配资官方睿芯携高光D35亮相2026物理AI与世界模型大会 RISC-V+数据流架构定义物理AI算力新范式

本文转自【北青网】；配资官方

10月20日至22日，2026物理AI与世界模型大会在南京国际博览中心盛大举行。本届大会以“建模物理世界·智启美好未来”为主题，由江苏省数据集团、南京大数据集团有限公司、中国人工智能学会联合主办，是全国首个聚焦物理AI与世界模型的垂直行业峰会，汇聚5000余名行业专业观众、领域专家学者与领军企业，围绕机器人、自动驾驶、工业视觉等物理AI核心场景展开深度研讨。

苏州睿芯集成电路科技有限公司携旗舰产品高光D35数据流物理AI芯片亮相大会具身智能展区（展位号：4号馆D22），以“数据流驱动计算”的架构创新，向行业展示物理AI时代的国产算力新选择。

物理AI风口已至：AI从云端走向物理世界

当大模型在数字世界的能力边界不断拓展，AI的下一程正在加速涌向物理世界。

本届大会传递出一个清晰的信号：AI正在从云端走向物理世界，机器人、自动驾驶、工业视觉等场景正迎来属于自己的一届大会。现场产业联盟成立、《“物理AI与世界模型”产业图谱》发布、重大合作项目集中签约，物理AI正从概念讨论快速走向产业落地。

业内分析认为，物理AI与传统云端AI的核心差异在于“实时性”与“端侧部署”：

• 机器人需要感知-决策-控制的全链路毫秒级响应

• 自动驾驶要求低延迟推理与高可靠性

• 工业视觉需要在产线端侧完成缺陷检测与质量控制

• 安防、卫星等场景对功耗、隐私、环境适应性提出了苛刻要求

这些需求共同指向一个核心挑战：物理AI需要高能效、低延迟、可部署在端侧的专用算力底座。

而这正是睿芯高光D35的核心定位。

高光D35：为物理AI量身打造的数据流算力底座

在睿芯展位D22，技术人员向络绎不绝的参观者介绍了高光D35的核心技术优势。不同于传统AI芯片依赖“堆算力”的路线，高光D35选择了一条更底层的差异化路径——数据流架构。

传统冯·诺依曼架构下，数据存储在内存中，计算时需要搬到CPU/GPU，计算完成再搬回去，80%的功耗消耗在“数据搬运”上。这就是困扰AI算力的“内存墙”问题。

数据流架构则从根本上改写了计算范式：数据到达即触发运算，数据流向哪里，计算就在哪里发生。无需指令调度，无需反复搬移，从根源上破解了“访存墙”瓶颈，能效比比同类竞品提升数倍。

在指令集层面，高光D35搭载全自研高性能RISC-V CPU内核IP，已通过英特尔全球采购认可，标志着内核IP的性能、稳定性、兼容性达到国际一流水平。

RISC-V指令集保障了自主可控的技术底座，数据流架构提供了结构性的能效优势。两者异构协同，构成了“指令集自主 + 架构创新”的全栈自主技术路线，恰好命中物理AI“实时决策 + 端侧部署”的算力刚需。

睿芯已经在数据流技术方向积累了20余年，也是国内最早进行RISC-V CPU研究的团队之一。如今，睿芯团队拥有80余项数据流架构技术专利，核心研究成果获ISCA 2026国际计算机体系结构顶会最佳论文提名。学术深度与产业落地的双向印证，让RISC-V+数据流这条技术路线正在物理AI时代重新焕发生机。

展位聚焦深度对接：技术人员成“最忙的人”

据现场了解，睿芯此次参展以技术深度交流与生态伙伴对接为核心目标。展位虽然没有炫目的动态演示，但凭借扎实的技术实力和明确的场景价值，吸引了大量专业观众驻足交流。

宣传册+技术人员面对面的组合，反而让沟通更聚焦、更深入。现场技术团队从开馆到午间几乎没有停歇，接待了包括机器人企业、工业自动化厂商、智能驾驶方案商、安防集成商、科研院所等多类观众。

“大家不是来看热闹的，都是带着具体问题来的。”睿芯现场技术负责人表示，“很多客户上来就问能效比、延迟、算力密度、功耗、软件栈适配这些硬指标，我们也不需要花时间做效果展示，直接对技术参数和方案细节，效率反而更高。”

交流的问题主要集中在几个方向：

•机器人领域：端侧大模型推理延迟、多模态感知算力需求、功耗与散热

•工业AI领域：缺陷检测实时性、产线端侧部署方案、环境适应性

•行业智能计算：AI PC一体机、AIGC以及端侧本地运行大模型方案、功能安全与可靠性

•软件生态：模型适配情况、迁移成本、工具链完善度

不少企业在深入交流后，直接预约了后续的技术对接与样品评估。

“参加这种垂直行业峰会，最重要的不是人流量，而是精准度。”睿芯市场负责人表示，“物理AI这个赛道的客户很明确，他们知道自己要什么，也能看懂技术的价值。我们来这里，就是要让更多行业伙伴知道，国产芯片里有高光D35这样一条全栈自研的路线，在物理AI场景有结构性的优势。”

全栈自研：从学术积累到量产落地