科技
Arm Everywhere China》機器人也要比照自駕分級！Arm提出RL0至RL5分級框架，台積電、Bosch等逾80家加入
加入為 Google 偏好來源
將 Yahoo 設為首選來源，在 Google 上查看更多我們的精彩報導
Arm推出Arm實體AI全面設計（Arm Total Design for Physical AI），加速實體AI技術堆疊的創新。（Arm提供）
自動駕駛已有由Level 0至Level 5構成的SAE分級制度，但快速發展的機器人產業，至今仍缺乏描述、比較及溝通能力的共同語言。Arm今（8）日提出Robotics Capability Framework，初步將機器人由RL0「反應式」一路分至RL5「自我改進」，並宣布Arm Total Design生態系正式擴大至實體AI，集結台積電、Bosch、AWS、NXP、Lenovo、Siemens及Unitree等超過80家合作夥伴。
Arm估計，2025年實體AI年度運算市場約250億美元，進入2030年代後可望超過2,000億美元，至少成長8倍。Arm希望透過共同的運算基礎、開發驗證環境及能力框架，降低機器人與自主系統的整合難度。
不過，RL0至RL5目前仍是Arm提出的初步框架及產業倡議，尚未成為經正式認證的產業標準。Arm將邀請機器人、晶片、軟體、感測器及安全驗證業者共同修訂，再逐步形成產業共同語言。
依照Arm提出的初步架構，RL0為Reactive，機器人只能依據外部刺激作出反應，典型結果是執行固定指令；RL1為Deliberative，可依規則執行預先設定的計畫與任務；RL2為Adaptive，能依據回饋調整及最佳化執行方式。
進入RL3 Contextual後，機器人可理解環境情境及使用者意圖，選擇合適行動；RL4 Cognitive則能在多重目標間進行規劃、協調與推理；最高階的RL5 Self-improving，可隨時間演化行為，自行產生並改善策略。
這套框架不只比較AI模型或機器人的「聰明程度」，也試圖將真實使用場景與底層系統需求連結，包括反應延遲、運算配置、記憶體與功耗限制、確定性及安全能力。
Arm首席架構師Richard Grisenthwaite在倡議書中指出，機器人技術快速發展，但產業缺乏共同語言，增加系統設計、整合及擴大部署的難度。就如SAE分級為自動駕駛建立共同語彙，機器人產業也需要一套可比較能力與系統需求的架構。
Arm後續將與Anaxi Labs、ANYbotics、FMC³ Robotics、Fourier、GALBOT、Gravis Robotics、Lenovo、McKinsey及Robotec.ai等夥伴共同完善框架，並邀請更多業者提供實際開發及部署經驗。
實體AI不只比算力 「每一公克都很重要」
Arm實體AI事業執行副總裁Drew Henry將實體AI定義為，AI被具體置入機器，使機器能感知周遭環境、根據感知結果作出判斷，並安全地在現實世界採取行動。
相較雲端及手機AI，實體AI有兩項關鍵差異。第一是延遲，從攝影機感測到光子，到系統驅動致動器採取動作，中間經過的時間可能直接影響安全。例如，車輛感測器發現前方障礙物後，煞車系統能多快作動，就是實體AI運算的重要指標。
「從感測器偵測到一個光子，到致動器真正啟動，中間的時間就是關鍵。」Henry表示，實體AI的另一項限制是重量，「在實體AI領域，每一公克都很重要。」
以無人機為例，其主要功能之一是承載及運送物品，運算設備與散熱系統愈輕，便能保留更多有效載重。因此，實體AI平台不能只追求最高算力，也要考量功耗、散熱、體積、重量、即時性及安全。
Arm估計，農業、採礦、製造、營建、交通與物流等實體產業，在全球約115兆美元經濟活動中占約75兆美元，換算比重約65%；但這些產業使用運算技術的程度，仍明顯低於金融、軟體等資訊型產業。
2025年，Arm生態系已向實體AI領域出貨約20億顆裝置，涵蓋感測器、微控制器、機器人大腦及自動駕駛運算平台。Henry認為，隨著AI進入實體環境，實體AI有機會成為運算史上規模最大的市場之一，Arm目前預估的2,000億美元甚至可能偏保守。
Henry表示，實體AI系統同時涵蓋AI模型、軟體、運算硬體、感測器、致動器、即時控制、資安及系統驗證，「沒有任何一家公司能夠獨自解決整個實體AI技術堆疊」。
Arm因此推出Arm Total Design for Physical AI，將原本應用於雲端基礎架構的協作模式擴大至機器人、自動駕駛及自主系統，協助合作夥伴提前開發、驗證及擴大量產。
超過80家合作夥伴涵蓋終端產品、感知與互動智慧、執行軟體、感測與致動、雲端智慧、晶片生態系，以及安全、資安與驗證。晶片及代工夥伴包括台積電、三星、格羅方德、恩智浦、瑞昱（2379）及慧榮科技（NASDAQ：SIMO）；雲端與AI夥伴包括AWS、阿里雲、Hugging Face及Siemens；終端與機器人夥伴則包括Unitree、GALBOT、Deep Robotics及Lenovo。
在汽車領域，Arm已與AWS、Google、HERE、RemotiveLabs及Siemens共同打造整合式數位座艙參考方案，讓開發者可在實體晶片完成前，先於Arm Zena CSS平台開發、測試及驗證汽車軟體，降低軟硬體整合及量產風險。
針對Arm是否將邀請更多中國人形機器人業者加入分級框架，Arm實體AI市場推廣副總裁Dermot O'Driscoll表示，提出框架的目的，就是邀請具備機器人開發及實際部署經驗的業者參與。
O'Driscoll說，Arm希望透過合作與生態系，集結不同領域的專業意見，共同定義框架的細節及後續演進方向，因此邀請整個機器人社群加入，並未限定特定企業。
面對Hugging Face遭NVIDIA收購後，雙方合作是否可能改變，O'Driscoll則表示，Hugging Face仍是開發者的重要資源，也是Arm計畫繼續合作的夥伴。
「Hugging Face仍是我們的合作夥伴，也是我們計畫繼續合作的夥伴；現階段，我們不預期會有改變。」不過，他也保留但書，未來仍須觀察Hugging Face及NVIDIA後續所作的決定。
當實體AI由個別概念驗證走向大規模部署，Arm不只希望供應底層CPU與系統IP，也開始串聯模型、軟體、感測器、晶片及終端設備業者，甚至進一步提出機器人能力分類框架。RL0至RL5能否獲得更廣泛的產業採納，將決定它最終只是Arm生態系內部的分類工具，或能逐漸發展為機器人產業的共同語言。
更多風傳媒報導
歐肯新品全新包裝上市，三次蒸餾極致柔順，攜手詹記麻辣火鍋解鎖臺潮歡聚新體驗
Arm Computex開講》Arm CEO預言：AI時代不只GPU，CPU將重新站上舞台中央
Arm Computex開講》伺服器CPU生態系100%在台打造 執行長：沒有台灣就沒有Arm
將 Yahoo 設為首選來源，在 Google 上查看更多我們的精彩報導
Arm推出Arm實體AI全面設計（Arm Total Design for Physical AI），加速實體AI技術堆疊的創新。（Arm提供）
自動駕駛已有由Level 0至Level 5構成的SAE分級制度，但快速發展的機器人產業，至今仍缺乏描述、比較及溝通能力的共同語言。Arm今（8）日提出Robotics Capability Framework，初步將機器人由RL0「反應式」一路分至RL5「自我改進」，並宣布Arm Total Design生態系正式擴大至實體AI，集結台積電、Bosch、AWS、NXP、Lenovo、Siemens及Unitree等超過80家合作夥伴。
Arm估計，2025年實體AI年度運算市場約250億美元，進入2030年代後可望超過2,000億美元，至少成長8倍。Arm希望透過共同的運算基礎、開發驗證環境及能力框架，降低機器人與自主系統的整合難度。
不過，RL0至RL5目前仍是Arm提出的初步框架及產業倡議，尚未成為經正式認證的產業標準。Arm將邀請機器人、晶片、軟體、感測器及安全驗證業者共同修訂，再逐步形成產業共同語言。
依照Arm提出的初步架構，RL0為Reactive，機器人只能依據外部刺激作出反應，典型結果是執行固定指令；RL1為Deliberative，可依規則執行預先設定的計畫與任務；RL2為Adaptive，能依據回饋調整及最佳化執行方式。
進入RL3 Contextual後，機器人可理解環境情境及使用者意圖，選擇合適行動；RL4 Cognitive則能在多重目標間進行規劃、協調與推理；最高階的RL5 Self-improving，可隨時間演化行為，自行產生並改善策略。
這套框架不只比較AI模型或機器人的「聰明程度」，也試圖將真實使用場景與底層系統需求連結，包括反應延遲、運算配置、記憶體與功耗限制、確定性及安全能力。
Arm首席架構師Richard Grisenthwaite在倡議書中指出，機器人技術快速發展，但產業缺乏共同語言，增加系統設計、整合及擴大部署的難度。就如SAE分級為自動駕駛建立共同語彙，機器人產業也需要一套可比較能力與系統需求的架構。
Arm後續將與Anaxi Labs、ANYbotics、FMC³ Robotics、Fourier、GALBOT、Gravis Robotics、Lenovo、McKinsey及Robotec.ai等夥伴共同完善框架，並邀請更多業者提供實際開發及部署經驗。
實體AI不只比算力 「每一公克都很重要」
Arm實體AI事業執行副總裁Drew Henry將實體AI定義為，AI被具體置入機器，使機器能感知周遭環境、根據感知結果作出判斷，並安全地在現實世界採取行動。
相較雲端及手機AI，實體AI有兩項關鍵差異。第一是延遲，從攝影機感測到光子，到系統驅動致動器採取動作，中間經過的時間可能直接影響安全。例如，車輛感測器發現前方障礙物後，煞車系統能多快作動，就是實體AI運算的重要指標。
「從感測器偵測到一個光子，到致動器真正啟動，中間的時間就是關鍵。」Henry表示，實體AI的另一項限制是重量，「在實體AI領域，每一公克都很重要。」
以無人機為例，其主要功能之一是承載及運送物品，運算設備與散熱系統愈輕，便能保留更多有效載重。因此，實體AI平台不能只追求最高算力，也要考量功耗、散熱、體積、重量、即時性及安全。
Arm估計，農業、採礦、製造、營建、交通與物流等實體產業，在全球約115兆美元經濟活動中占約75兆美元，換算比重約65%；但這些產業使用運算技術的程度，仍明顯低於金融、軟體等資訊型產業。
2025年，Arm生態系已向實體AI領域出貨約20億顆裝置，涵蓋感測器、微控制器、機器人大腦及自動駕駛運算平台。Henry認為，隨著AI進入實體環境，實體AI有機會成為運算史上規模最大的市場之一，Arm目前預估的2,000億美元甚至可能偏保守。
Henry表示，實體AI系統同時涵蓋AI模型、軟體、運算硬體、感測器、致動器、即時控制、資安及系統驗證，「沒有任何一家公司能夠獨自解決整個實體AI技術堆疊」。
Arm因此推出Arm Total Design for Physical AI，將原本應用於雲端基礎架構的協作模式擴大至機器人、自動駕駛及自主系統，協助合作夥伴提前開發、驗證及擴大量產。
超過80家合作夥伴涵蓋終端產品、感知與互動智慧、執行軟體、感測與致動、雲端智慧、晶片生態系，以及安全、資安與驗證。晶片及代工夥伴包括台積電、三星、格羅方德、恩智浦、瑞昱（2379）及慧榮科技（NASDAQ：SIMO）；雲端與AI夥伴包括AWS、阿里雲、Hugging Face及Siemens；終端與機器人夥伴則包括Unitree、GALBOT、Deep Robotics及Lenovo。
在汽車領域，Arm已與AWS、Google、HERE、RemotiveLabs及Siemens共同打造整合式數位座艙參考方案，讓開發者可在實體晶片完成前，先於Arm Zena CSS平台開發、測試及驗證汽車軟體，降低軟硬體整合及量產風險。
針對Arm是否將邀請更多中國人形機器人業者加入分級框架，Arm實體AI市場推廣副總裁Dermot O'Driscoll表示，提出框架的目的，就是邀請具備機器人開發及實際部署經驗的業者參與。
O'Driscoll說，Arm希望透過合作與生態系，集結不同領域的專業意見，共同定義框架的細節及後續演進方向，因此邀請整個機器人社群加入，並未限定特定企業。
面對Hugging Face遭NVIDIA收購後，雙方合作是否可能改變，O'Driscoll則表示，Hugging Face仍是開發者的重要資源，也是Arm計畫繼續合作的夥伴。
「Hugging Face仍是我們的合作夥伴，也是我們計畫繼續合作的夥伴；現階段，我們不預期會有改變。」不過，他也保留但書，未來仍須觀察Hugging Face及NVIDIA後續所作的決定。
當實體AI由個別概念驗證走向大規模部署，Arm不只希望供應底層CPU與系統IP，也開始串聯模型、軟體、感測器、晶片及終端設備業者，甚至進一步提出機器人能力分類框架。RL0至RL5能否獲得更廣泛的產業採納，將決定它最終只是Arm生態系內部的分類工具，或能逐漸發展為機器人產業的共同語言。
更多風傳媒報導
歐肯新品全新包裝上市，三次蒸餾極致柔順，攜手詹記麻辣火鍋解鎖臺潮歡聚新體驗
Arm Computex開講》Arm CEO預言：AI時代不只GPU，CPU將重新站上舞台中央
Arm Computex開講》伺服器CPU生態系100%在台打造 執行長：沒有台灣就沒有Arm
新聞來源: 原始來源
尚無評論，成為第一個發言的人吧！