导语：十年前，一篇《Edge Computing: Vision and Challenges》定义了边缘计算的第一个十年。本周，随着 CES 2026 的落幕，施巍松教授团队正式发布面向未来十年的新愿景——“边缘物理智能”（PIE）。如果说过去十年我们忙着搬运数据（Bits），那么下一个十年，我们将要在边缘侧驾驭原子（Atoms）。
文：边缘计算社区
2016年，施巍松教授团队的那篇《Edge Computing: Vision and Challenges》几乎是每一位边缘计算从业者的必读圣经。截止 2026 年 1 月 1 日，那篇论文的 Google Scholar 引用量已突破 10,000 次。它开启了一个时代：为了解决带宽和延迟瓶颈，我们将计算能力从云端推向了数据源头。
站在 2026 年的开年，当我们刚刚在 CES 上目睹了 NVIDIA 发布 Cosmos 世界模型、AMD 推出面向物理 AI 的嵌入式芯片时，行业信号已经无比清晰：边缘计算正在发生质变。
近日，特拉华大学（University of Delaware）施巍松教授、韦恩州立大学（Wayne State University）董政教授以及布朗大学（Brown University）周佩佩教授联合发布了重磅论文《Physical Intelligence on the Edge: A Vision for the Decade Ahead》。
他们指出，这就是边缘计算的下一站：边缘物理智能（Physical Intelligence on the Edge, PIE）。
什么是 PIE？不仅仅是“更近的计算”
在过去的十年里，边缘计算主要在做一件事：优化比特（Bits）的流动。我们把云端的任务卸载下来，做缓存、做过滤、做轻量级推理。
但在 PIE 的愿景中，这还不够。
PIE 被定义为边缘计算的一个进化阶段：让资源受限的本地系统，能够在物理世界中自主、实时且安全地执行物理动作，真正闭合“感知-思考-行动”（Sense-Think-Act）的循环。
这里有一个本质的区别：
- 传统边缘计算：侧重数据传输和预处理。
- 边缘物理智能：将“致动”（Actuation）提升为第一等公民。它不再只是为了快，而是为了在物理世界中不仅要“看懂”，还要“做对”——在严格的时间限制和安全边界内，对物理世界施加影响。
如果说过去十年的成功，是让“比特”（Bits）流动更高效 —— 让手机刷视频更流畅、工业传感器数据能实时上报；那么 PIE 的成功，将是让“原子”（Atoms）受控更精准——它将决定无人机能否在复杂密林中敏捷穿梭，甚至决定手术机器人能否在千里之外，自主、安全地完成毫厘间的缝合。
五大支柱：支撑未来十年的系统研究
为了实现这一愿景，论文指出了边缘计算亟需攻克的五大核心研究方向：
- 具身空间推理 (Embodied Spatial Reasoning)：物理环境不是二维的像素流，而是受几何和物理定律支配的三维实体。PIE 系统不能只识别“这是杯子”，更要理解“它离我多远”、“摩擦力如何”、“怎么抓才不会碎”。这需要视觉、本体感觉和触觉的深度融合。
- 具身时间推理 (Embodied Temporal Reasoning)：在物理世界，时间是安全的边界条件。云端可以容忍长尾延迟，但一个正在保持平衡的机器人如果为了等 AI 思考而卡顿 500 毫秒，可能就会摔倒。PIE 系统必须追求“最坏情况执行时间”（WCET）的有界性，而不仅仅是平均吞吐量。
- 边缘原生定制 (Edge-native Customization)：没有通用的“万能边缘”。港口的无人集卡追求能效和长续航，而废墟中的救援机器人则要在极端环境下优先保证鲁棒性，哪怕牺牲能耗。未来的软硬件栈必须能根据任务上下文进行动态重构。
- 人机共生 (Symbiosis)：PIE 并不是要完全取代人类，而是建立一种生物智能与硅基智能互补的协作关系。就像飞行员与自动驾驶仪一样，PIE 系统处理高频、重复的物理任务，而人类在罕见的高风险边缘情况下介入提供判断。
- 可持续性 (Sustainability)：在电池供电或能源受限的边缘设备上，能源就是生命线。可持续性将成为一个系统级目标：系统需要学会在电量吃紧时，动态地在“智能程度”和“生存时间”之间做权衡，比如切换到更小的模型或降低感知频率，以确保能安全返航。
为什么是现在？CES 2026 的行业信号
你可能会问，具身智能（Embodied AI）也很火，PIE 和它有什么区别？
这就回到了计算机系统研究的本质。具身 AI 更多关注算法能力（怎么学？），而 PIE 关注系统基础设施（怎么在受限的边缘设备上，安全、可预测地跑起来？）。
这也是为什么论文特别提到了刚刚结束的 CES 2026 是一个“行业拐点”。因为我们看到各大厂商正在从单纯的生成式 AI 转向解决物理世界的执行问题：
- NVIDIA 发布了 Cosmos 基础模型，专攻符合物理定律的环境推理。
- AMD 推出的 Ryzen AI Embedded P100/X100 系列，专门引入了 ASIL-B 功能安全等级，为了就是防止物理执行中的时间故障。
- Arm 成立了物理 AI 业务部门，致力于打通云边端的实时计算架构。
这些巨头的动作表明：从比特（Bits）到原子（Atoms）的系统级转变，已经开始了。
致敬与展望
从十年前提出 Edge Computing 的概念，到今天定义 Physical Intelligence on the Edge，施巍松教授、董政教授和周佩佩教授再次为社区点亮了灯塔。正是因为有这样的 Vision Paper 在前面指路，学术界和工业界在探索下一代自主系统时，才能更清晰地看到“系统设计”在 AI 时代的新价值。
在这里，我们也想特别说一声感谢。在边缘计算社区发展的早期，施巍松教授团队给予了我们巨大的支持与信任，是他们陪伴我们走过了最艰难的起步阶段。
时光荏苒，全球边缘计算大会也已走过五个年头，成功举办了 12 届。回望这五年，无数精彩瞬间历历在目，因为有你们的参与，这段旅程变得格外精彩和难忘。
站在 PIE 这一新十年的起点，我们期待与大家共赴下一个五年，逐梦前行。
让我们一起，相信边缘的力量！
如果你是边缘计算、自动驾驶、机器人或系统软件领域的从业者，这篇论文值得你仔细研读。
参考资料：
- [1] Shi, W., Dong, Z., & Zhou, P. (2026). Physical Intelligence on the Edge: A Vision for the Decade Ahead. (Technical Report: CAR-TR-2026-001)
- [2] Shi, W., Cao, J., Zhang, Q., Li, Y., & Xu, L. (2016). Edge computing: Vision and challenges. IEEE Internet of Things Journal.
- [3] NVIDIA. (2026). NVIDIA Launches Cosmos World Foundation Model Platform. (News release)
- [4] AMD. (2026). AMD Introduces Ryzen AI Embedded Processor Portfolio. (News release)
- [5] Arm. (2026). The next platform shift: Physical and edge AI, powered by Arm. (News release)