Автономні машини мають потенціал змінити кілька галузей, але обмеження пам’яті, споживання енергії, спеціалізовані архітектури та вимоги безпеки змушують розробників чіпів переглянути всю систему.
Ключові моменти:
- Більше обчислювальної потужності саме по собі не вирішить обмеження фізичного ІІ. Обчислювальна потужність повинна бути збалансована з пропускною здатністю пам’яті, ефективними інтерфейсами, достатньою електропостачанням та здатністю до охолодження.
- Фізична ШІ потребує архітектури системи, розробленої під її кінцеву функцію та середовище.
- Реальне впровадження залежить від строгого тестування: потрібно охопити крайні випадки, зрозуміти поведінку системи та перевірити безпеку.
Фізичний ІІ наближається до широкого застосування, але для створення цих сенсорно-орієнтованих систем інженерні команди повинні одночасно та постійно вирішувати кілька технічних викликів.
Аналітики очікують значного зростання ринку фізичного ІІ. Автономні системи мають потенціал фундаментально змінити такі галузі, як транспорт, виробництво, охорона здоров’я, енергетика тощо. Strategy&, підрозділ PwC, передбачає, що до 2030 року глобальний ринок фізичного ІІ може досягти приблизно 430 мільярдів євро, що відображає комерційний потенціал автономних систем у різних галузях.
Лісініо Суса, високий директор з інтерфейсних IP для фізичного ШІ в компанії Synopsys для автомобільної галузі, сказав: «Фізичні системи ШІ розширюються з автомобілів на роботів та дрони, а розробка цих застосунків стикається з обмеженнями на всьому системному рівні. ШІ переходить із центральних даних на крайові пристрої; для машин, таких як роботи, дрони та транспортні засоби, рушійною силою є автономність, конфіденційність, персоналізація, швидша відповідь та зменшення залежності від хмари.»
Список технічних викликів, які потрібно вирішити, довгий і взаємопов’язаний. Потрібно збільшити об’єм пам’яті та пропускну здатність, зменшити затримки та споживання енергії, продовжити термін служби продукту та підтвердити безпеку. Ще складніше те, що вирішення будь-якої з цих проблем може спричинити нові проблеми в інших місцях.
Власна архітектура
Для вирішення цих системних обмежень необхідні високоспеціалізоване та оптимізоване під конкретні випадки використання обладнання та програмне забезпечення.
Міхал Сівінський, віце-президент Arteris, головний офіцер з продуктів і маркетингу та генеральний директор з рішень для безпеки, сказав: «Нам потрібно почати говорити про більш оптимізовані та спеціалізовані обчислення, створені для конкретних завдань — саме це робить фізичний ІІ цікавим. Такі завдання повинні бути високо оптимізовані під апаратне забезпечення. Ми фактично повертаємося до традиційного значення ASIC — ASIC мають бути високо спеціалізованими, надзвичайно оптимізованими, а не універсальними. Вже зараз починають з’являтися такі тенденції. Буде цікаво побачити, як далі розвиватимуться більш гнучкі системи, спрямовані на дуже конкретні застосування, і як вони продовжуватимуть еволюціонувати, оскільки моделі змінюються набагато швидше».
Системний архітектор автобізнесу Micron Technology Васанthan Карунанітхі на останньому JEDEC Automotive Forum сказав: «Роботи — це не новий стек ШІ. Від систем ADAS роботи успадкували реальний час відчуття, планування маршруту та керування рухом. Від розумних шаф роботи успадкували розуміння природної мови, контекстне міркування та взаємодію людина-машини. У ембодірованому інтелекті більшим викликом є одночасне виконання цих двох типів завантажень, а потім обмін інформацією в кінці. Отже, це й є спільне між цими двома сегментами. Але є й відмінності, які відображають масштаб каналу. Автономні транспортні засоби працюють у відносно структурованому дорожньому середовищі і отримують енергію від більшого джерела — акумулятора автомобіля. Але якщо подивитися на роботів, вони працюють у неструктурованому тривимірному середовищі. [Роботи] також повинні підтримувати кілька ступенів свободи, маніпулювати об’єктами та зберігати рівновагу, а також розуміти команди в інструкціях. Порівняно з автомобілями, вони повинні зробити все це при набагато обмеженому джерелі живлення.»
Ці відмінності значно варіюються в залежності від застосування. Автономні транспортні засоби працюють у межах існуючої транспортної інфраструктури, але повинні впоратися з непередбачуваними умовами на дорогах. Навпаки, мобільні роботи та людоподібні роботи можуть потребувати навігації в більш неструктурованих середовищах, координації керування та балансу, а також роботи в межах обмеженого бюджету споживання енергії. В той же час промислові роботи можуть працювати в контролюваних середовищах і підключатися до стаціонарного джерела живлення. Ці відмінності роблять складним оптимізацію єдиної архітектури для всіх форм фізичного ІІ.

Дизайнери повинні будувати архітектуру системи з самого початку з урахуванням цих вимог.
Соуса сказав: «Зі змінами навантажень і моделей ми бачимо, що з’являються спеціалізовані напівпровідникові рішення, розроблені під конкретні потреби кожного типу машини. Наші клієнти постійно стикаються з потребою у передових VLA (візуальних-мовних-дієвих) моделях. З боку апаратного забезпечення це означає більш щільні обчислення та AI-движки. Разом з тим, через надмірну різноманітність використання, єдина монолітна архітектура стає все складнішою для застосування, тому ми переходимо до підходу chiplet, де обчислення, AI, пам’ять та I/O можуть розширюватися за допомогою інтерфейсу UCIe залежно від конкретного випадку використання».
Чіплети пропонують потенційний шлях для створення масштабованих фізичних AI-платформ, особливо коли вимоги до гетерогенного обчислення, пам’яті та I/O достатні для обґрунтування використання передових упаковок. Однак вони також можуть збільшити витрати та складність через індивідуальну упаковку, термокерування та комунікацію між дієм. Для менших, високоінтегрованих систем, обмежених вимогами до споживання енергії, розміру та витрат, більш підходящим може бути монолітний SoC.
Ці обмеження стосуються також апаратного та програмного забезпечення. Сатіш Баласубраманіан, керівник продуктів EDA AI та Solido в Siemens EDA, сказав: «Сенсори будуть більш орієнтовані на випадки використання, і вам потрібно переконатися, що у вас є хороші, спеціально розроблені випадки використання, а також необхідно мати програмний рівень над ними. Я завжди жартую, що все у реальному світі є симуляцією, і ми намагаємося абстрагувати це в цифрову форму, тому однією з найважливіших речей є надлишковість. Сенсори вже досить добре розроблені. Ми можемо виявляти візуальні, теплові, тиск та будь-що інше. Ми також добре впоралися з радаром та іншими аспектами. Важливіше забезпечити, щоб сенсори могли працювати в середовищі та захоплювали його таким чином, що не призводить до справжнього деградування, або мали вбудовану надлишковість.»
Проте ефект надлишковості варіюється залежно від того, чи можуть компоненти відмовляти незалежно, та чи може система виявляти та реагувати на відмови. Просте додавання датчиків не гарантує надійну роботу, особливо коли умови середовища можуть одночасно впливати на кілька датчиків.
Адаптація обчислювальної архітектури під навантаження або сценарії використання також призводить до компромісів. Ясмін Кінг, віце-президент Analog Devices з питань підприємств та керівництво автопромисловим напрямком, каже: «Питання полягає в тому, наскільки близько до місця, де відбувається сприйняття, потрібна інтелектуальність — тут існує напруженість. Якщо інтелект розподілити по всій системі, оновлення стануть складнішими. Централізація дозволяє проводити OTA-оновлення через одну точку, що спрощує застосування патчів та виправлення, але коли вам потрібно швидко реагувати на ці дані, це може викликати затримки. У автомобілі, якщо пішохід раптово вибіжить перед вашим автомобілем, вам потрібно здати миттєву відповідь. Тому розташування інтелекту залежить від того, яку інформацію з сенсорів ви хочете збирати, і наскільки швидко вам потрібно реагувати.»

Ясмін Кінг виступила 27 жовтня 2026 року на Reuters Automotive 2026.
Розміщення інтелектуальних компонентів — це архітектурне рішення, яке вимагає більше, ніж просто обчислювальної потужності. Воно потребує балансу між часом відгуку, пропускною здатністю зв’язку, споживанням енергії, можливістю оновлення та координацією розподілених компонентів. Централізований обчислювальний процес може спростити управління, тоді як локальна обробка зменшує комунікаційні затримки та зберігає ключові функції під час перерв у з’єднанні.
Фізичний AI «стіна пам’яті»
Об’єм пам’яті, пропускна здатність, затримка та енергоспоживання — це ключові обмеження фізичного ІІ; деякі технології пам’яті можуть стикатися з обмеженнями щодо постачання. Справжнім викликом є не просто додавання достатньої кількості пристроїв пам’яті, а розробка пам’яттєвої підсистеми, здатної забезпечувати дані для все більш вимогливих завантажень ІІ в межах строгих обмежень щодо споживання енергії та тепловиділення.
Соуса сказав: «Десятки мільярдів пов’язаних параметрів моделей також потрібно зберігати та передавати між пам’яттю, оперативною пам’яттю та процесорними одиницями. Зараз це називають «стіною пам’яті». Зі зростанням використання пам’яті DRAM потребує надшвидких інтерфейсів, таких як LPDDR6, щоб більше не бути обмеженням для обробки».
Продуктивність також залежить від моделей доступу, затримки, повторного використання даних, ємності кешу, ефективності контролера пам’яті та енергії, необхідної для переміщення даних. Якщо навантаження обмежене іншими частинами ієрархії пам’яті, то просте збільшення первинної пропускної здатності може принести обмежену користь.
Дизайн системи для робочих навантажень може допомогти зменшити частину навантаження на пам’ять. Баласубраманіан зазначає: «Правильний розмір пам’яті, правильний розмір обчислень і надлишковість, а також все, що повинно вміститися в теплові та енергетичні обмеження, будуть дуже важливими. Найголовніше — це розмір. Ви не встановите бак на 100 галонів у Prius. Вам потрібен бак на 10 галонів. Я використовую цю аналогію щодо пам’яті. Ви можете керувати нею таким чином, щоб не використовувати величезний DRAM, але мати досить добру кеш-пам’ять та вбудовану SRAM. Вона завжди може зберігати ключові дані у DRAM, але при необхідності ви можете переміщати інші дані на флеш-пам’ять або SRAM. Щодо шляху пам’яті — від DRAM до SRAM, а потім до реальних обчислень і до справжнього фізичного AI — консистентність кешу буде дуже важливою.»
Між цими технологіями пам’яті існують значні компроміси. Вбудована SRAM і кеш-пам’ять забезпечують швидкий доступ до даних, які використовуються часто, але їхній обсяг обмежений площею та вартістю кремнію. Зовнішня DRAM надає більший обсяг, а флеш-пам’ять забезпечує незвичайне сховище для моделей, програмного забезпечення та інших даних, які не потрібно тримати в активній пам’яті.
Переміщення інформації між цими рівнями може зменшити частину вимог до ємності, але збільшить накладні витрати та затримки. В той же час, консистентність кешу стосується забезпечення збігу копій даних у кеші та пам’яті, а не лише переміщення інформації між різними технологіями зберігання, але це також призводить до додаткових витрат. Тому інженери, приймаючи рішення про те, скільки пам’яті розмістити на кожному рівні, повинні враховувати розмір робочого набору, локальність даних та частоту доступу.
Інновації в пам’яті автомобілів, ймовірно, відіграватимуть важливу роль у вирішенні фізичних проблем штучного інтелекту.
Роб Фішер, старший віце-президент з управління продуктами Imagination Technologies, сказав: «Зараз він дуже тісно пов’язаний з нашою автомобільною лінійкою продуктів, і ми бачимо, що більшість вимог з боку робототехніки походять безпосередньо з автомобільного сегменту. Зараз багато виробників автомобілів позиціонують свої чіпи як платформи як для автомобілів, так і для роботів, тому підтримка 4-, 6- та 8-бітних операцій дійсно корисна для вбудованих застосунків на краю щодо пропускної здатності пам’яті та її використання. Для центрів обробки даних це менш критично, але вплив інший. Ви можете запускати більші моделі в центрах обробки даних, використовуючи меншу ширину слова. А в автомобільних та робототехнічних застосунках ви можете використовувати це навпаки — зменшуючи обсяг пам’яті. Ви обмежуєте модель лише тим, що вам потрібно, щоб зменшити пам’ять та пропускну здатність, необхідні для її розміщення».
Менша точність зменшує вимоги до зберігання моделі та пропускної здатності пам’яті, що робить її особливо привабливою для вбудованих AI. Однак її переваги залежать від того, чи може акселератор ефективно підтримувати обраний числовий формат, чи зберігає квантування необхідну точність для застосунку. Формати, такі як 6-бітне представлення, можуть вводити накладні витрати на упаковку чи реалізацію, що обмежує переваги на апаратному забезпеченні, не розробленому спеціально для них.
Флеш-пам’ять також відіграє ключову роль у керуванні пам’яттю автономних систем.
Соуса сказав: «DRAM обмежений за ємністю, споживанням енергії та доступністю. Більш швидка пропускна здатність пам’яті скорочує час завантаження, тому той самий бюджет на DRAM може підтримувати більші моделі. Ці системи постійно працюють від батареї та зазвичай не мають активного охолодження, тому кожна передача даних споживає електроенергію та збільшує затримку, тому кожен компонент — механічний, електронний та програмний — повинен зменшувати споживання енергії та підвищувати ефективність. Інтерфейси MIPI, UFS, LPDDR, PCIe мають вбудовані технології, які забезпечують швидку передачу пакетних даних, а потім переключаються на тривалий режим низького споживання енергії.»
Швидші незмінні запам’ятовуючі пристрої можуть скоротити затримку завантаження моделі та дозволити системам з обмеженою кількістю DRAM виконувати завантаження, що перевищує доступну активну пам’ять, за умови застосування відповідних технологій розподілу моделі або потокового передавання ваг. Однак сама пропускна здатність запам’ятовуючого пристрою не збільшує кількість даних, які можуть бути розміщені в DRAM у будь-який момент часу.
Інтерфейси для передачі цих даних також відрізняються за механізмами управління живленням та робочими характеристиками. Їх ефективність залежить від конкретних специфікацій, реалізації, режиму передачі та можливості переходу в стан низького споживання енергії.
Якщо ринковий обсяг достатньо великий, потреба в пам’яті фізичного ІІ може в кінцевому підсумку довести необхідність розробки нових технологій пам’яті або їхніх варіантів.
Стівен Ву, відмінний інженер і відмінний винахідник Rambus, сказав: «Пам’ять — це ключова технологія, яка знадобиться всім фізичним ІІ. Різниця полягає в тому, що деякі ринки будуть використовувати лише існуючу пам’ять, але також існує ймовірність, що деякі ринки стануть настільки великими, що вимагатимуть власного типу пам’яті або певної модифікації існуючої. Ми це бачимо на прикладі HBM. Люди спочатку використовували інші типи пам’яті, а потім ринок раптово збільшився. Якщо повернутися до часів до появи LPDDR, телефони використовували лише DDR-чипи, відібрані за низьким споживанням енергії. Коли ринок досягав певного розміру, люди говорили: «Гаразд, давайте створимо спеціальний чип». Фізичний ІІ може зростати до достатньо великого ринку, і якщо розбіжності у вимогах будуть достатньо великими, може з’явитися ще один тип пам’яті.»
Чи відбудеться така спеціалізація, залежить від масштабу та стабільності попиту. У відмінність від центрів обробки даних, застосунки фізичного ІІ вимагають різних параметрів щодо витрат, ємності, довговічності, пропускної здатності, температури та енергоефективності. Ця різноманітність може зробити деякі ринки більш схильними до модернізації існуючих технологій пам’яті, тоді як інші ринки краще підходять для спеціально розроблених рішень.
Перевірка крайніх випадків
Забезпечення роботи системи в безпечних умовах, включаючи рідкісні та несподівані ситуації, є ще однією великою викликом. Зі зростанням кількості розробників фізичного ІІ, які звертаються до важкої техніки, медичного обладнання та інших ключових технологій безпеки, вирішення питань верифікації набуває особливої важливості.
Баласубраманіан сказав: «Перш ніж впроваджувати фізичний ІІ в будь-яке виробниче середовище, критично важливо створити замкнений цикл перевірки — це, на мою думку, найважливіша річ, яку нам потрібно зробити. Наприклад, що робити, якщо відбувається масштабне вимкнення електроенергії, землетрус, перериваються оптичні кабелі зовнішнього світу або відбувається відключення електроживлення? Як ви керуєте такими сценаріями на краю? Дуже важливо зберігати певні обчислювальні ресурси, пам’ять та інтелект біля сенсорів, і люди досягають цього, визначаючи, що є найважливішим для їхнього випадку використання. У промисловому середовищі: коли мені потрібно зупинити збіркову лінію? Коли мені потрібно знати, що треба зателефонувати назад, увімкнути тривогу чи зробити щось інше? Це все — завдання, які потрібно вирішувати всередині окремого сенсора».
Ці сценарії показують, що функції, критичні для безпеки, не завжди можуть полагоджуватися на постійне підключення до хмари або централизоване прийняття рішень. Локальна обробка може бути необхідною для виявлення відмов, запуску захисних дій або переведення пристрою в визначене безпечне стан у разі відмови систем зв’язку або живлення.
Але перевірка та підтвердження вирішують різні частини проблеми. Перевірка використовується для підтвердження того, чи відповідає дизайн встановленим вимогам, тоді як підтвердження перевіряє, чи підходить система до свого передбачуваного середовища роботи. Безпека також може вимагати аналізу небезпек, тестування з введенням несправностей, оцінки спільних причин відмов та доказів відповідності застосовним стандартам.
Тому система повинна будувати та перевіряти довіру навколо відповідного апаратного та програмного стеку, забезпечуючи відповідність вимог безпеки кожному випадку використання.
Співзасновник стартапу ATDev Оуен Кент сказав: «Коли ми розробляємо продукти для інвалідних візків, як і з будь-яким фізичним застосунком ШІ, у нас є специфічні вимоги. Ви повинні дійсно вивести це обладнання на межу в межах системи управління якістю та сторонніх випробувань на електромагнітну сумісність. Незалежно від того, яке обладнання ви використовуєте — чи воно спеціально розроблене, чи ні — ви повинні здати перевірку безпеки».
Для розробників це означає, що потрібно не лише оцінювати, чи працюють компоненти нормально в звичайних умовах, а й оцінювати, як поведе себе вся система при деградації датчиків, переривах зв’язку, неочікуваних вхідних даних та інших передбачуваних небезпеках. У багатьох застосунках проходження тестування на рівні компонентів є необхідною умовою, але цього саме по собі недостатньо для підтвердження безпеки на рівні системи.
Висновок
Фізичні обмеження ШІ пронизують увесь шлях від сприйняття до дії. Розробникам потрібно підбирати моделі та апаратне забезпечення під завдання, переміщувати дані в межах доступного енергоспоживання та теплового бюджету та перевіряти поведінку машини при зміні умов або з’єднань. Збільшення обчислювальних потужностей дійсно корисне лише тоді, коли інші частини системи здатні їх підтримати.
Баласубраманіан сказав: «Починайте зі стандартного, низькопотужного та перевіреного інтерфейсу, що охоплює весь шлях — від датчиків до процесорів та виконавчих пристроїв. Вони надають розробникам передбачувану поведінку, взаємодію в екосистемі та побудовані на підтверджених сіліконових блоках».
Прикладом цього є MIPI Camera Security Framework, який поєднує специфікацію Camera Service Extensions (CSE) 2.0 з додатковими безпековими специфікаціями. CSE 2.0 підтримує захист цілісності даних для даних камер CSI-2 та опціональне шифрування; більш широкий фреймворк забезпечує аутентифікацію компонентів імідж-системи та безпечне встановлення сесій.
Він сказав: «Він забезпечує криптографічну захисту даних камери від сенсора зображення до SoC, забезпечуючи цілісність, аутентифікацію та конфіденційність. Він також надає дизайнерам гнучкі опції для мінімізації обчислювальних витрат, навантаження на трафік, споживання енергії та затримки, що дозволяє адаптувати безпеку під конкретний застосунок, а не проектувати її для найгіршого випадку».
Ця різниця важлива, оскільки конфіденційність є необов’язковою, а рівень захисту залежить від реалізованих служб безпеки та конфігурації. Більш широкий фреймворк дозволяє розробникам досягати балансу між захистом та витратами на обробку, споживанням енергії та затримкою, а не накладати однаковий захист на кожен потік даних.
Бути потужнішими недостатньо. Вони також повинні надійно працювати в межах реальних обмежень. Для фізичного ІІ архітектурні рішення, що дозволяють економити пам’ять, енергію та пропускну здатність, повинні також забезпечувати передбачувану поведінку, стійкість та безпеку, необхідну для масштабного розгортання.
Розширення для переміщення даних для фізичного ІІ: немає одного рішення, що підходить для всіх сценаріїв.
Перевизначення ролей крайових та хмарних AI: розгортається конкуренція локального інтелекту.
Брендан Хеффернан
