人形機器人的落地難題，竟被一頓「九宮格」火鍋解開？

具身智能要想往大規(guī)模應(yīng)用走，像英特爾這樣的頭部芯片公司必須突破算力架構(gòu)。

當(dāng)俄羅斯首個AI人形機器人「艾多爾」伴著電影《洛奇》的主題曲蹣跚登場時，所有人都以為某個高光時刻即將來臨。

沒想到，「帥不過三秒」——

向觀眾揮手后，它迅速失去平衡、倒地抽搐，被工作人員匆忙拖走。

近期翻車的機器人可不止這一家。

9月，特斯拉Optimus因反應(yīng)遲緩被吐槽；1X預(yù)售款的「驚艷演示」因系遠(yuǎn)程遙控，被輿論diss到起飛。

業(yè)內(nèi)人士對此并不意外。很多演示高度依賴人工操控，大量機器人連「站穩(wěn)完成操作」都難，在工廠里「插個dongle、貼個膜」，堪比「登月」。

英特爾在與數(shù)十家具身智能團隊溝通過程中也發(fā)現(xiàn)，機器人「能跑會跳」和「能在產(chǎn)線干活」之間，還存在巨大鴻溝。

到底是什么原因阻擋它們踏入生產(chǎn)一線呢？

▍困在算力平臺里的具身智能

11月19日，重慶·2025英特爾技術(shù)創(chuàng)新與產(chǎn)業(yè)生態(tài)大會的圓桌現(xiàn)場，訓(xùn)練數(shù)據(jù)、應(yīng)用、「大腦/小腦分家」的架構(gòu)問題都被擺上臺面。但有一個答案被反復(fù)提及，算力平臺正成為橫在具身智能落地面前的最大門檻之一。

目前業(yè)內(nèi)已量產(chǎn)、相對成熟的人形機器人，大多采用「大腦+小腦」的架構(gòu)，所謂「慢系統(tǒng)+快系統(tǒng)」——

「大腦」負(fù)責(zé)深思熟慮，承擔(dān)LLM、VLM、CNN、CLIP、SAM等對世界建模和理解的工作；

「小腦」負(fù)責(zé)「讓身體動起來」，對反應(yīng)速度極度敏感，包括3D定位導(dǎo)航、機械臂控制、步態(tài)控制等，控制頻率動輒500Hz~1000Hz。

過去機器人主要依賴傳統(tǒng)運控，如今動作生成模型、多模態(tài)感知與大模型推理層層疊加，算力需求呈幾何級增長。一位現(xiàn)場嘉賓提到，「我們用的很多其他行業(yè)廠家的芯片，達(dá)到100 ~ 200個TOPS的稀疏算力，但依然是不夠用。」而這，還只是觸及工業(yè)場景的冰山一角。

算力飆升之下，不少企業(yè)搞「拼湊」、搭「兩套班子」。比如，Intel酷睿（12/13代移動處理器）跑「大腦」，NVIDIA Jetson Orin跑「小腦」，「兩套班子」還要跨芯片通信、跨系統(tǒng)協(xié)同。

結(jié)果可想而知。想想「帥不過三秒」的「艾多爾」， 視覺指令傳輸存在延遲，機器人就會摔倒。目前困擾人形擾機器人的精度、效率問題，乃至端側(cè)控制器的性能瓶頸，有一部分「歸功于此」。

算力平臺不僅是技術(shù)問題，更是落地的經(jīng)濟問題。真正到后面小批量落地的人形機器人，ROI肯定是我們第一個考慮的指標(biāo)。有嘉賓直言。

制造業(yè)對ROI的考核最為嚴(yán)苛。硬指標(biāo)上，機器人不僅要能干活，「穩(wěn)不穩(wěn)定、安不安全、貴不貴、耗不耗電」都是老板們必須算清楚的賬。

軟指標(biāo)上，為避免技術(shù)投資變成「一次性死資產(chǎn)」，企業(yè)希望它既能迅速上線，又能隨著工廠和產(chǎn)線變化靈活擴展或縮減。

顯然，搞「兩套班子」硬件堆疊，滿足不了這些苛刻要求（開發(fā)成本、散熱方案，功耗、價格、部署、可擴展性等）。

現(xiàn)場嘉賓認(rèn)為，機器人要同時利用CPU、GPU、NPU多種異構(gòu)算力，如何將這些異構(gòu)算力高效整合到一塊小體積、低功耗芯片里，還要讓它們高度協(xié)同、被開發(fā)者輕松調(diào)用，是一道極大的挑戰(zhàn)。

而且，隨著具身智能加速演進，算力融合、擴展和利用效率，正在成為限制行業(yè)落地的關(guān)鍵瓶頸。

▍「解藥」：以「單系統(tǒng)」達(dá)成大小腦的「融合」

需要「兩套班子」才能完成的「大腦+小腦」任務(wù)，如今在一套「班子」里就能搞定。這正是英特爾給出的「大小腦融合」方案——

用一顆SoC，把智能認(rèn)知與實時控制統(tǒng)一到同一個架構(gòu)中。

這顆SoC，就是酷睿Ultra處理器。它在單一封裝內(nèi)集成了CPU、英特爾銳炫? GPU和NPU，并讓三者協(xié)同工作，AI推理能力、高性能CPU計算與工業(yè)級實時控制，「一手」拿捏。

是不是很像重慶火鍋的九宮格？每個IP（CPU/GPU/NPU/I/O）就像格子里的一道菜，既能選「套餐」，也能隨需求自由組合，全看機器人廠商的「口味」需求。

結(jié)果，原本必須上云的大模型推理，能直接在端側(cè)運行，響應(yīng)更快，隱私性也更高，關(guān)鍵還很經(jīng)濟。

酷睿Ultra在保持類似功耗的情況下實現(xiàn)了約100 TOPS的AI算力。英特爾公司副總裁兼英特爾邊緣計算事業(yè)部的總經(jīng)理Dan Rodriguez在大會Keynote上說到。用戶不需要重構(gòu)系統(tǒng)，只要升級CPU，就能讓原有產(chǎn)品具備AI能力。

先看看內(nèi)置的GPU

它擁有77 TOPS的AI算力，專門負(fù)責(zé)處理最重的視覺與大模型任務(wù)。這樣的性能足以支撐7B～13B級別VLM的運行，對于物體識別、路徑規(guī)劃、分揀等任務(wù)已經(jīng)游刃有余。

如果開發(fā)者需要更強的AI火力（更大的LVM、VLA等模型），可以通過Intel Arc獨顯進行擴展。

當(dāng)算力需求沖上千TOPS量級，例如大模型控制全身動作、執(zhí)行多模態(tài)長鏈推理，英特爾認(rèn)為應(yīng)進一步結(jié)合外部「云腦」或邊緣大腦來完成協(xié)同推理。

這種按需擴展的異構(gòu)算力體系，成為具身智能順利邁向復(fù)雜任務(wù)的關(guān)鍵基礎(chǔ)。

NPU則負(fù)責(zé)輕負(fù)載常駐任務(wù)，如持續(xù)監(jiān)聽語音喚醒、動態(tài)物體檢測等長期在線的AI功能，保證低功耗、零感延遲的體驗。

CPU的價值被進一步放大。

得益于英特爾在傳統(tǒng)機器人運控領(lǐng)域多年的積累，以及對底層指令和架構(gòu)的深度優(yōu)化，CPU在跑傳統(tǒng)視覺算法、運動規(guī)劃時比過去更快、更穩(wěn)。

比如，實時抖動小于20微秒，意味著機器人的平衡控制、復(fù)雜力控、手眼協(xié)調(diào)等對延遲極敏感的運控環(huán)節(jié)，現(xiàn)在都能跑在CPU上。

而且，CPU內(nèi)加入了專用AI加速指令，使其在視覺伺服等場景中，能夠分擔(dān)部分原本由GPU執(zhí)行的AI推理與軌跡規(guī)劃任務(wù)。這讓算力調(diào)度更靈活、能效更優(yōu)，也更符合機器人對功耗、實時性的苛刻要求。

Dan Rodriguez還提到，明年1月發(fā)布的Panther Lake（18A工藝）將進一步提升性能。圖形性能最高提升50%，同等性能下功耗降低40%，AI加速力提升至180 TOPS，并支持?jǐn)U展溫度范圍與工業(yè)級實時性，這意味著具身智能的應(yīng)用邊界將被進一步推開。

▍軟件棧：三管齊下，落地按下快進

算力之外，英特爾同時把軟件棧也配齊了。

從「機器人看什么、怎么學(xué)、怎么動」，一直到系統(tǒng)層面的調(diào)度、驅(qū)動、實時控制，英特爾提供了全棧套件，開發(fā)者不用「零幀」起步。

對于OXMs、ODMs、OEM等硬件制造商，英特爾準(zhǔn)備的是整機級方案AI Edge Systems。操作系統(tǒng)、驅(qū)動、SDK、實時優(yōu)化、BSP、EtherCAT驅(qū)動，全都打包好。

比如一個已經(jīng)打了Preempt-RT的BSP，廠商不用再為實時性去改內(nèi)核，把系統(tǒng)刷進去，機器人立刻具備「工業(yè)級心跳」。

系統(tǒng)軟件廠商處在中間層，需要把芯片的每一滴算力榨到極限，為上層應(yīng)用提供最佳運行環(huán)境。英特爾給他們準(zhǔn)備了Open Edge Software Toolkit，里面不僅有AI庫和工具，更包含大量OSV級優(yōu)化，確保在不同平臺都能跑出穩(wěn)定性能。

這里簡單提幾個英特爾構(gòu)建自家AI生態(tài)的關(guān)鍵抓手。

一個是oneAPI ，一條貫通CPU/GPU/NPU的「算力高速路」。開發(fā)者寫一次代碼，系統(tǒng)自動決定跑在哪顆單元上，CPU、GPU、NPU甚至FPGA，全自動調(diào)度與優(yōu)化。

這能讓存量設(shè)施（舊機器）和增量設(shè)施（新AI硬件）在同一套代碼邏輯下協(xié)同工作，打破算力「孤島」。要擴展算力？直接接上Intel Arc就行。

還有「黃金組合」OpenVINO + IPEX-LLM。

OpenVINO負(fù)責(zé)AI推理加速，把TensorFlow、PyTorch等模型自動壓縮、量化、瘦身，并轉(zhuǎn)成最適合英特爾硬件執(zhí)行的格式，推理在哪塊算力單元上，也自動決定并負(fù)載均衡。IPEX-LLM則讓大模型在本地跑得更快。

兩者組合，可以適配不同年代、不同規(guī)格的邊緣設(shè)備，應(yīng)對工業(yè)現(xiàn)場設(shè)備雜、環(huán)境復(fù)雜的現(xiàn)實挑戰(zhàn)。

針對最上層的行業(yè)方案開發(fā)者（ISV/SI），英特爾提供了現(xiàn)成的行業(yè)模板AI Suites。抓取、導(dǎo)航等常見技能一鍵可用，需要加大模型就直接接LLM、VLM、VLA，還自帶參考Demo，稍改即可落地，大幅縮短從「裸機」到「能干活的機器人」的周期。

▍破冰前行，開放致遠(yuǎn)

與動輒「全家桶、一鍋端」的封閉路線不同，英特爾的「大小腦融合」選擇的是一條更開放、更有彈性的技術(shù)路徑：

同一套代碼既能跑在CPU/GPU/NPU/FPGA上，也能在Intel與Arm平臺間自由切換；

主流AI框架與模型全兼容，不鎖庫、不鎖模型；

ROS2與各類開源算法庫也全部敞開支持。

從底層算力、網(wǎng)絡(luò)，到軟件棧、模型框架、應(yīng)用框架，企業(yè)都可以按需自由組合。這意味著，他們不必推翻既有系統(tǒng)，也無需被某家供應(yīng)商鎖死，而是能夠在自己的IT/OT基礎(chǔ)之上，沿著現(xiàn)有行業(yè)生態(tài)繼續(xù)演進，把數(shù)據(jù)和大模型真正變成生產(chǎn)力。

過去幾個月里，英特爾已與國內(nèi)數(shù)十家具身智能廠商深入合作，已有十余家進入驗證或POC階段。在技術(shù)與市場都充滿不確定性的具身智能賽道里，這種開放自由的體系，正成為越來越多機器人企業(yè)愿意嘗試的路線。

來源：機器之心