具身智能機器人需要什么樣的芯片？對話英特爾中國研究院院長宋繼強

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體系的實踐中認識到，不存在能夠解決所有復雜場景問題的“萬能鑰匙”或單一技術范式。真正的完整解決方案，必然是通過前瞻性地融合創新技術與經過驗證的成熟方法，將其系統性地工程化，這樣才能穩健落地。

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

英特爾面向邊緣的第三代酷睿Ultra處理器便能發揮出XPU架構優勢，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、商用級酷睿的側重點不同，它強調工業級要求，例如溫寬、耐用性、10年可靠性，同時增強了機器人及工業領域要求的高實時性、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，能跑傳統視覺模型，也能跑優化過的大模型，可滿足機器人常規的感知、規劃與操控應用，也能通過互聯平臺與邊緣AI設備連接，提供擴展的模型能力。

一、機器人專用芯片尚早，業界普遍用手機/汽車芯片改造

機器人會像手機、汽車一樣有專用芯片嗎？宋繼強認為，技術上不難，商業上太早。

當前機器人領域使用的芯片，大多并非專門為機器人設計，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業規模尚小，設計專用芯片難以實現商業盈利。

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

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

英特爾的機會，也正在于此。

在傳統工業機器人的運動控制、高精度浮點計算、逆運動學求解等場景中，憑借高可靠性的工業控制板和豐富的視覺庫，英特爾已有長期經驗積累。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里保證需要實時、快速響應的部分不被其他任務搶占資源。

英特爾能夠告訴具身智能機器人廠商做上層任務時，如何處理、分配、調度底層CPU核、內存、I/O等資源，才能保證最終需要的實時性達標和物理風險上可控、可信賴。

盡管當前行業焦點集中于大模型能力，但其技術演進方向仍存在變數，例如VLA的局限性顯現后，行業開始重新審視世界模型的價值。

因此，宋繼強預測，未來一年內出現統一的機器人專用芯片標準的可能性不大。無論是針對人形、輪臂式還是機器狗等不同形態，都需要更明確的場景與規模支撐，專用芯片才會迎來發展的契機。

二、很多機器人仍處于“手搓”階段，量產須改進成本、一致性、生產可靠性

宋繼強提到很多機器人并不是真正工業化量產的，大部分還是“手搓”。

一方面，零部件尚未達到車規或工業級要求，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行。

另一方面，機器人產業要實現規模化普及與成本優化，可能依托大型企業來推動機器人零部件以及整體量產化能力的提高。

一旦量產能力突破，硬件成本將隨之下降，結合智能技術能力的持續提升，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新技術承擔一定試錯成本的用戶群體。

該發展路徑符合技術成熟度曲線（Gartner Hype Cycle）所揭示的規律：

① 初期通過高預期吸引資本與技術投入，例如當前依托大模型與視覺語言動作模型（VLA）等技術突破，迅速推高產業的“能力上限”。

② 進入部署實踐階段，暴露出的關鍵技術瓶頸與商業化挑戰（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，產業將在特定細分領域（如結構化的工業場景）實現小范圍的商業閉環與經濟可行性驗證。

④ 隨著技術迭代與市場認知的深化，更多大型廠商將憑借其工業級能力入場，通過規模化效應進一步壓縮成本。

成本的降低又將激活更大的市場需求與應用潛力，從而形成“技術突破->場景驗證->規模化降本->市場擴大”的良性循環，推動產業持續向上發展。

目前帶操作能力的機器人，在現有訓練集與成本約束下更可行的方向是應用在半工業領域，比如做備料、搬運、組裝等任務。有些廠商相對樂觀地估計，這些機器人一兩年內能在實際工廠里部署。

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

三、構建可信賴框架，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。

宋繼強總結說，具身智能的可信賴性至少體現在三個層級：規劃決策是否可信賴、執行是否可信賴、系統出錯時整體是否仍可靠。

針對規劃與決策是否可信賴，英特爾推薦混合模式控制：需要嵌入一定的規則與知識，用來檢驗具身智能系統產生的決策，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網絡方法帶來的泛化能力，提高機器人能力的上限，又融合傳統的符號、規則、知識方法，能保證輸出是可信賴、可檢測的，再把結果交給執行層?！皥鼍跋嚓P”和“合理知識注入”也很重要，有助于做檢測與后續規則保障時更有效，控制整體計算開銷。

對決策規劃、行動輸出做出保障，基本落在智能硬件平臺的系統里。但在執行過程中，如果機器人遇到零部件或物理環境出問題，這些不是主控系統能控制的，此時需要引入一個獨立的安全系統，持續監控執行是否偏離預期，一旦發現發現風險，觸發Fallback，然后以最小風險回到可控狀態。

這個安全系統相對輕量，代碼完全可靠，持續通過能獲取的傳感器輸入、執行器狀態監控等，判斷系統執行是否與上層主要目標一致、是否存在安全風險。這些安全風險可以預先定義并持續監控。

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

這套思路已經被寫進去年12月發布的《具身智能機器人安全子系統白皮書》。英特爾聯合產學界合作伙伴，從系統架構層面提出一種新的設計框架，安全子系統能夠自主判斷主控系統是否出問題，一旦出問題就觸發Fallback。

據宋繼強透露，該設計框架發布后反響很好，學術界和業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設備之上，一種流行的業務構建方式是通過多智能體系統，按照用戶要求、場景變化，自主構成業務流，再利用AI生成相應的智能體，去完成需求。

一種未來愿景是，一個能力豐富的物理設備能夠支撐多智能體系統運行。要邁向這一愿景，現實挑戰有很多，包括準確性、可靠性、安全性、可擴展性、成本結構、響應速度、系統安全等。

如果智能體是通過編排器自動構建的，那就需要能夠調用很多不同的智能體功能。智能體在處理不同環節的任務時，內核（kernel）、數據量級、并行度都不一樣。企業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。這需要借助異構硬件組合來解決問題。

在此基礎上，要與持續演進的開放軟件框架適配，中間需要完整的系統基礎設施，幫助隔離硬件多樣性，同時讓軟件側業務編程所付出的成本長期有效。因此上層需要相對穩定的軟件接口，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確度要求。因此，英特爾提倡采用一種混合的異構框架，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結構：

系統2是慢系統，強調理解、推理與規劃，需要高通量視覺輸入，更適合用GPU。

系統1是行動專家，負責根據規劃出的一段段任務，結合具體設備，將任務映射到設備需要控制的關節電機、輪子等多自由度執行器，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0是快系統，用傳統的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。

在切換新硬件時，軟硬件解耦有助于降低適配門檻。據宋繼強分享，系統2相對好解耦，系統0和系統1不好解耦。上層感知和規劃可以相對獨立，復用于不同機器人，但從接收到規劃任務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，這就無法解耦。

結語：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業的關鍵議題，供應鏈也將扮演至為關鍵的角色。

模型決定機器人能做什么，而硬件和系統決定機器人能不能一直穩定安全地做下去。

基于英特爾的理念以及與合作伙伴正在構建的具身智能機器人系統，結合第三代酷睿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業里落地。