两场专题聚焦不同AI基础设施
PG关注到，ST宣布将在2026年3月举办两场面向投资者与分析师的网络交流，分别讨论云AI与支持物理AI的智能感知。两项活动安排在3月9日及3月16日，均包含演示介绍与问答，并通过投资者关系网站提供收听。
这两项主题对应AI系统的不同位置：云端需要计算、互连和供电，物理AI则需要从环境获得信息并形成行动。对半导体企业，业务机会因此分布在多个技术环节，而非只集中于某一类运算芯片。
专题交流可以帮助说明产品怎样进入系统，但讨论中的方向与后续经营结果仍应分别观察。具体技术、交付和客户采用，需要通过相应产品与业务进展确认。
云AI扩展带动配套技术协同
计算集群提高处理能力之后，数据需要在不同部件之间流动，电力也需要稳定送达。互连带宽、功率损耗和散热相互影响，任何一环成为限制，都可能降低其他部件能够发挥的能力。
因此，云端半导体方案需要围绕整机工作负载设计。器件参数可以作为比较起点，但实际性能仍由链路、板卡与系统共同决定，测试应说明负载与测量范围。
这也使供应商之间的协作更加重要。接口、参考设计与验证方法清楚，系统团队才能把不同器件组合起来，并在异常出现时找到可以核对的依据。
物理AI需要把感知变成动作
机器人或智能设备先通过传感器获取运动、距离和图像等信息，再由处理和控制环节形成响应。输入质量、时间同步与执行延迟，会共同影响任务表现。
把部分分析放在靠近传感器的位置，可以改变数据传输与处理分工，但需要考虑算法能力、功耗和可更新方式。分布式智能并不减少整体设计要求，而是让团队选择在哪里完成哪些工作。
真实设备还要面对环境变化。光照、安装与使用方式可能改变输入，系统应通过代表性场景测试，才能知道实验室中的识别能力是否能够延续到现场。
技术路线需要连接商业实施
对产业合作伙伴，专题介绍的价值在于理解不同产品的配合关系。进一步评估仍要查看具体器件、工具和供货状态，确认哪些能力已经可用、哪些仍在推进。
企业的系统能力也需要在支持与维护中体现。长期资料、清楚的版本和故障分析方式，能够帮助客户把技术方案带入实际产品，使一次设计采用形成可持续合作。
两类AI应用还具有不同的数据节奏。云端集群处理大量并行工作，实体设备则常需要在具体时间内形成响应，技术方案应围绕各自目标组织，不能只比较一个共同的算力标签。
这也给半导体厂商提出不同支持任务：云端客户关注接口、功率与规模交付，机器人团队则需要输入质量、工具与任务验证。理解这些差异，有助于判断产品组合怎样形成互补。
面向完整系统的讨论，应最终落到明确条件。器件在哪里工作、数据怎样进入和输出、异常如何恢复，这些具体问题能够把AI概念转成可测试的工程目标。
PG认为，ST将两类AI主题并列讨论，反映了半导体价值在系统中的扩展。后续值得跟进的是不同技术如何形成完整、可验证的应用，让计算基础设施与实体智能共同获得可靠支撑。