专访研华： Physical AI穿越虚实边界，研华立足边缘计算撑起落地支点

从数字世界走向真实世界，Physical AI正在成为人工智能发展的新方向。Gartner在2026年十大战略技术趋势报告中，将Physical AI列为核心科技趋势之一。其落地的过程中，聪敏的云端模型“大脑”与稳定高效执行的“四肢”缺一不可。而边缘计算则是连接云端模型与物理执行层的关键纽带，让Physical AI从概念走向产业现场。

在2026研华工业AI生态伙伴合作峰会上，Physical AI恰是贯穿全场的重要议题。研华嵌入式物联网事业群总经理张家豪与中国工控网的对话也由此展开，他结合研华的发展历程，阐述了边缘计算在Physical AI发展中的关键作用。处在这一AI规模化应用的新阶段，研华也正在重新定位自身角色，从边缘计算平台供应商进化为Physical AI实践者。

蓄力边缘，硬件供应商铺下通往Physical AI之路

工业领域先后经历了工业互联网、数字化转型和生成式AI几轮浪潮，到了今年，Physical AI成为各类展会上最受关注的焦点，研华也已在这一方向积淀多年。

作为边缘计算平台供应商，研华长期服务于医疗设备、工业自动化、零售等行业。张家豪谈到，此前十余年间，研华更多专注于硬件平台提供者的角色。在芯片厂商将NPU和GPU等AI加速单元融入处理器平台之后，边缘设备具备了更强的AI运算能力，研华也由此开始探索边缘计算与AI结合后的应用价值。

不过，让AI真正进入产业现场发挥效能还需要解决更多实际问题。张家豪指出，过去的Edge  Computing更多关注数据采集与计算输出，而当AI应用于真实产业环境时，仅局限于计算升级远远不够，还需要具备感知、决策、执行三大核心能力。

与此同时，AI应用的发展也呈现出云端与边缘侧协同演进的趋势。近两年大模型和算力基础设施日趋成熟，已渗透到工业生产环节，但在对数据安全、隐私保护和实时响应要求较高的产业中，所有数据上传云端并不现实。例如，医疗领域的患者隐私数据需要在本地处理，半导体设备的生产制程参数同样如此。当算力向边缘侧延伸时，边缘AI在实时响应、数据安全和可靠运行方面的优势开始显现。

这也是Physical AI受到关注的技术背景。Physical AI关注的是AI能力如何与真实设备、环境和业务流程产生连接，边缘计算正承担着连接AI能力与产业现场的关键角色。面对这一趋势，研华正围绕Edge AI持续调整布局，让边缘计算更好支撑既有产业及新兴产业中的AI应用落地。

平台架桥，弥合芯片与场景之间的鸿沟

过去研华与芯片厂商的合作，无论是国际巨头还是国内头部企业，本质上都是围绕标准化平台做联合开发，交付的是纯硬件产品：工控机、嵌入式平台、嵌入式电脑。但从上文可以看到，这一模式的边界正在被打破。边缘计算的核心是在硬件基础上叠加智能能力，而AI的进一步融入，则让市场边界从硬件交付延伸至直接对接行业场景。到了这个阶段，客户需要的已不再是单一的硬件平台，而是一套完整的软硬件一体化方案。

这正是研华打造WEDA边缘智能开发者架构与WISE软件平台的初衷。WEDA旨在提供开放统一的开发架构，加速开发者与企业在各类GPU、NPU平台上开发AI Agent、数字孪生及边缘AI应用，并大幅降低多场景部署、大规模边缘AI设备管理以及AI模型全生命周期管理的复杂度。

张家豪解释道，各行各业的边缘计算需求虽然旺盛，但医疗、零售、交通这些产业的应用场景差异极大，研华打造WEDA边缘智能开发者架构这样的标准化平台，目的就是让不同产业的开发者和方案商能基于统一平台开发应用，同时在底层兼容适配各类芯片厂商的产品。

这便是WEDA的两层核心价值。底层适配层面，当前芯片架构极为多元，X86与ARM两大主流阵营与其他架构并存，各家厂商的API互不兼容。WEDA所做的，是将各类芯片的API和AI SDK统一整合进来，用户基于WEDA开发，相当于一次性对接了所有主流芯片厂商的AI开发工具，省去了逐一适配的重复劳动。上层开发层面，WEDA提供了一套容器化的软件架构，通过标准化的单元模块对接不同垂直产业的应用需求，系统开发商和应用开发商都可以在上面开发覆盖医疗、零售、交通、设备自动化等各类场景的解决方案。

张家豪表示，这套平台能力的价值在实际项目中已经得到验证，可使产品开发周期缩短一半以上。

平台层面的变化也顺势带动了研华另一项核心能力走向纵深，那就是Design-in定制化服务。过去二十多年，这项服务主要集中在硬件层面，包括I/O接口适配、散热设计、PCB设计评审，核心目标就是帮客户的产品稳定落地。

以WEDA 平台为重心，研华将定制化需求从硬件推向了软件层。固件、操作系统、API接口，每一个环节都需要根据行业场景做适配。由此，研华的Design-in服务也进入了2.0阶段，从单纯的硬件设计导入，进化为硬件加软件一体化的边缘运算平台服务。

聚合生态，Physical AI的中国式落地之道

无论是新平台的落地，还是服务模式的升级，研华将其落实到中国市场都有一个绕不开的维度，就是信创产业带来的供应链与生态格局变化。

庞大的市场也催生了众多信创产业链企业，研华更为关注底层芯片领域的本土企业。研华目前已经与多家国内主流芯片企业达成合作，包括瑞芯微、海光、兆芯、鲲鹏、飞腾等，全部由中国昆山研发团队主导对接；操作系统层面，研华与统信、麒麟等系统做好了深度适配优化。张家豪强调，研华提供的不只是硬件平台，更是软硬件整合方案，因此在适配层面投入了大量工程资源。

这种国产化平台能力，与Physical AI当下最受关注的机器人这一落地场景形成了呼应。研华扎根机器人产业已有约三十年历史，从六轴机械臂起步，逐步扩展到AGV、AMR、服务型机器人，乃至当下火热的人形机器人。张家豪的判断是，人形机器人的核心价值不在本体，在于被训练出来的思考、判断、决策与执行能力。机器人厂商不应该把精力耗在纯硬件开发上。研华联合海内外头部芯片厂商开发标准化的边缘AI运算平台，把机器人的大脑以硬件平台的方式交付出来。在这个硬件平台之上，研华的WEDA平台和机器人开发套件又提供了完整的软件开发底座，承载视觉、语音、通讯、路径规划、运动控制等一系列能力。这样一来，机器人厂商不需要从零搭起，可以专注在算法训练和智能能力这个真正创造价值的环节上。

这种“硬件平台打底、软件能力赋能”的思路，在中国市场的推进速度其实比外界想象得更快。张家豪分析，庞大的本土市场、务实的开发者队伍，加上国家政策支持，使得国内边缘AI在半导体、设备自动化、医疗等重点行业的落地规模和开发动能都已不输海外。

研华深知，边缘AI的发展不可能靠一家企业覆盖全产业链。张家豪认为，生态中最核心的角色是平台搭建者。研华成立43年，具备足够规模体量，能与海内外所有头部芯片厂商合作开发产品；作为平台赋能者，研华向下对接芯片厂商，向上对接产业场景，通过共创模式与各行业伙伴共同推动产业落地。

结语

访谈最后，张家豪谈到，云端AI与边缘AI是两条并行的轴线，相辅相成、互相支撑。云端AI持续向生成式与代理式方向迭代，边缘AI专注于物理世界的产业落地，两者共同构成AI从模型能力走向产业价值的技术基座。

在这个判断之下，研华在Physical AI时代的路径也越发清晰。研华将持续深耕平台定位，平台能力从硬件载体持续拓展至软件体系；同时坚持扮演生态赋能者，携手各行各业合作伙伴，破解多元化场景落地难题。展望未来，当 Physical AI 在机器人、医疗、能源等重点产业实现规模化普及之时，张家豪期许所有行业伙伴提到研华时，首先联想到的便是 Physical AI 的践行者与推动者。（撰文：中国工控网）