40毫秒生死關鍵！NXP Rafael：人形機器人必須把AI放進身體，而不是等待雲端思考 | 魏鑫陽

人形機器人成為COMPUTEX 2026最受矚目的科技關鍵字之一，但恩智浦半導體（NXP Semiconductors）總裁暨執行長Rafael Sotomayor今（3）日指出，若要讓人形機器人真正走入倉儲、工廠、醫療與日常場域，關鍵並不是只把AI模型做得更大，而是讓機器能在毫秒之間完成反射動作。他強調，人形機器人不能等待雲端模型回應，AI必須進入身體、關節、手腳與最靠近動作發生的地方。

Rafael在COMPUTEX主題演講中表示，實體AI要真正進入現實世界，必須理解一件事：移動不等於理解，能做出動作也不代表知道為什麼要這樣做。對人形機器人而言，下一階段的挑戰不只是看得見世界，而是理解世界如何運作，並在極短時間內做出安全且正確的行動。

倉儲機器人被撞一下，40毫秒內就要恢復平衡

Rafael以倉儲人形機器人搬運易碎物品為例說明，假設一台機器人正在倉庫中搬運高價且易碎的包裹，途中有人不慎掉落棧板，碰撞到機器人，使其失去部分平衡。此時機器人必須立刻恢復姿態，同時確認手中包裹仍然安全、調整抓握力、重新判斷自身位置，並繼續向前行走。

這一連串動作不能等待雲端回應，也不能等大型模型慢慢運算。Rafael強調，這些反應必須在約40毫秒內完成，「No cloud calls. No waiting for the model to respond.」也就是不能呼叫雲端，也不能等待模型回覆。

這正是NXP提出Neural Axis Architecture的原因。Rafael認為，實體AI必須仿照人體神經系統，讓不同層級的智慧各自負責不同任務。高階推理可以負責規劃與決策，但即時反射必須放在身體末端，由關節、馬達控制器、感測器與邊緣處理器直接完成。

人形機器人不能只有「頭腦」，還要有身體裡的智慧

Rafael表示，今天許多人談人形機器人時，往往把焦點放在大模型、推理能力與雲端AI，但他認為，如果Neural Axis架構足以支撐生命，也足以成為人形機器人的設計藍圖。

以人體類比，人形機器人的推理層就像大腦，負責理解任務、規劃路徑與做出高階決策；協調層就像小腦，負責姿態、步態、平衡與動作協調；反射層則像脊髓，分散在手、腳、關節與致動器等節點，負責即時反應。

這代表人形機器人不能所有動作都回到中央處理器或雲端模型等待指令。當腳踩到不穩地面、手中物品滑動、身體被外力碰撞，末端節點就必須立刻判斷並採取行動。Rafael形容，這些節點必須「own the moment」，也就是在當下直接掌握決策權，確保機器人不會失衡、不會摔落物品，也不會造成危險。

看得見不等於理解，機器人還要懂物理世界

不過Rafael也提醒，動作與理解仍是兩件不同的事。即使機器人可以做出完美反射，也不代表它真正理解世界。他指出，機器人現在已經「看得非常好」，能辨識瓶子、讀取標籤，甚至知道瓶中有液體，但這不等於它理解手中的物體。

他以牛奶瓶為例說明，機器人或許可以辨識那是一個裝著液體的瓶子，卻未必知道瓶子太滿時會溢出，也未必理解慣性、摩擦力與重力如何影響倒出液體的方式。如果不知道慣性，就難以估算力量；如果不理解摩擦力，就難以預測液體會如何流動。

因此，實體AI不只需要感知能力，更需要一座連結感知與理解的橋梁。Rafael表示，感知告訴機器「眼前有什麼」，但世界模型則讓機器知道「當我與這個物體互動時，接下來會發生什麼」。

World Model與VLA成為機器人下一戰

Rafael指出，過去訓練機器人往往仰賴人工示範與反覆模仿，人類教機器人如何抓取、如何移動，機器人再透過試錯調整。這種方法雖然有效，但速度慢、成本高，也難以大規模部署。

因此，World Model開始成為實體AI發展的重要方向。透過世界模型，機器人能夠在沒有親自經歷每一種情境的情況下，預測不同動作可能造成的結果。Rafael形容，這就像是把知識與經驗注入機器人，使其不必每一次都透過實體試錯來學習。

在這個過程中，VLA也成為關鍵。VLA指的是Vision-Language-Action Model，也就是視覺－語言－行動模型。Rafael表示，VLA是機器人看見什麼、聽到什麼指令，以及如何採取動作之間的橋梁，也是目前學界與產業界最受關注的研究領域之一。

相較於大型語言模型主要處理文字與語意，VLA必須進一步連接真實世界的感知與動作。它不只要理解「請把牛奶倒進杯子」這句話，還要知道杯子在哪裡、牛奶瓶有多重、應該用多大力道拿起、傾倒角度如何控制，以及如何避免液體灑出。

把雲端模型帶到邊緣，是NXP的切入點

Rafael也指出，VLA與World Model多半先在雲端或研究環境中訓練，但人形機器人真正運作時，卻是在受限的邊緣環境中，包括有限電力、記憶體、運算能力與嚴格延遲要求。他直言，一個只存在於研究筆記本中的VLA模型，對倉庫裡的機器人並沒有太大幫助。

NXP的切入點，就是將這些模型帶到真實處理器與邊緣硬體中。Rafael介紹，NXP透過eIQ Toolkit等軟體工具，協助開發者將模型匯入、量化、剪枝並編譯，針對特定硬體與特定應用場景進行調校，降低實體AI部署門檻。

換言之，NXP希望解決的不是如何在雲端訓練最大模型，而是如何讓AI模型在車輛、工廠設備、無人機與機器人身上穩定運作。

AI競賽從會聊天，走向會移動、會理解、會行動

Rafael的演講凸顯，AI產業正從「生成答案」進入「執行任務」的新階段。過去生成式AI的焦點在於回答問題、產生文字與影像，但實體AI要面對的是更複雜的真實環境：地面可能不平、物體可能滑動、人類可能突然靠近，系統也可能遭遇不可預期的干擾。

在這樣的場景下，人形機器人不可能每一步都等待雲端思考，也不能把所有智慧集中在中央大腦。Rafael認為，真正能落地的機器人，必須把AI放進身體，讓智慧分散在身體、關節與末端控制節點之中。

這也代表，未來機器人產業競爭將不只看誰擁有更強大的模型，也要看誰能把模型、感測、控制、安全與低功耗邊緣運算整合在一起。對NXP來說，實體AI的關鍵不是讓機器看起來更聰明，而是讓機器在40毫秒內做出正確反應，並在真實世界中安全完成任務。