如果说过去几年 AI 竞争的关键词是「模型」，那么接下来，一个新的关键词正在浮现：物理。

AI 正在从屏幕里的对话框走向真实世界，进入汽车、家庭、机器人以及越来越多的智能终端。

它不再只是回答问题，而是要看见、听见、理解、决策，并最终执行动作。

换句话说：AI 正在从「大脑」，开始长出「眼睛、耳朵、神经和四肢」。

而当 AI 真正进入物理世界，决定它能否跑起来的，就不再只是模型参数和 NPU 算力。

一个此前并不那么显眼的产业角色，也因此正在重新获得关注：

通信 SoC 公司。

AI 进入物理世界，单点算力不够了

过去评价 AI 芯片，人们最关注的是算力、模型参数和推理速度。

但物理世界的 AI 面对的是另一套问题。

汽车需要实时感知道路环境，机器人需要同时处理视觉、声音和自身状态，家庭设备需要连接不同终端并持续响应用户需求。

这意味着，物理 AI 需要形成一个完整闭环：

感知 → 计算 → 决策 → 通信 → 执行。

任何一个环节出现短板，智能体都可能从「聪明」变成「不好用」。

因此，未来 AI 芯片的竞争重点，很可能不再只是「谁的 NPU 更强」，而是谁能够把：

通信、计算、感知、安全

四种能力高效融合。

而这恰恰是通信 SoC 厂商长期积累的能力。

为什么「通信」会重新变得重要？

在云端，AI 可以依赖稳定的数据中心和网络。

但进入真实世界之后，情况完全不同。

机器人不能因为网络延迟就停止动作，汽车不能因为连接中断就失去关键能力，家庭设备也不能因为云端暂时不可用就完全停止响应。

所以，AI 一旦进入物理世界，「连接」就不再是外围能力，而是智能闭环的一部分。

AI 需要连接世界，才能持续理解和服务世界。

通信能力决定设备如何与外部世界交换信息，而当通信能力进一步与 CPU、GPU、NPU、ISP 及各种接口融合进 SoC，芯片就不再只是计算工具。

它开始成为：

连接数字世界与物理世界的神经中枢。

通信 SoC 的优势，正在从「连接」走向「智能」

端边 AI 时代，SoC 的价值正在发生变化。

过去，通信能力意味着「让设备连得上」；今天，它进一步意味着「让智能持续运行」。

连接质量影响 AI 服务的连续性，通信时延影响智能体的实时响应，本地计算决定哪些任务可以留在设备内部，芯片级安全则决定哪些数据能够真正做到本地处理。

因此，通信与 AI 不再是两条平行线，而开始在终端 SoC 上汇聚。

这也形成了通信 SoC 厂商进入 AI 时代的结构性优势：它们不是从零开始做 AI，而是在通信、计算、连接和系统集成能力之上叠加 AI。

展锐的优势，来自长期积累

过去 25 年，展锐持续积累通信芯片研发能力，并逐步向更复杂的 SoC 系统能力延伸。如今，展锐进一步围绕 Agentic AI 推动这种能力融合。

Agentic AI 技术方案将 AI 算力、Agent 运行框架、系统能力、芯片安全和开发工具结合起来；N9 系列端边 AI 芯片平台提供面向 Agent 部署的硬件基础；UniClaw 则进一步将这些能力落到具体智能体应用。

三者共同指向一个方向：

让终端从「能够连接」，进一步走向「能够理解、决策和执行」。

当 AI 长出四肢，系统能力比单点算力更重要

机器人是最能体现这一趋势的场景之一。

一个真正的智能机器人，需要视觉感知、语音交互、环境理解、实时计算、通信连接和运动控制。

它既需要「大脑」，也需要「神经」和「四肢」。

因此，机器人的智能不是某一颗 NPU 单独决定的，而是一个完整系统共同作用的结果。

未来 AI 芯片的竞争，也可能越来越接近智能手机时代的 SoC 竞争：

最终比拼的不是某一项能力有多强，而是系统能否在功耗、算力、通信、接口、感知和实时控制之间找到最佳平衡。

AI 的终局，不只是更大的模型

未来，云端仍将承担最复杂的模型和任务，但越来越多实时、敏感、低延迟的 AI 能力，也会向边缘和终端迁移。

手机、汽车、家庭设备、机器人，都将成为 AI 运行的新载体。

这意味着，未来 AI 基础设施的边界，将从数据中心进一步延伸到千千万万颗终端 SoC。

当这一变化发生，芯片的价值也需要重新定义：

不只是「能算多少」，更要看：

能不能连接、能不能感知、能不能计算、能不能安全地执行。

这正是通信 SoC 公司价值重新上升的原因。

对于紫光展锐而言，25 年的通信积累、高集成低功耗 SoC 能力，以及围绕 Agentic AI、N9 和 UniClaw 形成的端边 AI 布局，让其正在从「连接世界」进一步走向「让设备理解并参与世界」。

当 AI 长出四肢，芯片不再只是计算的载体。

它正在成为数字世界与物理世界之间的桥梁。

来源：互联网