三个“三”：高通 2026 投资者日与架构分层的分类学碰撞

摘要

2026 年 6 月 24 日，一家体量千亿、消费电子血统的芯片公司，在一场面向投资者的发布会上，把一整套物理 AI 的架构分层摊在了纽约的幻灯片上。它不知道 architecture intelligence 研究系列的存在，却用自己的语言，独立地触到了这套框架的每一根骨头——而它触碰的方式，比任何赞同都更有说服力，因为它不是在附和，是在收敛。

本文先把这场发布会讲清楚，再做对照。发布了什么：一套物理 AI 的三层交互模型、一套机器人的 System 2/1/0 计算分层、一颗兑现这套分层的芯片（Dragonwing IQ10）、一个汽车侧的混合关键性平台，以及一条被明说出来的路径依赖——汽车与工业经验是通往机器人的”自然坡道”。

对照之后，读出两件事。 其一，D1 提出的失效哲学分水岭，在高通的一颗机器人芯片上获得了 spec-sheet 级的实证——而且实证出现的位置比预期更高：证明义务没有被隔离在执行末端，它穿透到了大脑。跑大型 VLA 模型的那颗芯片，必须同时是 SIL3 可锁步的。你买不到一个 fail-soft 的大脑，再给它接一根 fail-operational 的脊椎。其二，产业里此刻同时跑着至少三套都叫”三”、都用 System / Computer 命名的架构分层——NVIDIA 的三计算机、Waymo 的 System 1/2、高通的 System 2/1/0——它们同名、撞车、甚至同名不同义，却其实是三条互相正交的轴。本文做一次正式的辨析与映射，把高通的分类学装进 AI² 框架，并在映射中诚实报告 AR 阶梯的一处缺格与一处越界。

这不是一篇赞美框架被验证的文章。它记录的是一个更微妙的时刻：架构分层的分类学，正在从口号期进入形式化期，而命名权正在被争夺。 一套框架能否成为共同语言，取决于它能否把别人的分类装进来，而不是与之并行奔跑。

---

体例声明

本文属 Deep Dive，不属 Working Paper。两者的分界不在长度，而在承诺等级：

• Working Paper（D1–D4，Zenodo DOI）＝锁定的主张。不可静默修订，须扛得住被引用五年。
• Deep Dive（本栏目）＝有纪律的观察。可修订、可推翻，明确标注”这是我们此刻看到的”，不进 DOI 体系。

本文继承 Working Paper 的认知纪律——来源分级、证据可追溯、必须写出反论与失效模式——但不继承其终局性。本文不修订 D1–D4 的任何已发布结论；凡涉及既有判断的精确化，均以”此刻的读数”呈现，其正式化留待后续版本化文档。

---

一、证据摆在桌上：它们从哪来，能信到什么程度

先把证据的来路讲清楚，再谈从中读出什么。这是本研究系列的规矩：结论可以大胆，证据必须交代。

本文的地基是 2026 投资者日的三份官方演示稿：

按 D3 建立的来源金字塔，投资者日演示稿属 Tier 1——官方披露，等同股东大会材料。这是能拿到的最高等级的一手材料。本文所有引用都标到具体 slide 号，方便任何人回去核。

但 Tier 1 不等于免检。有三处必须先给读者打上标记，免得把公司的自述当成既成事实：

1. 这是一份前瞻性陈述。 稿子首页就是 forward-looking statements 免责声明。设计中标、路线图、TAM 估计，都是公司对未来的自我描述，不是已经发生的事。
2. TAM 是混合来源。 白空间估计自己标着”第三方与内部估计的组合”（slide 5 脚注），其中机器人部署量引用的是”基于麦肯锡视角的高通估计”——这是自述性推算，不是独立第三方数据。
3. 有一处归属是我们推定的，不是高通明写的。 slide 32 没有用文字写下”IQ10 = System 2”；本文把它们对应起来，靠的是那一页的引出线关系（详见 §4.2 的脚注）。这是推定，不是明述——本文会在最需要它的地方，也最先攻击它。

标记打完，进入正题。

---

二、高通发布了什么：一页纸的总结

在做任何对比之前，先把这场发布会本身讲清楚。不熟悉高通的读者，需要一个坐标。

2026 年 6 月 24 日，高通在纽约举行 2026 投资者日，主线叙事只有一句话：把一家”移动芯片供应商”，重新讲成一家横跨手机、汽车、IoT、机器人与数据中心的计算平台公司。 财务目标给得很直白——到 2029 财年，让手机、汽车+IoT、数据中心三大板块各扛起约三分之一的营收；底层赌注是 2026 到 2030 年 token 需求增长约 40 倍。

落到技术内容，与本文相关的有五块：

其一，一套物理 AI 的能力分层。 高通提出物理 AI 有三个”交互层”——Human-facing AI（作用于数字世界）、Instrumented AI（理解物理世界）、Embodied AI（作用于物理世界）——并强调它们在累加，而非彼此替代（slide 4）。

其二，一套机器人的计算分层。 “一个机器人不是一台计算机，是三台”：System 2 负责推理（大脑）、System 1 负责行动（小脑）、System 0 负责执行（神经系统）（slide 31、33）。

其三，一颗兑现这套分层的芯片。 Dragonwing IQ10：700 TOPS 多 NPU、18 核 CPU、64 GB 内存、超过 270 GB/s 带宽，专为大型 VLA 模型准备——同时带 safety island、ECC、lock-step SIL3、Safe RTOS（slide 32）。IQ10/IQ9/IQ8 三档已跨形态出货（slide 39）。

其四，汽车侧的混合关键性平台。 Snapdragon Flex 架构把座舱负载与 ADAS 负载放进同一平台，并标出 safety island；高通把自己的处理器称为”首个具备真正混合关键性的处理器”（slide 10、13）。

其五，一条明说出来的路径依赖。 汽车与工业经验，被高通称为通往机器人的”自然坡道”（natural on-ramp）——它不掩饰这份机器人栈是两块既有版图的缝合（slide 27）。

对台下的分析师，这是一份增长故事，他们会去拆 TAM、算曲线。本研究系列在同一批幻灯片里，看到的是别的东西。

---

三、相同与不同：高通的分层和 AR 系列，撞在哪里

一个从未听说过这套框架的千亿玩家，因为面对同样的物理约束，独立地给出了结构同构的分类。这类材料的价值高于任何单个数据点——因为框架的生命力不在于被引用，而在于被独立复现。当一个从没读过这些论文的人，仅仅因为要解决同一个工程问题，就画出了同一张分层图，那说明这张图捕捉到的不是叙述者的偏好，而是问题本身的形状。

但收敛也是压力。高通给出的分类学，和既有框架争的是同一个命名权。

在展开细节之前，先把两边的对应关系摆成一张总表——相同在哪、不同在哪、以及本文后面要处理什么：

图 3.1 — 分层对比 benchmark。五套当前流通的分层并排对齐：AR0–AR5（能力门槛轴）作为基准列，高通三层交互投影其上（Instrumented ≈ AR1–2、Embodied ≈ AR4，AR3 与 AR5 空缺，Human-facing 落在轴外）；右侧三列为正交轴——高通 System 2/1/0（具身体内层级）、NVIDIA 三计算机（生命周期）、Waymo System 1/2（认知速度×部署位置）——它们不与 AR 阶梯竞争同一维度，而是各自回答不同的问题。图中以空格标出 AR3/AR5 缺格，以虚线框标出定义域越界。

这张表就是本文余下部分的地图。相同的地方（✅）说明框架抓对了问题的形状；不同的地方（⚠️❌）比相同更有价值——它们是 AR 阶梯自己的边界。

接下来两章分别处理其中最重的两条：分水岭究竟被刻在了哪里（第四章），以及三套”三”到底是什么关系（第五章）。

---

四、分水岭被刻进了硅片

4.1 D1 当年怎么说

D1 §3.3 提出过一个判断：汽车、机器人与消费电子、云之间的根本分野，既不在实时性，也不在合规，而在失效哲学——

手机与互联网接近 fail-soft + 快速恢复；汽车与许多机器人要求 fail-safe / fail-operational + 可解释的责任归属。这一差异比实时性更深、比合规更早。

D1 §3.7 由此推出双层结构：基础设施趋同，控制语义与证明义务分化。

这两个判断在 D1 发表时，靠的是架构文献、标准矩阵和产业观察。它们是论证，不是规格——是说理，还没被一颗真实的芯片摁下指印。

4.2 高通把指印摁了下来：证明义务穿透到了大脑

高通是一家消费电子血统的公司。这一点很重要——因为如果失效哲学的分野只是学术叙事，那么高通的机器人方案，就是它最有条件被证伪的地方。

而且证伪它的路径是现成的，也是最省钱的：把手机级 AI SoC 放进头部，负责”聪明”那部分；把安全隔离到执行末端的一颗专用安全 MCU 里。 大脑 fail-soft，脊髓 fail-operational，各司其职，各付各的成本。这条路要是走得通，消费电子血统就能直接赢——因为它只需要在最便宜、最边缘的那一层，为安全掏钱。

高通没有走这条路。

Duggal 稿 slide 32 给出了 Qualcomm Dragonwing IQ10 的完整规格。按这一页的视觉语法，IQ10 以芯片标记出现在人形机器人的头部，由引出线连到右侧那个规格框；而 SYSTEM 2 | REASONING 的引线，同样指向头部。¹ 换句话说，这份规格描述的，正是那颗承担推理的芯片——System 2、Cerebrum、大脑。

把它的规格摊开，是这样两半：

图 4.1 — 一颗芯片的两半。左栏（推理侧）是一颗现代 AI 加速器该有的样子——它在某些维度上甚至比多数手机 SoC 更激进（64 GB、>270 GB/s、为大型 VLA 模型准备）。右栏（证明侧）则完全不属于消费电子的词汇表：safety island、ECC、lock-step SIL3、Safe RTOS。本文的核心观察就是这张图的形状——两套词汇被刻在同一颗芯片上，而不是分处大脑与末端。规格数据来自 Duggal 稿 slide 32；IQ10=System 2 的归属为视觉语法推定（见本节脚注）。

左栏是一颗现代 AI 加速器该有的样子。它甚至比多数手机 SoC 更激进——64 GB、超过 270 GB/s 的带宽、专为大型 VLA 模型准备。右栏则完全不属于消费电子的词汇表。

这颗芯片有多强，有独立报道可以交叉印证：IQ10 被公开描述为提供最高 700 TOPS 的片上 AI 算力，配 18 核 Oryon CPU、多核 NPU 与 GPU，目标是让机器人在设备端完成感知、规划与推理，而不必外挂加速卡。也就是说，右栏那些安全词汇，不是贴在一颗弱芯片上的合规装饰——它们贴在的，是这一代最激进的边缘 AI 芯片之一。

这就是本文认为最重要的一条观察：证明义务没有被隔离在底层，它穿透到了大脑。

在手机里，跑模型的那颗 SoC 没有 safety island，不需要 lock-step，不运行 Safe RTOS。在这里，跑大型 VLA 模型的同一颗芯片，必须同时是 SIL3 可锁步的。

slide 31 的能力带把这一点又坐实了一层：System 2 的负载被明写为 “Heavy, mixed-criticality AI workloads”——“mixed-criticality”这个词出现在推理层，而不是执行层。

这正是 D1 §3.4 的判断在硅片上重演。D1 当年论证：混合关键性架构（底层硬实时安全 + 上层富 OS，经 Hypervisor 隔离）是弥合数字-物理鸿沟的当前唯一通用解药，并把 NVIDIA Drive Thor 的 MIG——把虚拟化从 CPU 域扩展到 GPU 域——称为”汽车架构史上具有标志意义的技术突破”。高通在机器人推理层，独立地走到了同一处。不同厂商、不同技术路线、同一个约束的形状。

汽车侧的证据同样不含糊：slide 13 直接把其处理器写成 “first ever processor with true ‘mixed criticality’”；slide 10 展示的 Snapdragon Flex 架构，把座舱负载（Oryon CPU / Hexagon NPU / Adreno GPU / 多屏显示）与 ADAS 负载（感知 / 路径规划 / 车辆控制 / Highway & Urban NOA）放进同一个平台，并在同一张图上标出 safety island。

4.3 收敛一个判断：分水岭不是地基，是一个贯穿件

同一批证据，也扔回来一个必须正视的挑战。

如果一颗 SoC 就能同时扛起座舱和 L2–L4 ADAS，如果同一套 Dragonwing IP 就能覆盖从工业到人形的多种形态——那么”汽车与消费电子架构不同”这句话，落到硅片层面，还剩下多少？

答案是：几乎不剩。而这恰恰是 D1 §3.7 早就写明的。

D1 的双层结构判断，从来不是”汽车与消费电子的基础设施不同”。它说的是另一件事：第一层的共用底座持续趋同——异构算力、以太网骨干加 TSN、虚拟化与混合关键性 OS、服务化接口、世界模型仿真、OTA 流水线；而第二层的控制语义与证明义务持续分化。

高通的证据，把这两层同时验证了：

• 第一层趋同：一颗 SoC 跨域承载，一套 IP 跨形态复用。这是趋同的极致形态。
• 第二层分化：可就是这颗 SoC 上，必须有 safety island；就是这套 IP 里，必须有 lock-step SIL3；这个平台被叫作 mixed-criticality，而不是 unified——“mixed”这个词本身，就是分化的招供。

此刻的读数是这样的： D1 的分水岭判断成立，而且比通常被转述的那个版本更强。需要收敛的不是 D1 的原文，是我们后续引用它时的偷懒——把”证明义务分化”顺手简化成”基础设施不同”。前者被高通的硅片证实；后者被同一块硅片证伪。

IQ10 的规格还给出了一个更精确的形状。分水岭不在系统的底部——它不是一道可以绕开的地基，而是一个贯穿件。 只要一个系统还在责任链之内，证明义务就会一路向上，穿透到它最”智能”的那一层。你没法买一个 fail-soft 的大脑，再给它接一根 fail-operational 的脊椎。要么整条链都在分水岭这一侧，要么它根本不在。

---

五、三套”三”，摆到同一张桌上

5.1 高通的第一套”三”：三层交互，而且在”累加”

Duggal 稿 slide 4 提出：物理 AI 的三个交互层正在累加（Three interaction layers of physical AI are compounding）。

请盯住那个动词：compounding，累加。 高通明确表示，高层出现时，低层不会消失，而是叠加上去。

这句话，和 AR0–AR5 的一条方法论原则逐字同构。D1 §5.2 反复强调过：

AR 级别表征的是能力门槛，不是时间线；低阶不会随高阶出现而消失，而会与高阶长期共存。

两个团队，互不知情，面对同一个问题，独立得出了同一条约束。这是关于框架有效性最好的一类证据——它不是赞同，是收敛。赞同可以是礼貌，收敛不会说谎。

5.2 高通的第二套”三”：一个机器人不是一台计算机，是三台

Duggal 稿 slide 31 的标题很直接：A robot is not one computer. It’s three.

高通挑了一套神经解剖学的隐喻。这里值得停一下——因为 D3 的核心原创发现，用的是同一套隐喻，而且早于这份稿件。

D3 在拆解 Tesla 跨形态复用的机理时提出过：大脑可复用，小脑不可复用。 感知与推理栈能从 FSD 平移到 Optimus；运动学、执行器控制、实时安全层不能。高通做的事，是把 D3 的”小脑”那一侧再切一刀——把运动规划（System 1）和实时交互、常开传感（System 0）分开。

slide 33 把这三层落到了物理结构上，读数比 slide 31 的抽象定义丰富得多：

• System 2 呈现为整机协调：头部、Brain (controller)、Balance control、Limb、Motors、Actuator、主 3D 相机、3D HD 相机、压力传感器。它不是一个孤立的推理盒子，而是全身的协调者。
• System 1 呈现为运动控制网络：Main controller、可编程逻辑控制器（PLC）、基于以太网的确定性网络、带以太网交换的电机驱动、三轴伺服驱动、伺服电机驱动的机械臂。
• System 0 呈现为触觉与多传感 ASIC（QMTS）：触觉传感阵列、环境温度、带 RGB 检测的环境光、相对湿度、霍尔传感器——并明写它的作用是 “enabling real-world egocentric data collection”。

有两点值得记下。

其一，System 1 的血统是工业自动化，System 2 的血统是汽车 SoC。 PLC、伺服驱动、确定性以太网，属于 OT 世界；700 TOPS 多 NPU 与 VLA 模型，属于汽车与边缘 AI 世界。slide 27 把话说得很白：汽车和工业经验，构成通往机器人的”自然坡道”（natural on-ramp）。这份机器人栈，本质上是两块既有版图的缝合处。

其二，System 0 既是末梢，也被明确定位成真实世界第一人称数据的采集层。 反射层，同时是数据飞轮的入口——机器人一边执行，一边替它的模型收集训练数据。

5.3 三个”三”，其实是三条轴

到这里必须做一次澄清，否则整场讨论会滑进术语的泥潭。

当前产业里，至少有三套都叫”三”、都用 System / Computer 命名的分层。它们不是同一件事的三个版本，而是三条不同的轴：

这三条轴互相正交。 一台机器人可以同时：被 NVIDIA 的三计算机流程训练出来（生命周期轴）、在运行时按 Waymo 式的端云快慢分工干活（认知速度轴）、并在体内按高通的 System 2/1/0 组织控制层级（具身层级轴）。三者不打架，因为它们回答的根本不是同一个问题。

图 5.1 — 三套”三”的正交分解。三条轴各回答一个不同的问题：NVIDIA 的三计算机问”模型从生产到部署，经过哪些计算环境”（生命周期轴），Waymo 的 System 1/2 问”认知在端与云之间如何按快慢分工”（认知速度轴），高通的 System 2/1/0 问”单一形态体内的控制层级如何组织”（具身层级轴）。三者正交——同一台机器人在三条轴上各有一个坐标，互不冲突。图中同时标出一个术语陷阱：Waymo 与高通都用了 “System 1/2”，但前者指快/慢思考（认知区分），后者指推理/行动/执行（控制层级区分）——同名不同义。这是本文第一个原创贡献的可视化。

有一处尤其要留神：高通的 System 2/1/0 和 Waymo 的 System 1/2，共用了术语，却改了语义。 在 Waymo 那里（也在 Kahneman 的原始用法里），System 1 / System 2 指的是快思考与慢思考——一个认知上的区分。到了高通这里，System 2/1/0 指的是推理 / 行动 / 执行——一个控制层级上的区分。同一个名字，两种意思，而且高通还多塞了一个 System 0 进去。

术语的复用，是分类学竞争最常见的形态：借一个已有共识的名字，装进一套新的语义。 这不是指责——它是概念扩散的正常机制，谁都这么干。但对一个想建立跨域共同语言的研究系列来说，把这种复用指出来，是必须做的清洁工作。不然过两年，没人分得清谁的 System 2 是哪个 System 2。

这是本文的第一个原创贡献：三条轴的正交性辨析，以及 System 1/2 术语在两种用法之间的语义漂移。

5.4 把高通的分类学，装进 AI² 框架

三层交互模型和 AR 阶梯是什么关系？可以做这样一个映射——这是本文的解读，不是高通的表述：

映射暴露出的差异，比它暴露的相似更有信息量：

第一，高通的三层，缺了”跨设备协同”这一格。 AR3（跨设备协同智能体）在它的分类里没有位置——被 Embodied AI 一格吞并了。可 AR3 与 AR4 的分野（单形态智能 vs 多形态协同平台），恰恰是当前最有争议的门槛之一。高通把它合并掉，不是疏忽，是它的商业叙事不需要这条缝。

第二，高通的三层，也没有 AR5。 可信通用智能体不在它的视野里——这符合一家供应商该有的克制。供应商卖的是能落地的东西，不是哲学终点。

第三，Human-facing AI 干脆落在 AR 轴之外。 它是一个数字域维度，而 AR 阶梯的整个设计前提，是”被设计系统与物理世界的关系”。这不是高通的错，也不是 AR 的错——是两套框架的定义域不完全重合。 一次诚实的映射，必须把这一点报出来，而不是硬把它塞进某一格凑数。

于是可以给出结论性的映射：

高通的三层交互模型 ≈ AR 阶梯的一个粗粒度投影（缺 AR3、AR5，且混进了一个正交的数字域维度）； System 2/1/0 ≈ AR4 内部的层级解剖，与 D3 的大脑/小脑二分同源，但更细。

后一条尤其要紧：System 2/1/0 不是 AR 阶梯的替代品，是它的补充。 它描述”一个 AR4 系统内部怎么组织”，AR 阶梯描述”这个系统站在哪一道能力门槛上”。两个问题，两把尺子。混用，就会犯范畴错误。

这是本文的第二个原创贡献：一次正式的映射收编，而不是并行叙事。

---

六、把刀架在自己脖子上：反论与失效模式

D1 的体例有一条硬规矩：任何主张，都得附上它的失效条件。所以这一章，本文来攻击自己。以下是五处最该被质疑的地方。

反论一：这是一家供应商的路线图，不是产业事实。 高通的分类学服务于它的商业叙事——它需要证明”三层交互都归我覆盖”，来撑起 TAM 故事。把供应商的市场分层，当成产业本体论的独立证据，是一种归因错误。 回应：这个限制真实存在。所以本文把高通的分类学当作对照物，不当佐证——它的价值，在于暴露既有框架的边界（AR3 缺格、Human-facing AI 越界），而不是确认”我们是对的”。用它照镜子，不用它发奖状。

反论二：框架的过度拟合风险。 当一个人手里攥着 AR0–AR5，任何三层分类看上去都像 AR 阶梯的投影。“独立复现”这个叙事，藏着一个诱人的陷阱：它太容易把巧合读成验证。 回应：这个风险无法完全排除，本文承认。§5.4 之所以死死强调”差异比相似更有信息量”，正是为了对冲这个倾向——如果一次映射只产出相似，那多半是我们在照镜子自我确认，而不是在发现什么。

反论三：spec 不等于哲学。 高通标 SIL3、标 safety island，可能仅仅因为客户要求和法规准入，而不是因为它”接受”了 fail-operational 的架构哲学。规格是商业决策，不是本体论承诺。 回应：这个反论部分成立——但它恰恰把 D1 的论点加固了。证明义务是外生的、强制的、非自愿的。 正因为它不需要厂商”想通了”才实现，它才是分水岭。一个要靠信念维持的分野，不叫分水岭；一个不管你信不信、都必须掏钱的分野，才叫分水岭。高通信不信无所谓，它照样得把 SIL3 焊上去。

反论四：单点归属的脆弱性。 §4.2 的核心论证，压在”IQ10 = System 2 芯片”这一条推定上。万一那个规格框其实是整个 Dragonwing 平台的合并描述，“证明义务穿透到大脑”就得弱化成”平台层具备安全能力”——后者仍然支持 D1，但强度明显下降。 回应：本文已在脚注里标明这条推定的依据和边界。这是全文最需要后续证据（比如 IQ10 的独立产品手册）来坐实的一点。本文不藏这个弱点，把它摆在明面上。

反论五：证据的时间窗太窄。 本文建立在一场发布会上。设计中标会流失，路线图会改，TAM 估计会被修正。以单次事件为地基的框架对照，半衰期很短。 回应：这正是本文属 Deep Dive、而非 Working Paper 的原因。它不假装自己是终局，它标注自己是快照。

---

七、回到框架：这场发布会给 AI² 系列留下了什么

三份稿子读完，把收获还给框架本身。

7.1 对 D1：分水岭判断成立，但要换一种说法

D1 §3.3 的失效哲学分水岭，此前是一段论证；现在它有了一份规格。而规格给出的形状，比论证当年设想的更精确：

分水岭不在基础设施层——那里正以惊人的速度趋同，高通用一颗 mixed-criticality 芯片把这件事演示得明明白白。也不在系统的底部——它不是一层可以隔离到执行末端的”安全模块”。它是一个贯穿件：只要一个系统还在责任链之内，证明义务就会一路向上，穿透到它最智能的那一层。

由此得出一条对本系列后续写作的约束：今后引用 D1 的分水岭，措辞必须落在”证明义务不同”，不能再顺手简化成”基础设施不同”。 前者被高通的硅片证实，后者被同一块硅片证伪。D1 的原文本来就是对的，需要收敛的是我们转述它时的偷懒。

7.2 对 D3：大脑/小脑二分获得外部同源确认，但护城河论点需要一次精细化

D3 提出”大脑可复用、小脑不可复用”时，用的是 Tesla 一家的证据。高通独立地画出了同一套解剖学，还把小脑侧再切了一刀——这是同源确认。

但同一份材料也带来一个挑战：高通正试图把 D3 判定为”不可复用”的那一层，做成可购买的 IP 积木（slide 32 底部并列的 Compute IP / Motion control IP / Actuation IP / Sensor IP）。如果运动控制与执行层能被买到，D3 的护城河论点是否松动？

本文的读数是：不松动，但落点要说得更准。 Tesla 的不可复用性从来不在单点 IP，而在整机集成与 D3 所称的”组织层”。高通能卖积木，卖不了把积木装成一个能量产、能验证、能扛责任的具身系统的组织能力。这一点值得在后续工作中正式展开——它是 D3 论点的锋利化机会，不是漏洞。

7.3 对 AR 阶梯：两处边界被外部照出来了

本文最有价值的产出，可能不是那些 ✅，而是那两个非绿灯：

• AR3 缺格。 高通的三层交互里没有”跨设备协同”的位置——它被 Embodied AI 一格吞并了。这暴露的是：AR3 与 AR4 的分野（单形态智能 vs 多形态协同平台），在产业话语里尚未被普遍承认为一道门槛。这条门槛需要更强的论证支撑，否则它会继续被合并掉。
• 定义域越界。 Human-facing AI 落在 AR 轴之外，因为 AR 阶梯的整个设计前提是”被设计系统与物理世界的关系”。这不是谁的错，是两套框架的定义域不完全重合。诚实的映射必须报出来，而不是硬塞进某一格凑数。

7.4 对整个系列：命名权正在被争夺

一年前，谈论物理 AI 的分层，几乎没有共同语言。今天，产业里同时跑着至少四套分层——NVIDIA 的三计算机、Waymo 的 System 1/2、高通的三层交互与 System 2/1/0，还有 AR0–AR5。它们互相正交、部分重叠、命名撞车，甚至同名不同义。

对这个领域，这是好事。分类学的密集出现，是一个学科从口号期迈进形式化期的标志。 大家不再只喊”物理 AI 很重要”，开始认真争论它到底分几层、每层叫什么——这是成熟的开始。没有人会为一个不重要的问题争夺命名权。

对本研究系列，这既是验证也是压力。验证在于：AR 阶梯的方法论原则——能力门槛而非时间线、低阶不消失——被一个千亿体量的玩家独立复现了，还用了同一个动词，compounding。压力在于：一套框架能不能成为共同语言，取决于它能不能把别人的分类装进来，而不是跟别人并排着跑。

所以本文做的，不是宣称我们是对的。本文做的是一次映射——能装进来的，装进来；装不进来的，老实说装不进来。

7.5 下一步

这场发布会同时打开了三个后续问题，记录在此，作为后续观察的锚点：

其一，AR4 的两条路线。 Tesla 是垂直闭环的 AR4，高通是水平供给的 AR4——一个自己造完整条链，一个把链上的每一环做成商品卖给所有人。两条路线的成本结构、扩散速度与失败模式都不同。这是本系列尚未正式处理的一道分叉。

其二，2028 是个密集交汇点。 高通的机器人与汽车路线图、多家 OEM 的平台 SOP、以及数据中心侧的加速器换代，都指向 2028 前后。届时这场对照可以被重新验一次——路线图是否兑现，本身就是可证伪点。

其三，本文最脆弱的那颗钉子需要被钉牢。 “IQ10 = System 2”目前是视觉语法推定。一份 IQ10 的独立产品手册就能把它坐实或推翻。在那之前，§4.2 的论证强度以脚注标注的边界为准。

这是我们此刻看到的。它会变。

---

附：本文引用的 slide 清单

关联的既有工作： D1 §3.3（失效哲学）、§3.4（Hypervisor 与混合关键性）、§3.5（Waymo System 1/2）、§3.7（双层结构）、§4.4.2（NVIDIA 三计算机）、§5.2（AR0–AR5）；D3（大脑/小脑复用机理）。

---

利益声明

本文由 archi-intelligence 研究团队撰写。archi-intelligence 是致力于 architecture intelligence 研究范式的独立学术研究机构，其研究工作与商业实体 Arkimind 存在关联，完整的治理结构与利益冲突管理见 Working Paper D1 附录 F.4（COI Disclosure）。

本文不涉及任何架构工具或产品的能力评价，不包含关于架构推理工具市场格局的判断。所引用材料均为公开披露的官方文件；本文与高通及文中提及的任何企业无商业关系。

本文以 CC-BY 4.0 发布。

---

Deep Dive 是 archi-intelligence 研究系列的短周期观察栏目。与 Working Paper 不同，Deep Dive 不进入 DOI 体系，可被后续观察修订或推翻。

Footnotes

1. slide 32 未以文字明写”IQ10 承担 System 2”。该归属基于页面引出线关系推定：头部 IQ10 标记 → 右侧规格框，且 SYSTEM 2 | REASONING 引线 → 头部。同页另有 Dragonwing 标记出现在肩部（SYSTEM 1 | ACTION → “Local limb intelligence”）与膝部（SYSTEM 0 | EXECUTION → “Motor control and actuations”），据 slide 39，Dragonwing 系列含 IQ10 / IQ9 / IQ8 三档。若该规格框实为整个 Dragonwing 平台的合并描述而非 IQ10 单品，本节论证需相应弱化。 ↩