SiMa.ai发布Palette Neat与Modalix SoM，旨在打破GPU在物理AI领域的垄断
2026/09/10 16:00阅读量 2
SiMa.ai推出首款面向物理AI的智能体开发环境Palette Neat及兼容NVIDIA Orin的Modalix MLSoC模块，试图解决物理AI部署中成本高、功耗大及迁移困难的问题。该方案通过硬件引脚兼容和AI辅助代码迁移（保留约90%现有代码），将开发周期从数月压缩至数天，并支持在10W以下功耗下并发运行多模型。此举标志着物理AI竞争焦点从云端算力转向边缘端的部署速度、能效比及推理能力。
事件概述
针对物理AI（Physical AI）系统长期依赖高性能但高功耗、高成本的GPU生态导致的架构复杂性和迁移风险，SiMa.ai发布了全新的软硬件解决方案。该方案由智能体开发环境Palette Neat和生产级**Modalix MLSoC System-on-Module (SoM)**组成，旨在消除传统GPU壁垒，降低物理AI规模化部署的工程门槛和经济成本。
核心信息
-
硬件无缝替换：
- Modalix SoM在物理形态上与NVIDIA Orin SoM完全兼容（pin-for-pin）。这意味着开发者无需重新设计载板即可实现“即插即用”式的硬件替换。
- 该芯片能够在严格的10W以下功耗包络内，同时运行多个大型语言模型（LLMs）、视觉模型及传感器融合模型，满足机器人、自动驾驶、无人机等场景对实时感知和推理的需求。
-
软件智能体驱动迁移：
- 推出行业首个物理AI智能体开发环境Palette Neat。开发者可通过自然语言描述系统需求（如摄像头数量、传感器类型、性能指标及功耗限制），智能体自动完成底层计算映射和管道构建。
- 该技术允许开发者保留约90%的现有代码库，避免了传统芯片替换后需要重写大量软件栈的巨大沉没成本。
- 开发周期显著缩短：从传统的数月手动移植整合，压缩至数天甚至数小时。
-
战略定位转变：
- SiMa.ai强调其“软件优先”（Software-First）策略，将原本固化在硬件中的复杂计算功能转化为可快速迭代的软件平台，使硬件能够以软件发布的速度适应AI模型的演进。
- 物理AI的竞争逻辑已从云端的原始算力比拼，转向边缘端的部署速度、能效比以及实时推理能力。
值得关注
- 降低试错成本：通过保留大部分现有代码和提供自然语言交互的开发方式，大幅降低了团队从GPU生态迁移至专用AI芯片的技术风险和工程投入。
- 能效优势：在保持高性能的同时，解决了传统GPU在边缘设备中功耗过高、散热困难的问题，使得更复杂的AI模型能在资源受限的物理设备上运行。
- 生态影响：该方案直接挑战了NVIDIA在边缘AI领域的主导地位，为寻求替代方案且受限于迁移成本的开发者提供了具体的落地路径。