智東西
編輯 EAIRCon 2025

11月19日，由智一科技旗下智猩猩、智東西共同發起主辦，機器人前瞻、極果協辦的2025中國具身智能機器人大會（EAIRCon 2025）在深圳舉行，在具身智能人形機器人專題論壇上，云天勵飛副總裁羅憶以《芯智AI，具身未來》為主題發表演講。

云天勵飛副總裁羅憶談道，AI技術發展經歷了邏輯推理、專家系統到AI人機協同的三次浪潮，大模型的出現為機器人從專業走向通用帶來曙光，并帶來了從“懂控制”到“會思考”的范式變化。

但當下，具身智能仍面臨算法與數據、技術路線選擇、算力瓶頸等多方面的挑戰。

從AI芯片視角來看，國內廠商給出了具身智能算力新路徑：云天勵飛在其四代NPU的基礎上，正研發第五代GPNPU架構Nova 500，可無縫對接CUDA生態，適配各類大模型架構，并通過“算力積木”等技術，提升大模型推理效率，推動具身智能破解算力挑戰。

目前，其多款芯片模型作為協處理器助力普渡科技、賽特智能等客戶落地項目；該公司還落地廣東某區機器人指揮平臺，實現“感知-決策-處置-確認”的業務閉環，支持多形態機器人的統一管理調度。

以下為羅憶的演講實錄：

云天勵飛是AI推理芯片的廠商，希望能夠更好地服務具身智能產業。對于產業和整個市場，我們將從芯片廠商的視角，和大家做一些分享。

大家越來越形成了一些共識——AI正推動第四次工業革命，包括工業界、產業界，還有中央文件，都有AI滲透的共識。云天勵飛正是在這一波AI浪潮的起始時于2014年創立。

一、把握AI發展的第三波浪潮，機器人從專用走向通用

AI技術發展經歷了三波浪潮：第一波以感知智能為主，深度學習的算法更多解決的是感知的問題；第二波是從Transformer的架構被提出之后，從2022年到現在的生成式AI，我們發現感知問題基本被解決之后，機器學會了思考，它有了一定的決策的能力；第三波浪潮，它的終局一定是讓AI或者機器能具備行動的能力，這個行動能力，可能是指AI或者機器的雙手長在互聯網上，如MPC接口。在未來的企業里，除了有血有肉的真人員工外，很多數字人員工也會上崗。

我們未來會有三個機器人陪伴你生活、出行以及幫你去打工，在企業里面未來也可能有真人、數字人和機器人。作為智能，它需要有感知能力、決策能力，以及回饋物理世界的行動能力。我們認為這是一個發展的趨勢。

對于機器人產業，大家印象比較深的可能是波士頓動力人形機器人的運動能力，包括今年宇樹等機器人在產業應用上把運動控制做到了極致，從可行性到量產降本。如果要真正能去工廠打螺絲，真正能夠實現百千量級進入工廠，雖然感覺機器人還差一口氣，但我們可以看到很多的技術路線都正不斷探索中。

大模型為機器人帶來了范式改變。不管是原來的認知感知，還是現在的大模型、具身智能，在很多技術路線上，我們會選擇參考海外頭部企業的做法。比如，我們關注到了馬斯克的Optimus機器人。機器人在我們看來更像無人車，無人車是另一種代替我們出行的機器人。馬斯克團隊把FSD（特斯拉的全自動駕駛技術）的方法論泛化到機器人上，通過工業降本、量產、產業化的方式，將大量的機器人投放到實際的運行環境中，在真實環境中去構建數據飛輪等。這一系列的有效嘗試，正推動具身智能產業快速發展。

二、具身智能的挑戰：算法、數據、技術路線和算力瓶頸

從技術上來講，具身智能和AI相同。AI三要素包括算法、數據、算力，機器人產業的三大核心要素仍然是算法、數據、硬件，這里的硬件包括控制、靈巧手等更復雜的系統，這三大要素需要更協同的發展。

在技術路線上，以宇樹為代表的企業，他們開發的機器人的小腦發育度很高，能以更低的成本做出非常靈活的動作。但目前，機器人能真正接受人的指令，去泛化進入陌生的場景完成簡單任務，這件事仍然很難，即大腦的發育還存在困難。

我認為具身智能的發展有一些困難點，一方面是算法和數據。

這是一個相對的概念，在不同的發展階段，機器人總有可適應的場景，哪怕只是一個具備小腦的機器人，它也可以進行表演和娛樂。

不過，機器人的發展是螺旋上升的過程。具身智能的復雜度相對于智能駕駛的復雜度高了幾個維度，兩者數據缺口的對比可能差了5到6個量級。

所以，在開發具身智能的過程中，怎么更低成本地獲取訓練的數據、創新算法，并在限定的環境之下找到它的應用場景，通過這些場景的落地來生產更多的數據，反哺整個產業的發展，我覺得這是業界需要探索的問題。

另一個方面，具身智能仍有多個方向的技術路線正在探索。例如，如何把大模型時代的“慢思考”能力帶入機器人系統；再比如，機器人系統是大小腦的協同，如何把一個決策任務做到更精致？如何在準確性和高效性上找到一個平衡點？包括類似于像FSD的端到端的模型，它不能完全解決所有的問題，其數據質量敏感性、人類操作員不良操作的數據污染問題，都需要進行綜合考量。

從算力或者說芯片廠商的視角，推動具身產業的發展需要什么樣的算力支撐，我們覺得有兩個方向的考量，在這里借鑒一下英偉達的觀點。

老黃曾經說過，具身智能需要3臺機器：第一臺機器是用超級計算機來做模型訓練；第二臺機器需要構建一個仿真的環境，讓具身智能能夠在這個仿真環境里面進行測試和驗證；第三臺才是運用到它本體的計算機，這三條線在同步發展。不過，特斯拉自身有產業鏈閉環的優勢，馬斯克的觀點是，他們要創造一個訓推一體、基于本體的機器人，能夠不斷實現數據飛輪、自我進化以及自我學習。

對于芯片廠商來講，中美高端AI訓練芯片的差距還是比較大的。國內可能只有像華為這樣的大廠，會去對標構建訓練生態。絕大部分企業，包括云天勵飛在內，我們更看重的是推理的市場。我們覺得具身智能產業的本體需要一顆SoC異構芯片，同時，在數據合成和整個仿真環境的推理上，需要相應的大算力芯片。

很多產品有著不同的技術路徑，比如說像機器狗包括步行類的機器人，其技能點主要是在運動控制上。在任務完成上，這類機器人可能需要一些外掛，因為它本身的感知能力是解決運動性能的，因此它在進行任務時可能需要云端的綜合調控，或者身上加一些額外負載，才能完成具體場景里的任務，而要想做到這些都需要相關的算力。

云天勵飛作為國內廠商，正提供配套算力助推產業的發展。

三、創新“算力積木”AI推理架構，將推第五代GPNPU芯片

云天勵飛，2014年于深圳成立；2023年登陸上交所科創板。公司一直專注在AI推理芯片這個領域，過去芯片在智慧城市的各個細分場景，還有機器人領域得到應用。

在AI芯片領域，云天勵飛走的是更上游的技術路徑。我們核心的NPU指令集體系與微架構均為自主設計，這是芯片算力的根基。目前公司芯片已迭代至第四代Nova400，下一代Nova500將邁向GPNPU架構，在大模型推理上實現更高的并行度與能效表現。

從生態建設看，算法與算力需要同步演進才能形成真正的規模效應。機器人行業在研發與快速迭代階段，往往依賴CUDA完整的工具鏈與成熟軟件生態，因此開發成本較低、速度更快。但當產品進入量產以后，不論是遵循國內產業鏈安全要求，還是從成本結構與能效優勢出發，國產AI芯片都展現出愈發明顯的競爭力。

基于這一判斷，我們希望下一代芯片既能夠兼容CUDA生態、降低開發遷移成本，又能保持NPU架構在功耗與能效比方面的優勢，使機器人廠商在產品從研發到量產的全周期中，都能獲得更具競爭力的算力選擇。

自2020年起，我們將芯片工藝全面轉向國內供應鏈。在當前國內制程節點下，晶體管集成度與密度提升存在一定物理和工藝約束，單顆大芯片難以無限擴展算力。因此，我們采用先進封裝技術，通過多Die的Chiplet組合，在一顆封裝中實現更高的并行度與算力密度，這一體系被我們稱為“算力積木”架構。

在國內工藝體系內，若不走海外先進制程路線，要獲得高算力、高帶寬的擴展能力，Chiplet尤其是Die-to-Die（D2D）互連幾乎已成為業內的主流方向。通過Chiplet，可以在成本、良率、規模化、帶寬等維度實現更高的綜合性價比，也是當前國產高性能芯片的最現實路線。而云天勵飛是首家在國產供應商探索D2D Chiplet的公司。

目前，我們基本上已經實現從單Die（芯片晶粒）、雙Die、四Die，最高到8個Die的合封，能夠供應在端側、邊緣側，包括在云端推理的芯片。

目前我們有三大系列芯片：面向云端推理的DeepVerse、面向邊緣的DeepEdge以及面向具身智能的DeepXbot。

四、做機器人“總控”平臺，助力落地城市治理與服務

在具身智能產業鏈中，我們同時承擔兩個角色：一是上游的芯片與模組供應商，二是機器人平臺的建設者。過去，我們的芯片和模組已經在服務機器人、工業機器人等領域實現規模落地；同時自研的機器人指揮調度平臺也在酒店運營、城市治理等場景持續運行。

在廣東某區，我們聯合政府建設了統一的機器人管控平臺，接入了四輪、四足、人形、無人機以及水上機器人等多類型設備。平臺可將城市的固定攝像頭、執法與城管人員的隨身攝像頭作為數據輸入，在事件觸發后，由系統調度不同類型的機器人完成現場處置，實現從感知到行動的完整閉環。這不僅為政府提供了具身智能的試驗場與真實場景，也為機器人廠商提供了部署、驗證與展示產品能力的最佳平臺。

以上是我們的實踐經驗，也非常希望借助今天的交流，與更多具身智能生態伙伴一道，共同推動這一新興產業更快落地、更快走向規模化應用。

以上是羅憶演講內容的完整整理。