9月28日，AMD宣布与李飞飞创办的World Labs达成最终协议，拟以约82亿美元的全股票交易收购后者。交易仍需监管批准，预计于今年底前完成。World Labs聚焦空间智能、世界模型等方向，交易完成后，李飞飞将加入AMD担任执行副总裁兼首席科学家。

一家以CPU、GPU见长的芯片公司，开始把模型研究团队装进自己的技术版图。

另一边，格罗方德也在向晶圆制造之外延伸。2025年8月，其完成对MIPS的收购；今年6月，又收下Synopsys旗下ARC Processor IP业务。RISC-V处理器IP、软件工具、定制设计和制造，被放进同一套“software-to-silicon”体系。

AMD从芯片走向模型，格罗方德从制造走向IP和软件。方向不同，却共同指向一个变化：AI正在从数字世界走进物理世界。

汽车要自己判断道路，机器人要伸手抓东西，工业设备要根据环境实时调整动作。AI一旦真正开始“动手”，过去泾渭分明的芯片产业，也很难再按原来的方式分工。

一颗大芯片，装不下Physical AI

要理解这种变化，先得看Physical AI到底给芯片出了什么新题。

MIPS CEO Sameer Wasson把Physical AI描述成一个“感知、推理、执行、通信”的闭环：传感器看到真实世界，处理器完成理解和推理，再由控制系统把结果变成电机、方向盘或者机械关节的动作，各节点之间还要持续通信。

最容易产生的误解，是把AI升级理解成换一颗更大的GPU或者NPU。

Wasson给出的判断恰恰相反。大型集中式处理器会继续存在，但大量低功耗智能也会散布在传感器、MCU、执行器和通信节点，集中计算与分布式智能长期并存。

汽车已经提前演了一遍。

过去几年，电子电气架构不断从分布式ECU转向域控、中央计算和区域控制，但雷达、摄像头、高速通信、电源管理、安全MCU并没有因此消失。

格罗方德全球高级副总裁Faisal Saleem透露，过去五年间，格罗方德芯片覆盖的汽车数量大约维持在900万台这一量级，变化不大，但每辆车搭载的芯片数量仍在增加。

机器人把这种分层体现得更彻底。

大模型可以理解“把杯子拿过来”，但几十个关节的电机闭环、力控、平衡和碰撞检测，不可能等大模型慢慢思考。一个负责高层任务，一个负责毫秒级动作，本来就不是同一种工作负载。

这也是MIPS反复强调“workload-native（工作负载原生）”的原因。面对Physical AI，它没有试图用一种处理器包办所有任务，而是把计算需求拆成AI推理、实时响应和安全关键计算几类。另一边，大算力竞赛并没有停--其NPX6 AI加速器标称算力已经达到3500 TOPS。

这两件事放在一起看，反而更有意思。

算力竞赛没有结束，只是到了Physical AI，算力越来越像入场券，而不是答案本身。

变化甚至一路传到了供电。Faisal在回答盖世汽车关于48V架构的问题时判断，随着中央CPU、ADAS和区域控制器功耗增加，汽车从12V向48V演进“不可避免、势在必行”，只是转换仍需要时间。

当AI真正开始控制现实世界，比做出一颗更强的芯片更难的，是把整套系统跑起来。

系统越来越复杂，芯片公司开始往外走

系统问题变多，供应商自然不甘心只卖其中一小块。

近日的MIPS媒体沟通会上，Sameer Wasson明确表示，公司希望从IP供应商转向全栈技术解决方案提供商，并把定制芯片作为未来业务的重要一环。

更值得注意的是他后面那句话：IP授权仍然是MIPS的核心业务，但未来很大一部分新增市场和新增收入，会来自芯片制造以及流片后的客户交付。

商业逻辑并不复杂。

卖一个IP，赚的是产业链中的一段钱；继续做到软件、定制设计甚至最终芯片交付，就能进入客户更长的开发流程。

按MIPS自身口径，目前其是全球第一大RISC-V IP供应商、全球第二大处理器IP供应商，仅次于Arm；其相关技术对应的芯片年出货规模约35亿颗，其中超过2亿颗采用相同微架构的芯片已经进入ADAS。客户超过500家，全球12大汽车制造商中有9家、全球前5大机器人与工业自动化厂商均在其客户名单中。

所以MIPS现在想改变的，不只是产品目录，而是自己在一套系统里参与到多深。

格罗方德收购MIPS和ARC也是同一条逻辑。它原本更靠近制造端，如今把处理器IP、软件工具和定制芯片能力纳入体系；AMD则从另一头，把世界模型和空间智能研究拉进芯片公司。

不是芯片企业突然都想做“全栈”，而是客户的问题已经不再停留在一颗芯片里。

技术复杂度把企业推向上下游，新的收入空间则让这件事更值得去做。

汽车和机器人，开始互相“借技术”

企业在纵向延伸，技术也在横向流动。

9月8日，小鹏机器人自动化生产线正式启用，IRON完成自动化总装后自主走下产线。据小鹏官方信息，IRON全身拥有76个自由度，搭载3颗图灵AI芯片，有效算力2250 TOPS；汽车业务积累的质量体系和制造能力，也被带进机器人生产线。

这是典型的内部复用。汽车、AI芯片、模型和机器人都在一个企业体系里，已经投入汽车的技术和制造基础，可以继续摊到机器人上。

独立机器人企业走的则是另一条路。

优必选现阶段仍借助成熟计算生态，但今年6月已经与沐曦等企业共同成立曦选创智，注册资本1亿元，开始布局具身智能端侧专用芯片，计划2027年下半年流片、2028年量产。

先用成熟平台把产品做出来，等工作负载、成本和规模逐渐清楚，再反过来参与芯片定义，这同样是一条路。

另一头，汽车芯片公司也在往机器人走。

芯驰科技已经形成R1“大脑”、D9“智控小脑”和E3-R执行控制MCU的机器人芯片组合。其官网显示，D9-Max已在头部人形机器人厂商实现量产。

芯驰科技副总裁张曦桐9月在服贸会上表示，在芯驰看来，车规芯片企业进入机器人领域，“70%-80%的能力可以复用”。但从它自己的产品变化也能看到，复用并不是搬家：到了关节、灵巧手和运动控制，仍然要围绕新的工作负载重新设计。

安全能力也在迁移。今年6月，NVIDIA推出Halos for Robotics，把此前在自动驾驶领域积累的Halos安全体系继续延伸到人形和工业机器人。Agility Robotics成为首家与NVIDIA合作、把其中部分能力纳入自身机器人安全系统的企业。

小鹏从汽车把芯片和制造带进机器人，优必选从机器人向上游参与定义芯片，芯驰把车规能力重新做成机器人产品，NVIDIA则把汽车安全体系继续往机器人延伸。

技术可以跨行业复用，整机却不能照搬。

底层能力越来越像一套公共积木，但每到一个新的终端，还得重新拼一遍。

全栈有边界，开放也有成本

如果故事只写到这里，很容易得出一个结论：以后所有公司都会越来越“全”。

现实没有这么简单。

供应商先要面对自己的能力边界。

2018年，格罗方德暂停7nm FinFET开发，把资源进一步转向FDX、RF、模拟混合信号等差异化工艺。今天收购MIPS和ARC，是沿着自身优势向IP、软件和定制设计延伸，而不是重新回到所有先进逻辑节点的竞争。

客户也不会天然接受一个越来越封闭的平台。

今年1月，VDA与Eclipse推动的汽车开源合作扩大到32家公司，希望建立开放、可互操作的软件基础；5月，Automotive Grade Linux推出SoDeV参考平台，核心目标之一就是让软件开发尽量摆脱对具体硬件平台的绑定。

这与芯片企业的全栈扩张形成了直接张力。

供应商希望把IP、芯片、Runtime、工具链甚至模型接得更紧，这样可以减少适配、缩短开发周期，也能获得更多收入。

终端企业看到的却是另一面：如果芯片、编译器、中间件和安全体系全部绑在一起，下一次更换供应商，可能就不是“换一颗芯片”，而是重新做一遍软件和验证。

完整方案是效率，封闭生态是代价。

RISC-V把这组矛盾摆得更直接。

MIPS CTO Yankin Tanurhan提醒道，如果统一标准还没有形成，就提前做大量私有扩展，等正式标准落定后，企业可能不得不返工、重新适配。

但RISC-V进入汽车已经不再停留在讨论阶段。作为汽车MCU龙头，英飞凌已经宣布将在AURIX体系中推出RISC-V产品族；由博世、英飞凌、Nordic、恩智浦、高通和意法半导体共同成立的Quintauris，也在推进面向车规实时计算的RISC-V参考架构，MIPS已经与其展开合作。

中国汽车产业也开始补标准这一课。据了解，首个汽车领域RISC-V行业标准已经启动编制，数十家企业参与其中。

过去的问题是RISC-V“能不能上车”，现在更现实的问题变成了：不同企业能不能按照同一套规则上车。

开放不是没有标准。恰恰相反，越开放的生态，越需要一套大家都愿意遵守的标准。

机器人真正进入大规模量产之后，同样绕不开这一关。

今天用成熟平台，可以最快把机器做出来；明天出货量上升，功耗、BOM成本、实时控制和算法负载都会逼着企业重新计算：哪些东西继续买，哪些值得联合定义，哪些一定要握在自己手里。

Physical AI没有让传统产业分工失效，却在迫使每家公司重新寻找自己的位置。

有人从制造走向IP，有人从芯片进入模型，有人把汽车技术带进机器人，也有人从机器人反过来参与芯片定义。与此同时，标准、开源和多供应商体系，又在不断给这种扩张划出新的边界。

平台越完整，客户越要问清楚退出机制。

Physical AI正在重新划分芯片产业的边界。

下一阶段真正值得看的，未必是谁能把整条产业链全部做完。

而是--谁有能力决定，这条产业链下一次在哪里分工。