为什么软件架构成为Physical AI的新瓶颈

作者：QNX | 2026年6月11日 

QNX最新发布的架构基准报告调查了1000名全球机器人开发者，发现硬件已不再是主要约束

机器人领域正经历着前所未有的创新时代，这得益于Physical AI和机器学习能力的快速崛起。随着机器人越来越多地走出受控的工厂围笼，进入动态的人类环境，传统的开发范式正在发生转变。根据QNX最新发布的【深入了解机器人：架构基准报告】（该报告调查了1000名全球机器人开发者），硬件已不再是主要约束。如今，软件已占据主导地位：近三分之一的开发者（27%）将软件架构与集成列为最大的性能瓶颈，而仅有16%的开发者认为是硬件限制。

以下是核心发现及其对机器人工程未来的意义。

Physical AI的迫切需求与现实准备度

机器人行业的雄心十分明确。近九成开发者（89%）认为，Physical AI——即能够在物理世界中感知、推理并自主行动的系统——对其组织未来三到五年的战略至关重要。为支持这一转型，85%的开发者预计软件的作用将扩大，开发团队预期未来最大的预算分配将投向AI驱动决策（51%）和网络安全（51%）。

然而，雄心目前正在超越现场准备度。尽管行业乐观情绪依然高度坚韧，但只有29%的开发者对其系统在不受约束的真实世界环境中做出安全、可预测决策的能力感到”非常有信心”。

确定性差距：灵活性与安全性的博弈

随着机器人系统越来越多地在人类身边运行——83%的受访者表示这已成为现实——对完美可靠性的需求急剧上升。高达95%的开发者表示，确定性实时执行对其构建的系统至关重要。

然而，调查数据揭示了一个惊人的架构矛盾。尽管存在如此严格的安全和执行要求，91%的开发团队仍然依赖通用操作系统（GPOS，如Linux）来运行至少部分实时或安全关键型工作负载。近三分之一（32%）的团队甚至广泛依赖于此。

为应对这一状况，64%的企业目前采用混合架构，结合安全控制器、视觉计算机和微控制器。虽然这些混合方案增强了能力，但它们显著增加了集成复杂性——42%的开发者将此列为其最大的软件开发挑战。依赖非确定性系统行为会带来严重的下游后果：开发者报告称，这导致了安全风险增加（46%）、系统不稳定性增加（44%）以及测试负担加重（35%）。

认证之墙

在利用灵活的、开源软件与满足严格行业安全保证之间的矛盾，正导致大规模的部署瓶颈。66%的开发者表示，项目因行业认证要求而经历了延期。这种摩擦主要与两大监管障碍密切相关：网络安全标准（如ISO/SAE 21434）和功能安全标准（如ISO 10218），分别有51%和49%的受访者认为这是最具挑战性的法规。

突破这些瓶颈的商业和财务压力巨大。令人担忧的是，84%的开发者认同，严格的时间表和预算压力可能导致工程团队在关键开发方面妥协，包括安全协议。

启示：重新评估基础

机器人行业正迅速接近一个架构拐点。扩展Physical AI需要基础软件能够安全地处理混合关键性工作负载，同时不拖慢开发速度或冒合规审计失败的风险。

认识到当前技术栈的局限性后，86%目前使用GPOS的受访者表示愿意更换其操作系统。展望未来，为缓解集成和可扩展性限制，许多开发者正在转向更稳健的范式：31%的开发者认为安全认证的商业现成（COTS）操作系统最适合其需求，而27%的开发者选择虚拟化Linux结合实时操作系统（RTOS）。

结论

硬件进步已经搭好了舞台，但机器人领域的下一个重大飞跃将由软件架构决定。从操作系统层面重新评估基础架构，不再仅仅是一项后端技术工作——对于获得认证、确保人类安全以及成功将Physical AI扩展到现实世界而言，这是一项战略必要。

原文链接：https://www.automate.org/news/bridging-the-gap-why-software-architecture-is-the-new-bottleneck-for-physical-ai

引用链接

[1] 📄 阅读完整报告: https://qnx.software/content/dam/qnx-xwalk/pdf/reports/qnx-inside-the-robot-report.pdf?utm_medium=social&utm_source=a3-association-website&utm_campaign=fy24-q3_qnx_a3roboticsassociation_qnxvendorpageinquiries_cs_us
[2] 访问公司网站: https://blackberry.qnx.com/