恩智浦入华四十年：与中国共定义的另一种答案

慕尼黑上海电子展那天一早，恩智浦的媒体沟通会选在展台还没热闹起来的时候，先讲了讲公司简史。

1953年飞利浦进入半导体行业，1949年摩托罗拉成立半导体实验室，1969年阿波罗11号登月时，那个把宇航员第一句话传回地球的收发器，出自摩托罗拉。两家公司在2016年合并，而恩智浦与中国的缘分，起点是1986年在上海设立办事处，到2026年正好四十年。

AI正在从云端下沉到物理世界，这场迁徙里，恩智浦要重新界定自己的坐标。它不再仅仅是一家外资芯片公司的中国分部，而是要把产品定义这件事，真正搬到中国。这个转变的份量，得先从物理AI的落地逻辑说起。

云端AI比谁更聪明，物理AI比谁更靠谱

恩智浦执行副总裁兼中国事业部总经理李晓鹤在演讲中说，如果云端AI比的是谁更聪明，那么物理AI比的是谁更靠谱。

恩智浦执行副总裁兼中国事业部总经理 李晓鹤

这句话的意思再直白不过了。用户对ChatGPT或豆包的容忍度很高，回复延迟100毫秒还是200毫秒，基本没差别；但如果是汽车刹车或机械臂的锁定机制出现10毫秒偏差，那就是不可接受的事故。物理AI要走进家庭、工厂和车里，就必须回答四个不可妥协的问题：低功耗、低延时、功能安全、信息安全。

这四点听上去像是行业常识，但对整个半导体行业而言，这意味着一次范式的分岔。过去几年，AI的主流叙事是算力堆叠：更大的模型、更多的TOPS、更集中的算力平台。恩智浦选择走另一条路，用李晓鹤的话说，不是比TOPS，而是比每瓦TOPS。这不只是算术单位的调换，背后是对智能形态的另一种设想。

他引用了1988年卡内基梅隆大学莫拉维克教授提出的悖论：机器人擅长下棋、证明定理、逻辑推理，但人类觉得毫不费力的接球、抓鸡蛋，机器人却做起来极其困难。目前业界解决这个悖论的主流路径，是继续堆算力、做大模型、集中处理。恩智浦的回答不太一样——解决问题不一定需要用香农定律，而是可以用达尔文定律。五亿年的自然演化早已给出过一个最优解，而这个最优解不是设计出来的，是淘汰出来的。

恩智浦把这套路径称作神经轴架构。这套架构的灵感来自脊椎动物的神经系统。人脑大约有160亿个神经元，功耗仅9瓦左右，负责规划、学习、决策，是种高复杂度、高创造性但带点随机性的概率系统；小脑有690亿个神经元，只消耗2瓦，负责协同和运动控制，是种高实时性、半确定性的机制；脊髓更轻量，只有6900万个神经元，功耗0.5瓦，负责最基本的反射式安全动作。手碰到火炉立刻收回，摔倒瞬间保持平衡，都是脊髓在本地处理，无需大脑批准。三层不同的智能，对应三种响应时间：大脑约300毫秒，小脑10到50毫秒，脊髓几十毫秒。整个神经系统只消耗约20瓦，就支撑起了一个每天燃烧2200大卡的复杂身体。

物理AI真正落地时的形态，其实是分布式的、分层的、协同的，而不是一个大脑独揽所有决策。这个观点听上去像是哲学，但对芯片架构选择的影响极其具体：中央大芯片、区域控制器、边缘节点、以及灵巧手上的I3C总线，需要按照不同任务的时序要求，形成一套完整的信号与算力分工。

四个案例，一次系统级答卷

恩智浦多年积累下来的产品线——从S32汽车处理器、i.MX应用处理器，到雷达前端、UWB、MRAM存储、BMS、连接与网络——正好可以在这个架构里各安其位。而慕展现场展示的几个案例，恰好能逐一对应到这套神经轴上。

第一个案例是理想L9的Livis。这是量产车，不是原型。它有一个业内讨论了很久的亮点：用UWB方案取代了传统的超声波雷达，实现自动泊车、数字车钥匙、儿童遗留监测和脚踢感应。恩智浦资深副总裁胡煜华在会上把这合作讲得很直白，这套UWB方案是理想、德赛西威和恩智浦三方共创的成果。恩智浦提供的不只是芯片，而是底层技术能力和系统级参与。

第二个案例是智能底盘。有人在车头放香槟塔，让车开过障碍物，酒液不洒出来。这可不是靠悬挂调校完成的表演，而是靠传感器实时检测路面、AI实时推理、实时回传、实时调节悬挂的一整套闭环。关键点在于，决策必须在毫秒级完成，不能等云端。

第三个案例是电池管理。目前有些车厂选择用云端来监控电池状态，但在物理AI的思路下，恩智浦更推荐本地实时控制器。它的S32K5是一款面向软件定义汽车和区域控制架构的高性能汽车MCU，可以在毫秒级监测电池状况，在故障出现之前即预警。对消费者来说，这是一个感受不到的功能；但对车厂来说，这是电池寿命和安全性的底盘。

第四个案例出现在机器人展区。基于LeRobot和i.MX 95的机械臂，完成了从感知到行动的闭环控制；基于I3C总线的灵巧手实现了高带宽低延时的精细动作；多模态大模型驱动的视频检索方案，则让机器看懂视频内容并支持语义查询。这些能力如果分开看，并不出奇；但连起来看，它对应的正是神经轴架构从大脑到脊髓的那条完整链条。

把这四个案例并置观察，你会发现它们本质上是同一件事的不同形态：分布式智能进入一个具体的物理任务。恩智浦想告诉外界的是，它不和大算力芯片正面竞争谁更聪明，而是想在物理世界的可靠性一侧，占据一个不可替代的位置。

四十年积累的另一种用法

如果说神经轴架构是恩智浦对物理AI的技术回答，那么它在中国的四十年，就决定了这个回答能不能顺利落地。

李晓鹤给出了一组数字：14个城市设有办事处，中国员工超过6000人，客户和合作伙伴超过6000家，6个大型研发中心，1600多名工程师，一座世界级封测厂。这些数字放在任何一家外资半导体公司身上，都是排在前列的体量。但恩智浦这次沟通会想强调的不是规模，而是本地化的层次。

过去人们说本地化，通常指销售、生产、售后服务这三件事。恩智浦这次给出的是另一种拆解：真正的本地化，是产品定义和底层研发能力扎根本土。如果只是把海外的产品搬到中国来生产，那不叫本地化。

他透露的一个动作值得留意：恩智浦近期把百余名具备16纳米先进汽车工艺开发能力的设计人员，专项划入中国事业部，用于面向中国市场的客户联合定义产品开发。“联合定义”这四个字，是这次沟通会真正的关键。这意味着中国客户不再只是产品的使用方，而是从架构、规格、工艺的最早期，就参与产品的形成过程。

一张需要慢慢兑现的路线图

时间表已经给了出来。恩智浦已与台积电南京、上海芯联集成、中芯国际在模拟和数字产品领域展开合作。首款联合设计开发的产品是下一代端节点MCU，计划2028年量产；高性能汽车处理器S32G2已在2026年量产，网络产品定于2027年量产；电气化领域的电池管理系统产品目前正在设计阶段，同样瞄准2028年。

这是一张需要慢慢往前推的路线图。半导体产品从定义到量产通常需要三到五年，恩智浦选择在四十周年这个节点把中国事业部的路线图公开，本身就是一种确认。它没有把中国放在后端市场，而是放在了产品源头。这背后不是应景的姿态，而是一个跨国公司在中国的重量分配发生了变化。

恩智浦执行副总裁兼中国事业部总经理 李晓鹤
恩智浦资深副总裁 胡煜华

胡煜华在回答媒体提问时，用了另一种话来谈这件事。她说恩智浦与客户的关系已经不只是芯片供应，而是共创方案。头部客户做深度战略合作、联合定义产品；工业和物联网这种长尾客户，则由恩智浦的系统团队每年根据市场趋势开发方案，让中小客户尽快上市。

恩智浦副总裁袁文博也指出，恩智浦在中国还有很大一部分工作，是帮客户出海。中国新能源汽车已经具备可观的出海体量，机器人、储能、工业自动化也在跟上。这类客户在海外市场会遭遇功能安全、信息安全和区域合规标准的门槛，恩智浦把过去几十年在欧美市场积累的合规能力和技术服务体系接进来，成为这批客户走向全球的通道。这就把“在中国、为全球”从一个口号，变成了一个具体的分工。

财务基本盘决定判断的确定性

从财务结构来看，恩智浦去年的营收里，汽车业务占57%，工业占18%。这两个板块加起来接近八成，是整个公司的基本盘。这个结构决定了它对物理AI的判断为什么不是投机性的。汽车和工业本来就在物理世界里，恩智浦不需要转身，只需要顺着这条线继续深耕。

有一个数字很值得留意。在全球工业类客户中使用AI加速的比例，去年是3%，今年已经涨到10%。仅用一年就翻了三倍多。李晓鹤的判断很简单：边缘侧AI在未来基本会是必选项。这个判断背后不是感觉，而是一线客户的采购动作正在实打实地兑现。

对应的动作也已经在发生。2025年恩智浦完成了三项收购：车载SerDes连接方案的A viva Links，边侧NPU公司Kinara，以及汽车电子电气架构安全中间件公司TTTech Auto。这三块能力，恰好对应神经轴架构里的三段任务：大脑侧的高带宽感知网络、边侧的AI推理、多域协同的确定性中间件。这可不是几笔独立的投资，而是同一张架构图上把缺口一个个补齐。恩智浦的一位管理层在会上讲得很直接，人形机器人的网络是非对称的，大脑收集信号可能需要10G带宽，而真正做行动控制时带宽差不多在1G。这种非对称网络能力，恰好和恩智浦车规级的高性能网络传输经验，可以无缝复用。

在生态层面，恩智浦已与超过40家设计合作伙伴、30家软件合作伙伴建立合作，通过全国大学生智能汽车竞赛累计触达超过45万高校学生。这些数字不会出现在财务报表里，但它们是本地化生态的毛细血管。生态是慢工，是需要用十几年时间才能培育出的一层土壤，而这层土壤，恰恰是外资半导体企业在中国最难复制、也最容易被低估的资产。

四十年之后，故事才刚刚展开

四十年是一个足够长的窗口，让人可以看清一件事：恩智浦在中国不再是一个跨国公司的分部，而是一个正在长出自己产品定义能力的独立单元。这句话如果放在十年前，可能只是市场部的宣传话术；但当16纳米汽车工艺的设计人员被专项划入，当2028年的联合定义MCU时间表被公开，当S32K系列、BMS产品开始在中国首发，这个说法就有了真实的重量。

当算力叙事把行业推向越来越集中的大芯片时，恩智浦选择相信一个反向的直觉：物理世界的智能，未必是靠一个大脑完成的。它可能是靠一整套分布式、分层、协同、可靠的系统组成的。而这套系统能不能真正走进汽车、机器人、工厂和家庭，取决于它离客户有多近。

慕展会场之外的行业语境里，中国的半导体产业正在经历一次深度重构。国产替代、供应链本地化、AI下沉，这三条线同时压过来。恩智浦选择的位置很清楚：不去和大算力芯片正面竞争，不把中国当作单纯的市场，而是要在物理AI落地这件事上，把自己变成中国客户绕不开的系统级伙伴。