具身机器人重塑端侧AI 芯片范式，看九大玩家如何卡位机器人芯片赛道

电子发烧友网报道（文/莫婷婷）随着人形、四足等具身机器人进入产业化预落地阶段，端侧 AI 芯片的技术需求正在发生根本性转变。传统端侧 AI 芯片以图像识别、语音交互等单一感知任务为目标，而具身机器人需要在真实物理世界完成 “感知 - 认知 - 决策 - 执行” 完整闭环，芯片必须兼顾多模态融合、微秒级实时响应、电池约束下的高能效与多域异构协同。

本文结合产业现状，分析技术需求的演变逻辑、技术挑战，并介绍端侧AI芯片企业的代表性产品。

需求变迁，具身机器人端侧 AI 芯片四大核心要求

端侧芯片即端侧AI芯片、边缘AI芯片，指部署在智能手机、PC、汽车、AI眼镜、机器人等各类终端设备上，通过内置 NPU 本地执行 AI 推理，以低延迟、低功耗、高能效为核心诉求，是实现离线、高隐私端侧 AI 能力的硬件基础。

按产品形态，端侧芯片可划分为三大类型：一是端侧SoC（系统级芯片），集成了CPU、GPU、NPU、ISP、DSP等多种计算单元。二是NPU协处理器，搭载大算力 NPU 与高带宽嵌入式 DRAM。三是专用AI推理芯片，覆盖 AI-ISP、车载智驾芯片、IoT 无线计算 SoC 等，针对细分场景深度优化。

过去数年间，端侧 AI 芯片的主战场集中在智能手机、安防摄像头、车载感知设备。这类芯片的核心任务偏向被动感知，例如安防芯片的NPU算力主要用于视频帧目标检测。进入具身智能场景，特别是人形机器人，需要持续采集摄像头、激光雷达、IMU等海量异构数据，并理解环境，进行推理任务，快速生成动作指令，驱动关节电机完成物理操作，同时还要根据动作反馈持续修正决策，端侧AI芯片需要处理的任务越来越多。

具身机器人的本质是在物理世界中实现“感知－认知－决策－执行”的闭环智能。这要求其核心计算单元端侧AI芯片，必须具备远超传统AI芯片的综合能力，以支撑机器人在非结构化、动态变化的现实环境中实现实时响应与自主决策。

芯原股份的专家演讲时指出，在行业分享中提出具身机器人端侧 AI 芯片四大核心要求：多模态感知算力、端侧实时决策、极致能效密度、异构计算架构。

一是多模态感知算力：海量异构传感器的实时融合。

具身机器人搭载多路视觉相机、激光雷达、触觉传感器、惯性传感器，芯片需要并发处理图像、点云、压力、姿态等不同类型数据，在毫秒级完成多源信息融合，构建精准的三维环境认知模型。和传统单模态 AI 芯片只处理图像不同，机器人端侧芯片需要运行视觉语言动作模型（VLA）、世界模型，识别物体、理解场景语义，用来预判环境变化。

二是端侧实时决策：脱离云端，微秒级响应物理变化

传统端侧 AI 推理多为毫秒级，对于图片识别任务足够，但机器人需要和物理世界实时交互。当机器人行走时踩到障碍物、抓取物体发生打滑，系统必须在微秒级完成推理响应，立刻调整关节力矩，确保机器人在动态场景中对突发障碍或变化做出即时反应。因此端侧实时决策能力是区分普通 AI 芯片与机器人芯片的关键指标。

三是极致能效密度：电池与散热约束下的算力输出

人形机器人整机依靠内置锂电池供电，电池容量、整机重量、散热空间都受到严格限制。芯片必须在有限电池容量与狭小散热空间内，提供每瓦极致算力输出，平衡高性能计算与长时间续航。

人形机器人大脑芯片功耗区间被压缩在 10W—60W 区间，此外预留功耗给电机、传感器，整机功耗通常约为‌100—200W。目前，主流机型主控芯片功耗覆盖8—250W。例如特斯拉 Optimus V3的AI5（ASIC）功耗为250W，小鹏 IRON的图灵功耗为30W，优必选 Walker X采用的RK3588功耗约为8–12W。‌

虽然部分AI芯片的算力强大，但功耗偏高，会大幅压缩机器人续航。因此，面向具身智能的AI芯片设计不能单纯堆砌算力，解决能效瓶颈已经成为限制人形机器人走向消费化量产的核心卡点之一。

四是异构计算架构：融合多类计算单元适配分层任务

机器人芯片天然需要异构计算架构，集成 CPU、GPU、NPU、DSP、实时 MCU 等多种计算内核，适配感知、运动规划、高精度伺服控制等多样化任务。不同任务对计算类型要求完全不同：CPU 承担感知与数据预处理，NPU 运行 AI 模型推理，MCU / 实时处理器负责运动控制。

异构架构的难点，不只是在单颗芯片集成各类 IP，更在于 IP 之间高效的数据共享、任务调度、低延迟通信。端侧芯片厂商时空矩阵的资料显示，异构拼接架构，因各芯片指令集、内存相互隔离，数据频繁搬运与格式转换带来巨大开销，跨芯片通信资源占用可达 70% 以上。大量数据在芯片间传输，带来延迟与功耗损耗，这也是新一代机器人 SoC 重点优化方向。

技术路线分化，九大主流玩家卡位机器人赛道

在机器人领域端侧芯片市场分为两大路线：

一是复用成熟 SoC 方案。例如英伟达 Jetson 系列、瑞芯微 RK3588 等通用端侧芯片，通过多芯片组合搭建大小脑系统。这类方案优势是生态成熟、开发门槛低，但短板十分明显：多芯片互联带来延迟、功耗高，系统集成复杂，整机 BOM 成本高，难以支撑大规模量产。

二是专用机器人芯片研发国内外半导体厂商开始针对性研发机器人专用端侧芯片。地瓜机器人的旭日 S600、联发科 Genio Pro5100、芯原基于 IP 平台的定制化机器人 SoC 等产品，都围绕特定需求优化架构。与此同时，芯驰等厂商聚焦运动控制 “小脑” 芯片，主打高实时伺服控制，形成分层芯片生态。

英伟达

NVIDIA是机器人端侧生态标杆，Isaac 机器人平台深度配套，人形机器人最主流 “大脑”，已经推出了多款机器人芯片，覆盖不同的算力需求。

Jetson AGX Orin：200TOPS，是主流人形机器人（智元远征 A1、宇树 G1）的标配大脑。Jetson Orin NX：100TOPS，模组尺寸较小，目前低功耗版本，四足、中小型人形机器人广泛使用。Jetson Thor包括T4000 / T5000版本，是新一代机器人专用芯片，基于Blackwell架构，T5000 FP4 算力 2070TOPS，T5000 FP4 算力1200 TFLOPS，支持 GR00T 机器人模型，功耗最高 130W。

联发科

Genio Pro 5100是联发科今年推出的新品，采用台积电 3nm制程工艺，集成第八代 NPU，提供50+ TOPS 的系统级生成式 AI 加速，Transformer 硬件加速；单芯片融合决策大脑 + 运动小脑，支持本地 7B 大模型、最多接入16 路摄像头 SLAM，Wi-Fi 7。

高通

IQ9075是高通的端侧AI工业旗舰芯片，采用高性能异构计算架构，100 TOPS，支持 13B 模型本地运行。据了解，瑞莎基于瑞莎 IQ907 打造出VMARC-Q9075 机器人算力平台，搭载36GB LPDDR5 高速内存，可以完成视觉感知、路径规划、运动控制和多模态交互等复杂任务。

爱芯元智

爱芯元智的AX8850是一颗异构多核数字 SoC，芯片搭载主频 1.7GHz 的八核 CortexA55 CPU，内置算力达 24TOPS@INT8 的 NPU，能够高效承载多模态感知、本地小参数大模型推理任务，支持开发者一键运行CNN、Transformer、CLIP等主流模型。

凭借异构算力架构、强大多媒体引擎与丰富外设，AX8850 可支撑机器人感知与运动控制任务，适合作为机器人大脑，完成视觉感知、多模态交互与端侧 AI 推理，兼顾算力、功耗与系统集成便捷性。

其另外一款产品AX8910已完成规模化商用落地，面向低功耗双目视觉感知，从产品矩阵上完善了机器人前端视觉感知到中端算力处理的能力布局。

地瓜机器人

旭日 S600具身大算力芯片出货量已经超过800万，已经被它石智航、千寻智能、自变量机器人、智在无界、优必选等企业采用。该产品专为VLA优化多核异构架构设计，提供560TOPS，已成功适配Pi0、Pi0.5、HoloBrain、Spirit V1.5、SmolVLA、LingBot-VLA、X-VLA，总计7款SOTA模型，Pi0模型端到端推理帧率达10.1FPS。

芯驰科技

今年9月，芯驰科技推出大脑 + 小脑 + 关节 MCU 全套具身智能方案，车规安全能力迁移机器人。核心包含 R1 系列大脑 SoC 与 D9 系列智控小脑 SoC。

具身智能大脑SoC为R1系列，专为机器人端侧大模型部署设计，可本地承载 MLLM、VLA、VLM 等具身智能大模型。端侧本地推理，一方面能够保障机器人实时响应，摆脱网络链路依赖；另一方面所有感知数据在本地完成处理，满足工业场景严苛的数据隐私要求。

D9 系列为智控小脑 SoC：如果 R1 负责机器人的 “思考认知”，D9 则承担机器人的 “运动执行”。芯片采用车规级设计，满足 ISO 26262 ASIL-B 功能安全标准，保障运动规划、伺服驱动、动态平衡控制任务，即便遇到异常工况也可稳定可靠运行。

瑞芯微

在消费/服务机器人领域实现了巨大的出货量，产品可以面向扫地、四足、人形等不同形态的机器人。

例如经典通用端侧 SoC RK3588，搭载6TOPS NPU，大量用于人形机器人感知副脑、服务机器人、四足机器人，包括宇树 G1、智元灵犀 X2等。又如新一代旗舰 AIoT SoC瑞芯微 RK3688，采用8nm LPP 成熟工艺与 ARMv9.3 指令集 CortexA7XX 全大核，8 核异构，CPU 算力 250K DMIPS，GPU 算力超 1TFLOPS，NPU 算力 16TOPS，搭配 128bit LPDDR 内存与 UFS4.0，可用于机器人感知副脑，支撑多路视觉、SLAM 与端侧 AI 推理任务。

此外瑞芯微的第一代协处理器RK182X，是面向端侧AI的高性能协处理，具备高带宽、低功耗、快速反应的优势。官方给出数据：基于PaddleOCR-VL模型，在504x504较低分辨率下RK182X实测数据显示：从图像输入到开始识别，首包仅需约59毫秒，识别过程每秒可处理约237 Tokens，视觉处理延迟约521毫秒。

瑞芯微在投资者关系活动中指出，第一代RK182X至少领先业界一年时间，面向多类机器人场景，首批客户已将方案落地于清洁机器人、陪伴机器人等产品。

全志科技

全志科技的八核高性能机器人专用芯片MR527，采用12nm制程，集成了8核Arm® Cortex®-A55 CPU、NPU、Mali™-GPU、MCU等多个高性能计算单元，NPU 算力为2TOPS，内置 RISC-V 实时 MCU 做运动控制；已经被小米 CyberDog、宇树Unitree系列，以及各类扫地 / 割草机器人使用，可以提供运动控制和环境感知核心算力。

进迭时空

进迭时空在2025 年 7 月发布面向端侧 AI 的 K3 芯片，集成8个自研X100高性能CPU大核、8个超宽并行计算RISC-V AI核（A100），主频2.4GHz，通用算力约为130K DMIPS，通用AI推理算力达到60TOPS。支持32GB LPDDR5高速内存，带宽达51.2GB/s。官方表示，K3芯片能够在终端侧本地运行300亿至800亿参数的大语言模型。

进迭时空 K3 为机器人场景配置双 RISC-V 实时核、3MB 实时高速缓存与 10 路 CAN-FD 接口，保障运动控制的确定性低延迟；搭载该芯片的多台人形机器人在北京亦庄机器人半程马拉松顺利完赛。

小结：

具身智能浪潮正在重构端侧 AI 芯片的技术定义，行业竞争焦点已从单一的峰值算力（TOPS）堆叠，转向多模态感知融合、实时确定性延迟、极致能效密度与异构协同调度等系统级能力的综合比拼。当前产业仍处于早期阶段，随着半导体 IP 公司、芯片设计企业、机器人整机厂商在技术链各环节的深度绑定与协同，也将催生下一代端侧芯片创新。