🗾ITmedia AI+ (日本)•較早收集於 36m
Intel 推出用於機器人的 OpenVINO Physical AI Framework
💡利用此全新的開源框架，直接在 Intel 硬體上優化您的機器人 AI 推論效能。
⚡ 30-Second TL;DR
有什麼變化
OpenVINO Physical AI Framework 現已納入 Robotics AI Suite
為什麼重要
此更新降低了開發者在邊緣機器人硬體上部署高效能 AI 模型的門檻。透過利用現有的處理器生態系統，進一步鞏固了 Intel 在具身智慧（Embodied AI）市場的地位。
下一步行動
如果您正在開發邊緣機器人，請下載最新的 Robotics AI Suite，並使用新的 OpenVINO Physical AI Framework 對您目前的推論模型進行基準測試。
誰應關注：Developers & AI Engineers
關鍵要點
- •OpenVINO Physical AI Framework 現已納入 Robotics AI Suite
- •提供專為 Intel 硬體優化的推論執行環境
- •旨在簡化並解決機器人開發中的常見瓶頸
🧠 深度解析
Web-grounded analysis with 17 cited sources.
🔑 增強重點摘要
- •OpenVINO Physical AI Framework 於 Computex 2026 發表，旨在解決實驗室開發的機器人模型與實際工廠部署之間的「缺失環節」，以實現可擴展、低成本的邊緣機器人解決方案。
- •此框架利用視覺-語言-動作 (VLA) 模型，使機器人能夠感知物理環境、做出決策並自主執行動作，這與傳統僅產生數位輸出的 AI 不同。
- •該框架專為 Intel Core Ultra Series 3 處理器優化，這些處理器將 CPU、GPU 和 NPU 整合到單一系統單晶片 (SoC) 中，以同時處理即時控制和 AI 推論，從而減少元件數量並簡化軟體複雜性。
- •Intel Robotics AI Suite 是一個綜合性的機器人應用程式集合，包含 AI、函式庫、範例和基準測試工具，並提供自主移動機器人、固定式機器人視覺與控制以及人形機器人模仿學習等套件。
- •Intel 的 Series 3 處理器系列已獲得超過 130 個邊緣 AI 設計合作案，其中一個顯著案例是 SensoryAI Inc. 的多代理零售機器人「Ella」已遷移至 Intel 架構，將原本分散的 CPU 加獨立加速器配置整合到單一 Core Ultra Series 3 平台。
📊 競品分析▸ Show
| 特性/產品 | Intel OpenVINO Physical AI Framework (搭配 Core Ultra Series 3) | NVIDIA Isaac (Jetson AGX Orin / Thor T5000) | Hugging Face | Amazon SageMaker | TensorFlow |
|---|---|---|---|---|---|
| 主要應用 | 邊緣機器人、實體 AI 部署、VLA 模型推論 | 機器人開發與部署 (特定於 NVIDIA GPU) | AI 模型開發與共享、廣泛的深度學習任務 | 雲端機器學習開發、訓練與部署 | 廣泛的 AI 應用開發、訓練與部署 |
| 硬體優化 | Intel CPU、GPU (整合式與獨立)、NPU、FPGA、GNA | NVIDIA GPU (Jetson 系列) | 廣泛硬體支援，但通常需要額外優化 | 雲端基礎設施 (AWS) | 廣泛硬體支援，但通常需要額外優化 |
| 成本考量 | 較低系統成本 (例如，與 NVIDIA Thor 相比約一半) | 較高系統成本 (例如，NVIDIA Thor 約為 Intel 平台兩倍) | 初始設定成本較高 (因功能廣泛) | 預付設定成本 | 初始設定成本較高 |
| 部署環境 | 邊緣部署、資源優化、物聯網相容性 | 邊緣與資料中心 (特定於 NVIDIA 硬體) | 雲端與本地部署 | 雲端整合與可擴展性 (AWS 生態系統) | 靈活性高，可部署於多種環境 |
| 性能基準 | Core Ultra X7 358H 在中型 VLA 模型上與 Thor 性能具競爭力，在三攝像頭 Pi0.5 Droid 工作負載上延遲低於 AGX Orin | Jetson AGX Orin 和 Jetson Thor T5000 在 NVIDIA GPU 上提供優化性能 | 性能取決於模型和優化程度 | 雲端規模的訓練與推論性能 | 性能取決於模型和優化程度 |
| 生態系統 | 開放生態系統，與 ROS 2 整合，支援多種框架 | 專有生態系統，如 NVIDIA Isaac SDK | 龐大的模型庫和活躍的社群 | 整合 AWS 服務 | 龐大的社群支援和靈活性 |
🛠️ 技術深入
- OpenVINO 是一個開源軟體工具包，用於優化和部署深度學習模型，支援 PyTorch、TensorFlow、ONNX、Keras、PaddlePaddle 和 JAX/Flax 等流行模型格式。
- 其工作流程包括模型訓練（在 OpenVINO 外部）、模型優化（Model Optimizer 生成中間表示 - IR 檔案 .xml 和 .bin）以及推論引擎（使用 CPU、GPU、NPU、FPGA 和 Intel GNA 等插件讀取 IR 並進行推論）。
- OpenVINO Physical AI 專門用於在機器人上部署 VLA（視覺-語言-動作）模型，使機器能夠適應不斷變化的條件並自主操作。
- 該框架支援在多種 Intel 硬體上進行推論，包括 x86 和 ARM CPU、Intel 整合式和獨立 GPU 以及 Intel NPU。
- Robotics AI Suite 包含 Physical AI Studio，用於端到端的 VLA 工作流程，涵蓋機器人校準、數據收集和策略訓練（如 ACT、Pi0、SmolVLA），以支援模仿學習和強化學習。
- OpenVINO Runtime 支援 Linux、Windows 和 MacOS 作業系統，並提供 Python、C++ 和 C API，Node.js API 處於早期預覽階段。
- 關鍵技術特性包括推論優化、靈活的模型支援、廣泛的平台相容性、透過最小外部依賴實現輕量化部署以及增強的應用程式啟動時間。
- OpenVINO 2026.2 版本改進了大型模型（包括 LLM）的編譯時間，增強了分區穩定性，並提升了 Intel Core Ultra Series 2 處理器上 LLM 的第二個 token 性能穩定性。
- OpenVINO 2025.1 版本增加了加密 blob 格式支援，用於 OpenVINO GenAI 的安全模型部署，有助於降低部署期間智慧財產權被盜的風險。
🔮 前景展望AI analysis grounded in cited sources
機器人開發將加速並變得更具成本效益。
OpenVINO Physical AI Framework 旨在簡化部署並將即時控制與 AI 推論整合到單一晶片上，從而降低硬體複雜性和成本，加速從原型到生產的過程。
實體 AI 應用將在邊緣設備上更廣泛地採用。
該框架優化了 Intel 邊緣處理器，並解決了大規模部署實體 AI 的挑戰，這將促進機器人、自主車輛和工業機器等設備在邊緣環境中更廣泛地應用 AI。
Intel 將在機器人 AI 領域鞏固其作為 NVIDIA 替代方案的地位。
透過提供統一、開放且可擴展的軟體堆疊，並展示與 NVIDIA 解決方案在性能和成本上的競爭力，Intel 有望吸引更多尋求 x86 平台和整合式 NPU 的開發者和系統整合商。
⏳ 時間線
2018-05
OpenVINO 初始發布
2025-10
Intel 推出 Robotics AI Suite 預覽版，作為其 Open Edge Platform 的一部分
2026-01
Intel Core Ultra Series 3 處理器在 CES 2026 首次亮相
2026-04
OpenVINO 2026.1.0 穩定版發布
2026-06
Intel 在 Computex 2026 上發布 OpenVINO Physical AI Framework
📎 來源 (17)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ITmedia AI+ (日本) ↗