具身智能需要实时感知与自适应能力。 机器人、车辆和机器必须在物理世界中将感知、智能与运动结合起来，并且要求最低延迟和最高可靠性。
Marco Cassis, 意法半导体模拟、功率与分立器件、MEMS 与传感器事业部总裁，兼任 意法半导体战略、系统研究与应用、创新办公室负责人
从工厂车间、手术室到自动驾驶汽车和智能家居，人工智能正在承担那些需要它实时理解并响应现实世界的任务。这就是具身智能的时代：这些系统不仅仅处理数据，更能感知、决策并行动。
为了让 AI 在动态环境中安全、可靠地运行，它需要持续而准确地获取来自物理世界的信息——从温度到运动、压力、接近度和方向，并且必须以足够快的速度进行解释，才能真正产生作用。传感层是所有后续决策的基础。
为什么具身智能需要的不仅仅是数据
过去十年，大多数 AI 创新都由在数据中心训练、并通过云端部署的算法推动。然而，随着 AI 进入汽车、工厂、医院和家庭，其性能开始受到输入数据质量、保真度和及时性的制约。传感是做出良好决策的核心。但如今占主导地位的传感架构，本质上仍然是被动式的：传感器将原始数据流发送给集中式处理器，由处理器提取上下文并发出指令。随着 AI 承担越来越多安全关键角色，这种架构会带来三个结构性问题，而且这些问题正变得越来越难以接受。
延迟是最直接的问题。自动驾驶汽车、工业机器人和人机交互界面无法等待远程处理器往返一圈。决策必须在毫秒级、在感知发生的现场完成。功耗和带宽是第二个问题。持续传输原始传感器数据会消耗大量能源和网络资源，而具身智能需要规模化部署数百万台设备，其中许多还要依赖电池运行。
ST的答案：会感知、会思考的传感器
半导体正致力于将智能尽可能靠近数据产生端，以应对这一挑战。ST 并不把传感器视为被动的数据来源，而是让智能传感解决方案在本地提取上下文、在边缘过滤并解释原始信号，仅传输真正重要的信息。其结果是：更低延迟、更低功耗、更轻网络负载，以及更强隐私保护，因为大部分数据根本无需离开设备。
ST 通过两个互补且日益融合的方向推进这一战略。首先是边缘 AI。边缘 AI 将 ST 的传感器与 STM32 微控制器及专用 AI 加速器相结合，使分析和推理可以直接在设备端完成。这样可以实现快速、确定性的响应，而不依赖云连接；这对于汽车系统、工业控制和智能基础设施尤为关键，因为这些场景无法假设网络始终可用，响应时间往往以微秒计。其次是传感器内置 AI。传感器内置 AI 将智能进一步前移，直接进入传感器内部。通过 Intelligent Sensor Processing Unit（ISPU） 等嵌入式核心以及传感器内机器学习引擎，ST 器件可以实时处理原始传感数据，以超低功耗运行机器学习算法，并输出高层级信息——例如识别到的手势、检测到的异常、识别出的运动模式——而不是原始数据流。这对于可穿戴设备、机器人和个人电子产品尤为重要，因为这些应用对响应速度和电池续航都有根本性要求。这两个方向共同定义了一种新的传感范式：能够理解自身所感知内容的传感器。
人形机器人：最具代表性的测试场景
没有哪个应用能比人形机器人更生动地展现具身智能的要求。人形机器人必须连续、准确地感知环境，理解人类的存在与意图，保持动态平衡，在不可预测的空间中导航，并在靠近人的情况下实时、稳定地操作物体。它实际上是具身智能所有挑战的“行走版概念验证”。
据ST 预估，一台典型人形机器人对应的可寻址半导体含量约为 600 美元。目前，ST 已和全球多家人形机器人开发商合作，并为这些系统提供能够在有人环境中安全感知、移动和交互的传感与边缘计算的能力。随着人形机器人市场从科研平台走向实际部署系统，传感质量将成为最关键的变量之一。而这种感知能力，正是具身智能所需要的；而一切，都从传感开始。
结论
具身智能正被设计进将定义下一代出行、制造、医疗和基础设施的产品中。通过在“感知发生之处”嵌入智能，ST 正在帮助客户打造的不只是连接到世界的机器，而是真正理解世界的机器。
