身上还需要贴身的"小脑"，处理双目视觉、运动控制和安全策略，在毫秒级闭环里对环境做反应。AX8910 面向双目纯视觉等低功耗感知，AX8850 对应更高算力的边缘推理和运控，补齐现场所缺的算力。

让能力被重复调用，靠的是开发者生态。本次会议上出现的 M5Stack、Frigate NVR 和矽速科技，分别代表硬件入口、开源应用和个人 AI 基建三类角色；爱芯元智也在 Hugging Face、GitHub 上开放模型与工具，平台模型库突破 200 个、Pulsar2 6.0 适配主流端侧大模型，持续降低迁移成本。

从 AI-ISP 到 NPU，从视觉芯片到边缘计算，从单点产品到开源生态，爱芯元智的路径正好踩在 AI 从云端走向现场这条产业迁移线上。物理 AI 要规模化，拼的不是单点能力，而是谁能在弱网、低功耗、低成本和高可靠的现场里，把云端训练出来的智能稳稳接住。