日前，作為格羅方德旗下公司，MIPS正式宣布與德國Inova Semiconductors企業達成合作，共同打造面向先進人形機器人與物理AI邊緣平臺的機器人控制參考平臺。該平臺依托Inova Semiconductors在汽車區域架構（zonal architecture）的深厚技術積累，支持實時控制回路與安全AI工作負載，并采用格羅方德FDX工藝制造，兼具高品質、領先性能與超低功耗特性，不僅大幅簡化機器人系統設計，更有效降低物料清單（BOM）成本。
數據顯示，2025年中國人形機器人整機企業已超140家，人形機器人產品突破330款。從僅能在線思考的AI軟件，到具備執行、決策能力的實體機器人，AI正從屏幕走向物理世界，通過感知、思考、決策到執行的全流程閉環，真正實現與現實世界的深度交互，這也標志著物理AI（Physical AI）時代的正式到來。
與數據中心需要具備大規模推理能力不同，物理 AI 的發展必須基于微秒級的延遲控制和晶圓面積的高效利用，更側重實時性、確定性和安全性，而非萬億次浮點運算能力。但現有工具仍存在諸多技術短板的現狀，工程師目前可用的大部分硬件在設計之初并未考慮物理AI的核心需求。
現有工具的局限性
延遲與擁塞問題：數據平面流量需經過多個通用計算核心和互連架構，每一個環節都會帶來不可預測的延遲；
通用IP目錄的局限性：商用核心對所有工作負載一視同仁，限制了產品差異化，OEM面臨性能同質化的挑戰；
開發周期碎片化：硬件與軟件的迭代節奏相互獨立，導致高昂的改版重流（Re-spins）成本和認證延誤；
原型開發的阻力：FPGA和定制專用集成電路（ASIC）的原型開發往往需要數月時間，阻隔了模型與市場之間的反饋閉環。
上述局限最終使得設計師的仿真結果，與實際制造的硬件性能相去甚遠，這種滯后性導致物理AI的性能大打折扣，甚至完全失效。
MIPS提供的晶圓廠級RISC-V方案，有何核心價值？
解決上述問題，僅憑優秀的IP設計遠遠不夠，更需要一套將設計、建模、制造整合為一體的、持續驗證的端到端落地模式。MIPS與母公司格羅方德打造的晶圓廠級 RISC-V方案，正是該模式的核心實踐與典范。
開放標準保障靈活性：RISC-V指令集與行業標準協議，使客戶擺脫了轉有架構的束縛，避免被鎖定；
晶體管級協同優化：依托格羅方德晶體管級協同優化能力，實現了純IP供應商無法企及的安全性、功耗和良率調優；
月度流片加速驗證：月度流片將驗證周期從多個季度縮短至數周，大幅縮小原型開發的時間差距；
Atlas Explorer構建數字前端：Atlas Explorer作為該工作流的數字前端，打造了一套虛擬環境，可在芯片制造前完成工作負載的建模、性能分析和壓力測試，其輸出結果可直接對接格羅方德實驗室，用于在真實晶圓上快速驗證。
制造自由：客戶能夠跳出這種迭代開發模式，選擇全球任意制造商進行量產。
這不僅意味著仿真速度的提升，更是一套打通設計、建模、晶圓廠的閉環路徑，打破了創意、模型與實際器件之間的壁壘，最終實現芯片性能與仿真預測高度一致，這對于無法承受不確定性的安全關鍵型市場而言是不可或缺的核心要素。
MIPS：瞄準物理AI的領先RISC-V IP提供商
不同于側重大語言模型基準測試的CPU、GPU供應商，MIPS瞄準的是物理AI的連接基礎設施，即負責協調傳感器、加速器（加速卡）和執行器的數據移動與事件驅動子系統。存儲控制器、數據處理器（DPU）、汽車網關、工業機器人均依賴這套編排架構。通過專精于確定性吞吐量和實時響應能力，MIPS填補了高層AI計算與底層機械控制之間的空白——正是在這個空白地帶，延遲往往會轉化為安全隱患。
STAC 框架：MIPS面向物理AI的設計語言
云端AI的核心是訓練與推理，而物理AI的核心是交互，需要在現實世界中持續完成感知、推理、響應和反饋。
此前的自主系統框架，僅止步于感知→思考→執行。MIPS通過新增通信環節，對傳統框架進行升級，構建了一個專為實時、事件驅動計算優化的閉環反饋系統。這四個環節共同構成STAC框架，成為MIPS物理AI戰略的核心組織原則。STAC不僅是一套概念模型，更是一套工程規范。它定義了信息如何在智能機器中流轉，以及芯片、軟件、安全機制如何相互聯鎖，從而確保數據流的確定性，每個環節對應著獨特的計算需求，同時也對應著MIPS Atlas RISC-V IP產品組合中的特定系列。
MIPS Atlas RISC-V IP產品組合支持實時、事件驅動的計算，可用于感知、思考、行動和通信 (Sense, Think, Act, Communication; STAC) 閉環，應用于機器人、交通運輸、嵌入式計算以及現實世界中的其它 AI 應用。
感知（Sense）：將物理世界轉化為數字數據
物理AI依賴來自于攝像頭、雷達、激光雷達、網絡接口在內的數據流，正是這些設備將物理世界轉化為數字形式。這些信號必須在靠近源頭的地方進行采集和預處理，而且通常是在嚴格的散熱和功耗限制下完成的。
MIPS P8700架構專為感知環節而設計，其嵌入式應用處理器針對數據傳輸效率優化，而非單純追求時鐘頻率。它們能夠處理并發的傳感器數據輸入，管理本地存儲層級，并運行用于降噪和信號融合的輕量級 AI 模型—所有操作均實現實時性
對于汽車和工業領域的客戶而言，這意味著傳感器數據可保持連貫性并附帶時間戳，直接傳遞至決策層；對于網絡系統而言，這意味著數據包可在擁塞形成前便完成優先級排序。
MIPS P8700的核心設計重點包括：
針對高速率傳感器流量的多線程技術和低延遲I/O；
防止單一故障擴散的集成式安全機制；
適應以數十年為周期的嵌入式市場的長生命周期支持。
思考（Think）：將數據轉化為決策
數據采集完成后，需要進行解讀分析。思考環節是推理發生的地方，需要通過數據得出推論、建立關聯、預測軌跡。與云端推理不同，嵌入式設備的思考必須是快速的，例如，汽車剎車系統或機械臂無法等待數據幀的延遲。
MIPS S8200推理引擎在邊緣端融合了AI計算與傳統計算，核心亮點包括：
異構工作負載：控制邏輯、神經推理和信號處理并行處理；
與感知環節深度整合：預處理后的數據流可直接進入決策閉環；
軟硬件協同設計：允許AI庫與實時操作系統共享同一個安全域。
借助RISC-V的可擴展性，MIPS S8200在支持定制化向量擴展和機器學習擴展的同時，無需舍棄標準工具鏈。它提供本地化、高能效的推理，更重視結果的正確性和低延遲，而非原始的計算規模。
執行（Action）：將決策結果轉化為物理動作
執行環節需要將決策意圖轉化為物理行為，比如電機轉動、控制面調整、閥門調節、網絡路徑切換。該環節對于低延遲有著嚴苛要求，因為一個延遲的信號則有可能導致系統不穩定，甚至引發安全事故。
MIPS M8500實時控制器專為確定性控制和功能安全設計，整合了精準的中斷處理、經過安全認證的微控制器核心，并可根據ISO 26262功能安全標準要求，實現冗余鎖步（Lock-step）運行。MIPS M8500 的核心能力包括：
微秒級的周期精準響應
支持持續自檢測的內置診斷邏輯
直接在設計階段就植入 RTL（寄存器傳輸級）中的可配置安全等級（從 ASIL-B 至 ASIL-D）
對于工業機器人而言，這意味著更流暢的運動軌跡和更低的抖動；對于電動汽車而言，這確保了扭矩的穩定性以及電池管理系統的安全性。對于航空航天而言，它能確保分布在各個節點上的執行器與傳感器保持同步。
通信（Communicate）：形成閉環
動作執行之后，信息必須回傳，以確認執行結果、更新模型、實現跨節點協同。在分布式AI系統中，這種通信占據了總工作負載的主導地位。數據必須在處理器、加速器、存儲器之間以極低的延遲持續傳輸。
MIPS I8500架構是通信環節的核心載體，專為數據傳輸和數據包編排而打造的多線程RISC-V引擎，它不直接處理數據載荷（Payload），而是負責數據調度—— 管理隊列、路由流量、執行質量管控。每個硬件線程都作為獨立的運行上下文，讓單個核心可同時管理多個數據流，且無需增加芯片面積。
其獨特優勢包括：
憑借每平方毫米的高吞吐量，實現高密度性能；
與功耗成比例的效率，可隨工作負載動態擴展；
可編程流水線，客戶可針對特定的網絡協議或控制協議進行定制；
支持Linux、實時操作系統（RTOS）或裸機環境的開放標準可編程性。
這一層級也充分體現了晶圓廠級的反饋閉環：通過Atlas Explorer，工程師可以對多線程工作負載進行建模；而格羅方德月度定期流片服務，則能將這些模型轉化為經過驗證的硅片。
軟件與工具：“軟件優先”的Atlas Explorer平臺
長期以來，半導體IP遵循的模式是先集成IP，再進行流片，這種“硬件優先”的模式并不適用于 AI 驅動的復雜系統。
借助 Atlas Explorer 平臺，硬件和軟件團隊在流片前可以對每個階段都進行協同仿真，從而確保延遲、安全性和性能指標在各技術領域均保持一致。這種閉環設計使得物理AI系統具備了自適應性、安全性和可驗證性，這也正是 MIPS 內部用于設計和測試其RISC-V IP的同套架構。
以往架構追求通用性，MIPS的STAC框架則擁抱專業化與協同化。在物理 AI 領域，成功的關鍵不在于單顆芯片包攬一切功能，而在于每一層級都能實時協同工作。
