物理AI的新瓶颈:软件架构,取代硬件成为最大阻碍

引言：物理AI的瓶颈，已经从硬件转向软件

过去很长一段时间里，大家都默认，物理AI的瓶颈，是硬件：传感器不够好、算力不够强、机器人的硬件能力不够。所以，整个行业的注意力，都放在了硬件的突破上，比如更强的GPU、更精准的传感器、更灵活的机器人本体。

但现在，随着硬件技术的快速成熟，这个情况，正在发生彻底的改变。QNX最新的行业研究发现，软件，已经取代了硬件，成为了物理AI创新的最大阻碍，开发者们，正在被软件的复杂度、集成的难度、还有合规的压力，卡住了创新的脚步。

1. 核心研究发现：软件，已经是最大的开发瓶颈

QNX这次的研究，调研了全球1000名机器人领域的开发者和工程师，覆盖了多个行业，结果发现，最核心的变化，就是瓶颈的转移：

+-27%的开发者，把软件架构和集成，当成了他们最大的性能瓶颈，

+-而只有16%的开发者，认为硬件是最大的瓶颈。

这就意味着，未来物理AI的进步，已经不再是靠新的硬件，而是靠打造更可预测、更安全、能处理复杂任务的软件系统。

QNX的研究指出，随着机器人从工厂、仓库这些受控的环境，走到城市街道、医院病房这些动态的环境，软件，已经成为了决定创新能不能成功的核心因素。

而且，开发者们也都意识到了这个趋势：85%的开发者都表示，未来3到5年里，软件在机器人领域的作用，会变得更大。

他们的投资方向，也在转向：

+-51%的开发者，会把最大的投资，放在AI驱动的决策，还有网络安全上，

+-37%的开发者，会投资操作系统，还有实时控制的软件。

这也说明，软件的基础，已经成为了行业的战略资产，因为机器人系统，正在变得越来越复杂、越来越互联。

2. 人机共融的新挑战：通用系统，已经满足不了安全需求

随着机器人越来越多地走进人类的环境，开发者们，也遇到了全新的挑战：83%的开发者表示，他们的系统，现在已经在和人类一起工作了，而剩下的还没部署的团队里，三分之二都计划在3到5年内，做到这一点。

这种在人类环境里的部署，对系统的要求，完全不一样：开发者需要系统有更高的可靠性、安全性，还有可预测的行为。

QNX的研究发现，几乎所有的开发者（95%）都认为，确定性的、实时的执行，对他们开发的系统来说，是非常重要的。但是，大部分的开发团队，都还在依赖那些，本来不是为实时、安全关键的场景设计的软件。

研究显示，91%的开发者，都在把这些安全关键的工作负载，运行在通用操作系统（GPOS）上，哪怕他们自己也承认，安全认证的商业方案，才是最适合他们需求的。

结果就是，86%的这些通用操作系统的用户，都表示，他们愿意更换自己的操作系统，因为他们已经意识到，通用系统，已经满足不了现在机器人的需求了，他们需要的，是能保证确定性、安全性的软件基础。

3. 合规的新压力：认证延迟，拖慢了创新的速度

除了系统本身的问题，合规和认证的压力，也成为了开发者的新负担。研究发现，三分之二的开发者（66%）都表示，他们的项目，都因为认证的流程，出现了延迟，在英国和德国，这个比例，甚至达到了70%，而在中国，因为监管的要求没那么严格，这个比例是56%。

这些延迟，直接影响了开发的成本、交付的时间，还有商业的风险。

而最让开发者头疼的合规标准，是这些：

+-网络安全标准，比如ISO/SAE21434，有51%的开发者认为这个最难合规，

+-功能安全标准，比如ISO10218，有49%的开发者认为这个最难，

+-还有AI/机器学习的监管要求，还有人机交互的要求，还有数据隐私的要求。

这些合规的压力，也让开发者，越来越需要成熟的、已经经过认证的软件基础，而不是自己从零开始做，因为自己做的话，不仅要花时间开发，还要花大量的时间去做认证，拖慢了整个项目的进度。

4. 物理AI的野心与落地鸿沟：野心很大，能力还不够

虽然有这么多的挑战，但是整个行业，对物理AI的野心，还是非常大的：89%的开发者都表示，未来3到5年里，能感知、推理、自主在物理世界行动的AI机器人，对他们公司的战略来说，是至关重要的，中国的开发者，在这方面的热情，是全球最高的。

但是，野心很大，落地的能力，却还跟不上：只有29%的开发者，对自己的团队，能不能在真实的环境里，做出安全、可预测的决策，感到“非常有信心”。

这就是现在行业的现状：大家都想要做更智能、更自主的物理AI系统，但是，软件的基础，还没跟上，集成的复杂度、认证的延迟、安全的风险，这些问题，都把大家卡住了，让大家的野心，没法真正落地。

5. 行业意义：软件基础，成为物理AI的新核心

这次QNX的研究，其实是整个物理AI行业的一个标志性的转折点：过去，我们都觉得，物理AI的瓶颈，是硬件，只要硬件够强，一切问题都能解决。但是现在，我们发现，硬件已经足够好了，真正的瓶颈，是软件的基础。

如果我们没有一个好的软件基础，比如能保证实时、安全的操作系统，能简化集成的框架，能帮我们快速过认证的方案，那么，就算我们有再好的硬件，再好的AI算法，我们也没法把它们，变成一个安全、可靠、能落地的产品。

这也意味着，未来，物理AI的竞争，已经从拼硬件，转向了拼软件的基础：谁能打造更成熟、更安全、更易用的软件基础，谁就能帮开发者，更快地把自己的创新落地，谁就能引领整个行业的发展。

6. 未来展望：软件优先，物理AI的新方向

现在，整个行业，都已经意识到了这个问题，开发者们，也都在转向新的软件方案，他们愿意更换自己的操作系统，愿意投资软件的基础，来解决这些问题。

接下来，整个行业，都会进入一个软件优先的时代：

+-开发者，会越来越少地自己从零搭建底层的软件，而是用成熟的、经过验证的方案，

+-厂商，会把更多的精力，放在打造软件的基础上，解决集成、认证、安全这些问题，

+-整个行业，会从拼硬件的时代，进入拼软件生态的时代。

只有这样，我们才能解决现在的这些瓶颈，让物理AI的创新，不再被软件卡住，让我们更快地，把那些智能的机器人，带到我们的生活里。

结语

QNX的这次研究，给整个物理AI行业，敲响了一个警钟，也指明了一个新的方向：物理AI的瓶颈，已经从硬件，转向了软件。

如果我们想要让物理AI真正落地，想要让机器人，安全地走进我们的生活，我们就不能再只盯着硬件了，我们需要，打造更强大的软件基础，解决集成的复杂度、认证的延迟、安全的风险这些问题，只有这样，我们才能，让整个行业的创新，不再被卡住，让物理AI，真正地，从实验室，走到我们的生活里。