恩智浦半導體：實體AI關鍵不在更大模型 而是打造機器人的神經系統

恩智浦半導體（NXP）總裁暨執行長Rafael Sotomayor今日發表專題演講，他指出實體AI關鍵不在更大模型，而是打造機器人的神經系統。記者黃義書／攝影

當全球科技產業仍將焦點放在大型語言模型（LLM）與生成式AI競賽之際，恩智浦半導體（NXP）執行長Rafael Sotomayor今日在COMPUTEX專題演講中提出截然不同的觀點。他認爲，下一波AI革命不在於打造更大的模型，而是在於建立如同人體神經系統般的Physical AI（實體AI）架構，讓機器能夠即時反應、理解世界，並在真實環境中安全運作。

演講一開始，他以足球巨星梅西（Messi ）爲例指出，頂尖運動員之所以卓越，不是因爲知道更多戰術，而是在極端壓力下仍能做出最精準、最快速的反應。這種能力來自長期訓練形成的反射機制，而非每一次都透過大腦深思熟慮後才做出決策。

爲了說明反射的重要性，他分享自己當天早上的親身經歷。由於NXP臺北辦公室距離演講場地不遠，他步行前往會場途中，因爲時差影響加上一時分心，在過馬路時差點被一輛機車撞上。他形容當時「只差一點點」，但身體瞬間跳開，避開了危險。

他指出，如果完全依賴大腦皮質進行分析與判斷，反應時間約需300毫秒；即使是負責運動控制的小腦，也無法在那麼短的時間內完成決策。真正讓他及時避開機車的，其實是人體脊髓的反射機制。當危險訊號傳入神經系統後，脊髓能在約40毫秒內直接下達動作指令，讓身體先行反應，大腦之後才意識到發生什麼事。他認爲，這正是Physical AI最重要的啓示。

目前產業界普遍將焦點放在讓AI變得更會推理、更會思考，但對機器人、自動駕駛車輛、人形機器人或無人機而言，真正困難的反而是即時反應能力。這也呼應著名的「莫拉維克悖論（Moravec's Paradox）」：人類覺得困難的推理與計算工作，電腦已經相當擅長；但走路、保持平衡、抓取物品等看似簡單的動作，卻是機器最難掌握的能力。

因此，NXP提出「Extended Neural Architecture」架構，將Physical AI分爲三個層次。第一層是負責規劃與推理的Reasoning Layer，類似人體大腦；第二層是負責平衡與協調控制的Coordination Layer，如同小腦；第三層則是直接連接感測器與執行器的Reflex Layer，扮演脊髓角色，負責毫秒級反應。

他以人形機器人爲例指出，當機器人在倉庫搬運高價值貨物時，若突然遭到外力碰撞，必須在數十毫秒內完成恢復平衡、調整握力、重新定位與繼續行走等動作，不可能先把資料送到雲端、等待AI模型推理完成後再做決策。真正的智慧必須存在於關節、手臂與控制節點，而不是全部集中在中央處理器。

除了反射能力外，NXP也高度看好Vision-Language-Action（VLA）模型發展，希望讓機器不只看得到世界，更能理解重力、慣性與摩擦力等物理規律，建立對真實世界的認知能力。

不過，他強調，Physical AI最終能否大規模落地，關鍵仍在於「信任」。未來愈來愈多醫療設備、自主車輛與工業機器人將承擔關鍵任務，因此安全性、可靠性與資安防護必須從設計初期就內建在系統架構之中。

最後他總結，未來Physical AI的競爭不再是誰擁有最大的AI模型，而是誰能打造最接近人體神經系統的架構，讓機器能在低延遲、低功耗與高可靠度下持續運作。

Rafael Sotomayor說： 「真正頂尖的機器，不是最會思考的機器，而是在真實世界裡，即使面對突發狀況，仍能保護人員安全並持續完成任務的機器。」這也將成爲AI從雲端走向實體世界的重要轉折點。