智東西
作者 ZeR0
編輯 漠影

智東西2月5日報道，具身智能機器人如何走向落地？機器人是否需要專用芯片？近日，英特爾研究院副總裁、英特爾中國研究院院長宋繼強與智東西等媒體進行深入交流，分享了對這些問題的思考。

英特爾在機器人及控制技術(shù)體系的實踐中認(rèn)識到，不存在能夠解決所有復(fù)雜場景問題的“萬能鑰匙”或單一技術(shù)范式。真正的完整解決方案，必然是通過前瞻性地融合創(chuàng)新技術(shù)與經(jīng)過驗證的成熟方法，將其系統(tǒng)性地工程化，這樣才能穩(wěn)健落地。

宋繼強認(rèn)為，很難用一種硬件滿足不同的操作復(fù)雜度、實時性、計算和感知要求，因此異構(gòu)計算非常重要。

英特爾面向邊緣的第三代酷睿Ultra處理器便能發(fā)揮出XPU架構(gòu)優(yōu)勢，綜合AI算力達到180TOPS，并采用Intel 18A制程，能效比更高，同時可使用OpenVINO等AI庫以及面向邊緣的軟件SDK。

與消費級、商用級酷睿的側(cè)重點不同，它強調(diào)工業(yè)級要求，例如溫寬、耐用性、10年可靠性，同時增強了機器人及工業(yè)領(lǐng)域要求的高實時性、高確定性。

其機器人AI套件每個季度都會升級，具身智能SDK新增了對大語言模型的支持，同時把EtherCAT支持納入軟件棧，并補齊對實時庫的支持。

英特爾與合作伙伴共同開發(fā)了一款機器人AI板級套件。這塊板卡體積小、功耗控制在機器人本體可承受范圍內(nèi)，能跑傳統(tǒng)視覺模型，也能跑優(yōu)化過的大模型，可滿足機器人常規(guī)的感知、規(guī)劃與操控應(yīng)用，也能通過互聯(lián)平臺與邊緣AI設(shè)備連接，提供擴展的模型能力。

一、機器人專用芯片尚早，業(yè)界普遍用手機/汽車芯片改造

機器人會像手機、汽車一樣有專用芯片嗎？宋繼強認(rèn)為，技術(shù)上不難，商業(yè)上太早。

當(dāng)前機器人領(lǐng)域使用的芯片，大多并非專門為機器人設(shè)計，而是對手機、汽車、PC等成熟平臺的芯片進行改造適配。這主要是由于機器人產(chǎn)業(yè)規(guī)模尚小，設(shè)計專用芯片難以實現(xiàn)商業(yè)盈利。

更深層的原因是，機器人本身的技術(shù)路徑和主流負(fù)載尚未定型，因此業(yè)界普遍先采用通用平臺進行過渡和驗證。

設(shè)計一款機器人專用芯片本身并不困難，只要有明確的系統(tǒng)級規(guī)格，大約10個月即可完成設(shè)計流片，18個月左右能完成測試。難點在于先定下來如果讓業(yè)務(wù)真正跑起來，需要系統(tǒng)支持哪些能力。

英特爾的機會，也正在于此。

在傳統(tǒng)工業(yè)機器人的運動控制、高精度浮點計算、逆運動學(xué)求解等場景中，憑借高可靠性的工業(yè)控制板和豐富的視覺庫，英特爾已有長期經(jīng)驗積累。大部分機器人工控板都是用英特爾處理器做的。

目前英特爾正與一些具身智能機器人廠商合作。這些伙伴尤其需要英特爾提供的能力，就是實時性與控制精度，包括如何在一個系統(tǒng)里保證需要實時、快速響應(yīng)的部分不被其他任務(wù)搶占資源。

英特爾能夠告訴具身智能機器人廠商做上層任務(wù)時，如何處理、分配、調(diào)度底層CPU核、內(nèi)存、I/O等資源，才能保證最終需要的實時性達標(biāo)和物理風(fēng)險上可控、可信賴。

盡管當(dāng)前行業(yè)焦點集中于大模型能力，但其技術(shù)演進方向仍存在變數(shù)，例如VLA的局限性顯現(xiàn)后，行業(yè)開始重新審視世界模型的價值。

因此，宋繼強預(yù)測，未來一年內(nèi)出現(xiàn)統(tǒng)一的機器人專用芯片標(biāo)準(zhǔn)的可能性不大。無論是針對人形、輪臂式還是機器狗等不同形態(tài)，都需要更明確的場景與規(guī)模支撐，專用芯片才會迎來發(fā)展的契機。

二、很多機器人仍處于“手搓”階段，量產(chǎn)須改進成本、一致性、生產(chǎn)可靠性

宋繼強提到很多機器人并不是真正工業(yè)化量產(chǎn)的，大部分還是“手搓”。

一方面，零部件尚未達到車規(guī)或工業(yè)級要求，用一段時間后可能速度變壞、力量變差，最終達不到可信賴執(zhí)行。

另一方面，機器人產(chǎn)業(yè)要實現(xiàn)規(guī)模化普及與成本優(yōu)化，可能依托大型企業(yè)來推動機器人零部件以及整體量產(chǎn)化能力的提高。

一旦量產(chǎn)能力突破，硬件成本將隨之下降，結(jié)合智能技術(shù)能力的持續(xù)提升，機器人將能更順利地滲透至更廣泛的商用場景，并吸引早期愿意為創(chuàng)新技術(shù)承擔(dān)一定試錯成本的用戶群體。

該發(fā)展路徑符合技術(shù)成熟度曲線（Gartner Hype Cycle）所揭示的規(guī)律：

① 初期通過高預(yù)期吸引資本與技術(shù)投入，例如當(dāng)前依托大模型與視覺語言動作模型（VLA）等技術(shù)突破，迅速推高產(chǎn)業(yè)的“能力上限”。

② 進入部署實踐階段，暴露出的關(guān)鍵技術(shù)瓶頸與商業(yè)化挑戰(zhàn)（即“深坑”）將促使資源聚焦于最核心問題的解決。

③ 在跨越主要障礙后，產(chǎn)業(yè)將在特定細(xì)分領(lǐng)域（如結(jié)構(gòu)化的工業(yè)場景）實現(xiàn)小范圍的商業(yè)閉環(huán)與經(jīng)濟可行性驗證。

④ 隨著技術(shù)迭代與市場認(rèn)知的深化，更多大型廠商將憑借其工業(yè)級能力入場，通過規(guī)模化效應(yīng)進一步壓縮成本。

成本的降低又將激活更大的市場需求與應(yīng)用潛力，從而形成“技術(shù)突破->場景驗證->規(guī)模化降本->市場擴大”的良性循環(huán)，推動產(chǎn)業(yè)持續(xù)向上發(fā)展。

目前帶操作能力的機器人，在現(xiàn)有訓(xùn)練集與成本約束下更可行的方向是應(yīng)用在半工業(yè)領(lǐng)域，比如做備料、搬運、組裝等任務(wù)。有些廠商相對樂觀地估計，這些機器人一兩年內(nèi)能在實際工廠里部署。

在宋繼強看來，真正要形成工業(yè)級一致性與效率，具身智能機器人的產(chǎn)量可能需要百萬臺以上。要達到這個規(guī)模，則需不斷改進成本、一致性、生產(chǎn)可靠性等方面。

三、構(gòu)建可信賴框架，給具身智能的安全兜底

具身智能機器人的真正落地涉及安全問題，需盡早形成可靠性的框架。

宋繼強總結(jié)說，具身智能的可信賴性至少體現(xiàn)在三個層級：規(guī)劃決策是否可信賴、執(zhí)行是否可信賴、系統(tǒng)出錯時整體是否仍可靠。

針對規(guī)劃與決策是否可信賴，英特爾推薦混合模式控制：需要嵌入一定的規(guī)則與知識，用來檢驗具身智能系統(tǒng)產(chǎn)生的決策，如果決策有問題就讓它重新決策。

這樣既能利用大語言模型與神經(jīng)網(wǎng)絡(luò)方法帶來的泛化能力，提高機器人能力的上限，又融合傳統(tǒng)的符號、規(guī)則、知識方法，能保證輸出是可信賴、可檢測的，再把結(jié)果交給執(zhí)行層?！皥鼍跋嚓P(guān)”和“合理知識注入”也很重要，有助于做檢測與后續(xù)規(guī)則保障時更有效，控制整體計算開銷。

對決策規(guī)劃、行動輸出做出保障，基本落在智能硬件平臺的系統(tǒng)里。但在執(zhí)行過程中，如果機器人遇到零部件或物理環(huán)境出問題，這些不是主控系統(tǒng)能控制的，此時需要引入一個獨立的安全系統(tǒng)，持續(xù)監(jiān)控執(zhí)行是否偏離預(yù)期，一旦發(fā)現(xiàn)發(fā)現(xiàn)風(fēng)險，觸發(fā)Fallback，然后以最小風(fēng)險回到可控狀態(tài)。

這個安全系統(tǒng)相對輕量，代碼完全可靠，持續(xù)通過能獲取的傳感器輸入、執(zhí)行器狀態(tài)監(jiān)控等，判斷系統(tǒng)執(zhí)行是否與上層主要目標(biāo)一致、是否存在安全風(fēng)險。這些安全風(fēng)險可以預(yù)先定義并持續(xù)監(jiān)控。

Fallback System（備用系統(tǒng)）既要讓系統(tǒng)回到可靠狀態(tài)，又希望回到可靠狀態(tài)后不是直接放棄任務(wù)，理想情況是即便出現(xiàn)風(fēng)險，也能以可行方式繼續(xù)，比如讓機器人在即將摔倒時能夠選擇方向、避開人、卡死某些關(guān)節(jié)慢慢摔，甚至移動到邊上。

這套思路已經(jīng)被寫進去年12月發(fā)布的《具身智能機器人安全子系統(tǒng)白皮書》。英特爾聯(lián)合產(chǎn)學(xué)界合作伙伴，從系統(tǒng)架構(gòu)層面提出一種新的設(shè)計框架，安全子系統(tǒng)能夠自主判斷主控系統(tǒng)是否出問題，一旦出問題就觸發(fā)Fallback。

據(jù)宋繼強透露，該設(shè)計框架發(fā)布后反響很好，學(xué)術(shù)界和業(yè)界都有單位表示希望參與推進落地，英特爾也在積極開展合作。

四、系統(tǒng)分工，才是具身智能能長期演進的前提

在智能車、機器人等物理AI設(shè)備之上，一種流行的業(yè)務(wù)構(gòu)建方式是通過多智能體系統(tǒng)，按照用戶要求、場景變化，自主構(gòu)成業(yè)務(wù)流，再利用AI生成相應(yīng)的智能體，去完成需求。

一種未來愿景是，一個能力豐富的物理設(shè)備能夠支撐多智能體系統(tǒng)運行。要邁向這一愿景，現(xiàn)實挑戰(zhàn)有很多，包括準(zhǔn)確性、可靠性、安全性、可擴展性、成本結(jié)構(gòu)、響應(yīng)速度、系統(tǒng)安全等。

如果智能體是通過編排器自動構(gòu)建的，那就需要能夠調(diào)用很多不同的智能體功能。智能體在處理不同環(huán)節(jié)的任務(wù)時，內(nèi)核（kernel）、數(shù)據(jù)量級、并行度都不一樣。企業(yè)級部署又希望在滿足具體場景要求的同時，獲得更好的能效比。這需要借助異構(gòu)硬件組合來解決問題。

在此基礎(chǔ)上，要與持續(xù)演進的開放軟件框架適配，中間需要完整的系統(tǒng)基礎(chǔ)設(shè)施，幫助隔離硬件多樣性，同時讓軟件側(cè)業(yè)務(wù)編程所付出的成本長期有效。因此上層需要相對穩(wěn)定的軟件接口，并對底層硬件進行隔離。

具身智能機器人采用的AI模型及解決方案呈多元化，沒有一種方案能覆蓋所有精度與準(zhǔn)確度要求。因此，英特爾提倡采用一種混合的異構(gòu)框架，以綜合采用不同模型與AI方法。

英特爾提出了一種分工明確的具身智能系統(tǒng)結(jié)構(gòu)：

系統(tǒng)2是慢系統(tǒng)，強調(diào)理解、推理與規(guī)劃，需要高通量視覺輸入，更適合用GPU。

系統(tǒng)1是行動專家，負(fù)責(zé)根據(jù)規(guī)劃出的一段段任務(wù)，結(jié)合具體設(shè)備，將任務(wù)映射到設(shè)備需要控制的關(guān)節(jié)電機、輪子等多自由度執(zhí)行器，生成控制指令。這要求高實時性與低功耗，輸出頻率已接近200Hz，更適合用NPU。

系統(tǒng)0是快系統(tǒng)，用傳統(tǒng)的MPC控制器，把電機控制頻率提升到例如1000Hz的級別。這要求更強實時性，并涉及高精度浮點運算，用CPU最穩(wěn)。

在切換新硬件時，軟硬件解耦有助于降低適配門檻。據(jù)宋繼強分享，系統(tǒng)2相對好解耦，系統(tǒng)0和系統(tǒng)1不好解耦。上層感知和規(guī)劃可以相對獨立，復(fù)用于不同機器人，但從接收到規(guī)劃任務(wù)要求到生成具體機器人控制指令，不同機器人的自由度不同，與本體強相關(guān)，這就無法解耦。

結(jié)語：具身智能走向落地分水嶺

2026年，落地將是具身智能機器人產(chǎn)業(yè)的關(guān)鍵議題，供應(yīng)鏈也將扮演至為關(guān)鍵的角色。

模型決定機器人能做什么，而硬件和系統(tǒng)決定機器人能不能一直穩(wěn)定安全地做下去。

基于英特爾的理念以及與合作伙伴正在構(gòu)建的具身智能機器人系統(tǒng)，結(jié)合第三代酷睿Ultra for Edge平臺，英特爾希望盡快推動可信賴的具身智能機器人在產(chǎn)業(yè)里落地。