在CoRL 2026机器人学习会上，AMD董事长兼CEO苏姿丰与李飞飞展开对话。苏姿丰表示，当前人工智能仍处于发展初期，物理AI特别是机器人领域蕴含巨大市场机会。她给出的判断是：“未来几年物理AI尤其是机器人市场规模可能达到数千亿美元”。
物理AI的市场判断
这一判断把机器人放在AI演进的下一阶段来观察。按照行业通行理解，物理AI强调AI系统在真实物理世界中完成感知、决策和行动，机器人是典型载体。与主要处理数字信息的应用相比，物理AI面对的是连续变化的环境、实时约束和安全要求，技术栈更长，产业化环节也更多。苏姿丰判断当前人工智能仍处于发展初期，这与她对物理AI市场机会的判断形成对应：AI的能力边界仍在扩展，机器人则将这种能力从屏幕内推向真实场景。这一规模判断指向未来几年物理AI尤其是机器人市场的整体空间，涉及本体之外的算力与系统能力。对产业界而言，讨论重点不只是机器人本体，还包括支撑其感知、推理和行动的算力与系统能力。
系统设计比单一芯片性能更关键
在对话中，苏姿丰强调，机器人需要实时感知、推理和行动，必须统筹计算、内存、软件与系统设计，而非单纯增加芯片性能。这一表述指出了机器人计算的一个核心特征：真实环境中的任务链条要求低时延响应和稳定执行，单点峰值性能并不能自动转化为系统可用性。计算、内存、软件与系统设计需要协同，才能让感知、推理和行动在机器人平台上形成闭环。从产业视角看，这也意味着芯片与系统厂商的竞争维度正在从单一器件指标扩展到软硬件协同、平台适配和系统优化能力。机器人应用场景多样，对算力、功耗、实时性和可靠性提出不同组合要求，单纯堆叠芯片性能难以覆盖这些差异化需求。她将系统设计与计算、内存、软件并列，显示机器人计算不是单一硬件问题。
公共科研算力需要更多供给
苏姿丰还呼吁为公共科研提供更多算力资源。物理AI与机器人研究涉及模型训练、仿真验证和系统测试等环节，算力是基础条件之一。将公共科研算力纳入讨论，意味着物理AI的发展不仅取决于企业产品迭代，也取决于科研基础设施能否支撑持续实验与验证。对于关注政策与产业生态的读者而言，这一呼吁提供了一个观察角度：当AI从数字世界走向物理世界，算力供给的对象和方式也需要相应拓展。从产业生态角度看，公共科研算力是基础研究到产业验证之间的支撑条件之一。苏姿丰明确将公共科研算力作为需要加强的方向。
整体看，苏姿丰在CoRL 2026上的发言包含三个层面：对物理AI尤其是机器人市场规模的判断，对机器人计算必须统筹计算、内存、软件与系统设计的强调，以及对公共科研算力的呼吁。三者共同指向一个判断：物理AI的推进不是单一芯片性能提升所能完成，而是市场空间、系统能力和科研基础设施共同作用的结果。对通信与科技产业而言，机器人实时感知、推理和行动所牵引的云边端协同、连接与算力调度议题，也值得持续关注。
