实体AI正快速萌芽，英特尔(INTC-US)积极抢攻Physical AI与机器人商机，边缘运算事业群平台研发协理王宗业今(16)日表示，机器人AI并不一定都需要额外配置大型独立GPU，而可透过CPU、GPU与NPU组成的异构运算(XPU)架构，依不同工作负载进行分工，在满足AI效能需求之余，也降低系统功耗与整体持有成本(TCO)。

王宗业指出，AI产业过去几年焦点多集中于大型语言模型与前沿模型训练，但现阶段市场并不缺模型，真正重要的是「模型如何落地」。随着AI从云端走向边缘，Physical AI也逐渐形成「Sense、Reasoning、Acting」的完整闭环，也就是从感知环境、理解情境，最终进一步控制机器与设备采取实际行动。

其中，Agentic AI将成为Physical AI的重要推手。以智慧交通为例，过去应用主要停留在Traffic Monitoring等电脑视觉辨识，接下来则会逐步加入Sensor Fusion、生成式AI、复杂异常侦测，再透过Agentic AI将不同模型与工具串接，最终由机器人或自动化设备执行实际任务。

王宗业认为，这也意味着未来边缘AI工作负载会更加多元，单一运算架构难以包办所有工作，因此Intel采取CPU、GPU与NPU并行的XPU策略。

以机器人为例，CPU可负责Agentic AI、任务排程以及与外部系统沟通；GPU则处理视觉运算、复杂计算以及机器人动作生成；NPU则可负责影像辨识等需要长时间执行、但同时要求低功耗的AI推论工作，让三种运算单元各司其职。

王宗业强调，在许多边缘端应用中，处理器内建GPU的效能其实已经足够，并不需要额外外挂大型独立GPU。他表示，若只是为了部分AI工作负载额外增加GPU，不仅会提高整机成本，也同步拉高功耗与TCO，但实际带来的效益未必成比例。

Intel此次也指出，新一代Core Ultra平台整体AI运算能力可达约180至200 TOPS，可望支援约150亿至300亿参数规模的AI模型，让更多生成式AI与Agentic AI工作负载直接部署在边缘设备。

王宗业也以PCB瑕疵检测机器人为例，说明XPU架构的实际运作方式。机器人可由GPU负责控制手臂与产生动作，NPU同步执行视觉辨识与PCB瑕疵检测，再由CPU负责任务调度，并将最终结果回传至工厂制造管理系统，三种运算单元同步工作。

Intel目前边缘运算业务已横跨零售、餐饮、教育、医疗、工业制造、运输及智慧城市等约八至九个垂直市场，机器人及自主移动机器人(AMR)也是Physical AI的重要落地方向。

王宗业透露，目前已有客户采用Intel CPU搭配ROS 2，开发应用于晶圆厂的自主移动机器人，借由高精度与高重复性的运作能力切入半导体制造场域，显示Physical AI已不仅停留在概念验证阶段，而逐步进入实际工业应用。

除了硬体，Intel也试图透过软体生态系建立Physical AI的另一道门槛。Intel在2025年推出Open Edge Platform，从底层Platform Software、AI工具与Library一路延伸至Reference Application，让合作伙伴可以直接在既有架构上开发自身垂直市场解决方案。

在机器人领域，Intel进一步提供Robotic AI Suite、Physical AI Studio及OpenVINO等工具。其中，Robotic AI Suite以ROS 2等开放标准为基础，降低底层软硬体整合复杂度；Physical AI Studio则透过图形化介面简化资料收集、模型训练与Fine-tuning流程，可用于教导机器人学习新的操作技能。

至于OpenVINO则锁定模型完成后的部署最佳化。王宗业表示，透过软体最佳化，除了可提升AI执行效率，也能进一步缩减系统所需要的储存容量，例如若终端设备由原本需要128GB Flash降至64GB，就能直接降低量产硬体成本。

王宗业指出，Intel的策略并非建立一套完全封闭的Physical AI系统，而是将过去在运算平台累积的技术转化成开放生态系，并支援ROS、PyTorch等业界主流开源框架，再由合作伙伴加入自身的导航、机器人演算法及产业Know-how，加速产品商业化。

截至2026年9月，Intel表示，其Open Edge Platform生态系已累积155套经过验证的系统，来自63家系统供应商，另有125家独立软体厂商(ISV)提供137项应用，相关生态系约在一年半内逐步建立。

随着AI从「会回答问题」走向「能够执行任务」，Physical AI也成为半导体业者下一波竞逐焦点。相较市场目前高度聚焦大型GPU，Intel则企图以CPU、GPU、NPU异构运算与既有x86、边缘运算生态系切入，锁定功耗、成本更加敏感的工业与机器人市场。