新思科技与台积公司合作加速中国物理AI落地

2026 年 5 月 29 日，新思科技成功举办 “从芯出发，赋能 Physical AI 未来——新思科技基于 TSMC C‑Node IP 产品组合发布会”，重磅推出适配台积公司 C‑Node（N6C/N4C）工艺优化的 IP 产品组合。

新思科技首席产品管理官 Ravi Subramanian 博士在主题演讲中，系统阐述了 Physical AI 变革的技术内涵与产业意义，并宣布与台积公司深化战略合作，基于 C‑Node 工艺与先进 IP 组合，联合满足中国市场在 Physical AI 应用中对性能、功耗与效率的多重需求。

数字化的下一站：中国 GDP 翻倍背后的“软硬引擎”

Ravi 博士首先从全球经济版图入手。他展示了一组对比数据：2025 年，中国 GDP 为 19.4 万亿美元；而到 2050 年，这个数字预计将达到 41.9 万亿美元。翻倍的增长背后，不是简单的资源投入，而是一场由数字技术驱动的深刻转型。这场转型的核心，正是软件与半导体两个产业的协同进化。

过去，我们习惯把半导体公司看作单纯的芯片供应商，把系统公司看作终端产品的整合者。但现在，边界正在模糊。汽车不再只需要一颗 MCU，它需要一整套融合了 AI 计算、实时控制和功能安全的计算子系统。工业自动化、医疗设备……每一个行业都在重新定义自己的计算路线图。Ravi 博士特别提到，五年前，很多汽车平台甚至没有 AI 引擎；而今天，无论是智能座舱还是自动驾驶，AI 都已成为标配。这种变化，正在所有工业门类中同时发生。

什么是物理 AI？从“感知”到“行动”的闭环

如果说传统 AI 的任务是识别图像或生成文本，那么 Physical AI 面对的是更复杂的闭环系统：从感知环境、做出决策，到驱动执行器完成物理动作。Ravi 将其概括为三个关键词：感知、学习与行动；也有研究者称之为 VLA（视觉-语言-行动）或 CSA（感知-决策-执行）。不同的命名背后，是同一趋势——AI 正从数据中心走向现实世界，进入工厂、道路、医院乃至更广阔的应用场景。

这种转变的重要性在于，真实世界拥有无穷的复杂性和长尾场景，是任何仿真环境都难以完全覆盖的。一个在虚拟环境中表现完美的系统，进入真实场景后，仍可能因光线变化或环境细节而失效。Physical AI 的核心价值，正是在与物理世界的持续交互中不断学习与迭代。Ravi 强调，只有将虚拟与现实相结合，以真实环境为训练与验证基础，产业才能实现真正的规模化发展。

与此同时，Physical AI 也对系统提出了全新的技术要求。Ravi 总结了四个关键特征：首先是确定性实时性能，在动态环境中进行规划与控制，低延迟和可预测性至关重要；其次是高效且可扩展的算力架构，需要兼顾从电机控制到 AI 推理的多样化负载；第三是面向安全的体系设计，尤其在机器人与汽车领域，一个错误决策可能带来严重后果，部分场景下甚至比汽车安全要求更高；最后是完善的生态与预集成平台，只有建立在成熟软件基础与 IP 组合之上的体系，才能避免碎片化，支撑 Physical AI 的规模化落地。

从中国到世界：一个万亿级半导体市场的逻辑

物理 AI 与边缘 AI 将成为继 AI 基础设施之后最大的半导体市场机遇。这一机遇不再只是“为中国制造”，而是“从中国走向全球”。凭借在工业机器人、服务机器人及人形机器人等领域的领先布局，以及劳动力短缺、自动化升级与云端—端侧 AI 协同的多重驱动，中国正成为这一趋势最集中的实践场。

Ravi 博士描绘了一幅清晰的价值链图景：底层的专用计算子系统，正成为半导体增长的核心驱动力。

一个典型的计算子系统，通常由 CPU 集群、系统管理模块、高速互联、存储接口，以及与外部世界交互的感知与控制接口组成。值得注意的是，在部分设计中，存储已占据芯片面积的 60% 到 70%，成为系统性能与成本的关键因素。通过预先集成和验证的子系统方案，企业可以显著缩短从芯片设计到终端产品落地的周期，同时降低整体开发成本。

而实现这一能力的关键，正来自新思科技这样的 IP 与工具供应商——他们提供的不再只是单个 IP，而是经过验证的子系统级解决方案，使开发者能够像“搭积木”一样，更高效地构建复杂系统与终端产品。

新思科技与台积公司的“C-Node”生态：共同满足中国市场需求

Ravi 博士在演讲中宣布，新思科技与台积公司深化合作，推出面向 N6C及 N4C 工艺的完整 IP 产品组合。这不仅是一次常规的 IP 升级，更是围绕中国市场需求进行的协同设计与优化。新思科技基于其在 N6 与 N4 节点上成熟验证的 IP 架构，在新节点上进一步演进，并整合接口 IP、基础 IP 及硅生命周期管理 IP，形成一套低风险、高能效、支持 AI 加速的完整解决方案。

过去，先进工艺主要服务于智能手机和高性能计算；而 N6C、N4C 等节点在成本、功耗与性能之间实现了更均衡的取舍，更适合边缘与 Physical AI 应用。

Ravi 指出，在部分设计中，存储可占芯片面积的 70%，访存带来的功耗甚至达到 60%，因此优化必须从最底层的 IP 开始，面向成本与能效进行系统性设计。只有不断降低单点成本，Physical AI 才有望从数十亿美元的芯片市场，撬动数百亿美元的系统级市场，实现规模化发展。

面向 Physical AI 的生态竞争：中国成为关键支点

面向 Physical AI，新思科技在中国的策略正从“引入”转向“共建”——基于本土需求推动 IP 演进与定制，并通过更高层级的子系统与解决方案，加快 SoC 开发效率、降低设计门槛。这一转变也反映出产业竞争逻辑的变化：Physical AI 的竞争不再局限于单一芯片，而是取决于 IP、工具、工艺到系统集成的全链条协同能力。

随着 AI 从数字世界走向物理世界，机器人、自动驾驶与智能设备加速落地，对计算架构与能效提出更高要求。在这一过程中，中国正成为 Physical AI 发展的重要驱动力，推动行业从芯片到系统、从技术到生态走向规模化。

正如 Ravi 博士所说：“我们感谢合作伙伴，也感谢这个时代的机遇。”对于身处半导体与智能产业的参与者而言，把握这一机遇、投身其中，本身就是对这一变革最直接的回应。