关于具身人工智能芯片的争论:大脑与小脑之争,以及推动自主研发芯片的努力

随着资本大量涌入具身人工智能领域,半导体行业正围绕核心架构问题展开激烈讨论。高计算能力“大脑”与低延迟“小脑”之间的分工,加上机器人公司自主研发芯片的趋势日益明显,正在重塑硬件格局。

A
4分钟阅读Posted: 2026年7月1日
关于具身人工智能芯片的争论:大脑与小脑之争,以及推动自主研发芯片的努力

具身人工智能(AI)的迅猛发展,正迫使人们对驱动机器人的芯片进行根本性的重新评估。 随着2026年上半年近438亿元资金涌入中国具身AI领域,以及主要供应商陆续推出新硬件和参考设计,一个看似简单却深奥的问题已跃居行业焦点。 当所有人都谈论开发芯片时,他们是否真正理解具身AI系统实际上需要什么样的芯片?答案远未定论,而这种分歧正在重塑供应链中资本和工程资源的分配方式。

超越计算:实时性的迫切需求

在具身AI芯片领域,主流叙事是围绕原始计算能力的竞赛,通常以每秒万亿次运算(TOPS)或浮点运算来衡量。新芯片的发布往往伴随着引人注目的性能数据,而这些数字塑造了公众对芯片能力的认知。然而,业界越来越意识到,这种框架并不完整。

具身AI与云AI的需求存在根本差异。基于云的大型模型推理追求吞吐量,即在单位时间内处理尽可能多的数据。而执行精密物理操作的机器人则需要延迟确定性,这意味着每条指令的响应时间必须稳定且可预测。以触觉反馈为例。 当机器人的手指触碰到物体时,来自传感器的力信号必须在几毫秒内完成处理并反馈给关节电机,否则机器人就有可能掉落或压碎该物体。这种闭环控制的严苛要求完全无法通过TOPS指标来体现,这也是为何仅关注峰值计算能力可能会产生误导。

大脑与小脑

提出“大脑与小脑”分工的构想,正是对这一现实的直接回应。在此框架下,大脑负责处理高级

感知、规划和多模态理解——这些任务虽然计算量大,但对实时性的要求相对宽松。小脑则负责运动控制和实时反馈,这些任务的计算量较小,但对延迟和能效的要求极高。由于两者的需求截然不同,这两项功能越来越需要采用不同的芯片。

在脑机接口领域,一家主要供应商已建立了一个涵盖硬件、开发框架和仿真平台的全栈生态系统;2026年6月,该公司更进一步,联合数十家参与企业,将芯片、操作系统和安全认证整合为一个完整的机器人安全系统。 对于机器人制造商而言,采用此类解决方案可以缩短开发周期并降低技术风险。然而,这种主导地位并非不可撼动。 正如一位芯片分析师所指出的,构成该供应商护城河的软件生态系统在机器人领域并未像在AI模型训练领域那样根深蒂固,而且机器人开发者更换工具链的成本,远低于云服务提供商更换训练框架的成本。 从智能座舱和自动驾驶领域扩展而来的竞争对手正加入这场“大脑竞赛”,并受益于汽车与机器人感知层之间的高度相似性。

国内在小脑芯片领域的进展

在小脑芯片领域,中国本土制造商的进展更为显著。由于小脑芯片更接近传统的微控制器和专用信号处理器,它们对最先进制造工艺的依赖程度较低,这使得国内企业能够利用其在成熟工艺节点上积累的专业技术。 该细分领域的竞争逻辑与“大脑竞赛”截然不同。它不追求峰值算力,而是注重在与特定执行器配合使用时的稳定性和能效。

技术挑战十分具体。某半导体开发商已发布了一款小脑芯片

该方案基于模拟域架构,将对时间敏感度最高的控制运算从数字处理转移至实时并行模拟计算,从而将关键控制指令的硬件处理延迟从2.8纳秒降至0.2纳秒。 正如一位业内人士所指出的,小脑芯片的特点是大规模生产、应用广泛以及客户粘性高。每个关节都需要一个控制芯片,一个类人机器人可能需要几十个,而且一旦芯片被纳入设计,更换的成本就极其高昂。这使得该细分市场成为专业半导体公司的沃土。

自研芯片与通用硅芯片之争

与此同时,关于芯片设计应由谁来负责的争论也持续进行。6月份的两项进展将自研芯片推到了聚光灯下。 优必选成立了一家旨在开发定制芯片的合资企业,计划于2027年下半年完成流片,并于2028年实现量产;同时,一家汽车制造商发布了一款自主研发的芯片,并明确将旗下车辆定位为“具身AI终端”。自主研发的驱动力不言而喻。 UBTech董事长曾公开表示,国外通用芯片不仅成本高昂,其性能也无法满足机器人的特定需求,并指出国外芯片和材料约占机器人物料清单(BOM)成本的三分之一。随着生产规模扩大,芯片成本所占比例日益凸显,因此自主研发成为控制成本的一条途径。 在半导体出口管制日益加剧的背景下,供应链安全是另一项重要驱动力。

挑战同样严峻。将数据中心式的架构缩小到边缘计算领域几乎没有先例,从成立公司到流片仅需两年的时间表按芯片行业标准来看十分激进,而成本能否通过足够的销量摊销,仍是一个悬而未决的经济问题。因此,自主研发并非

唯一的途径。合资企业既分担风险,也拥有为特定场景定义芯片的权利,而第三方供应商则主张采用平台化策略,提供标准化的计算基础,供制造商在此基础上打造自身差异化优势。

三条论述背后的共同判断

这些争论的背后,隐藏着一个关于机器人算法收敛速度的核心判断。如果诸如“视觉-语言-动作”(Vision Language Action)模型和世界模型等框架能在未来三到五年内实现统一,专用芯片的投资回报率将显著提升,因为稳定的目标足以证明定制化的成本是合理的。 如果算法继续快速迭代,那么通用平台的灵活性与异构计算相结合将更具吸引力。这两条路径都具有连贯的产业逻辑,目前尚无法得出最终结论。

目前,具身AI芯片市场正处于一种富有成效的不确定性之中。 大脑与小脑的分离、控制芯片领域的国内发展势头,以及自主设计、合资企业与平台提供这三条相互竞争的发展路径,共同勾勒出一个仍在探索其最持久价值所在的行业图景。这一问题的最终解决方式,将决定本十年剩余时间内进入工厂车间的机器人在成本、性能和独立性方面的表现。

来源

· Gasgoo汽车新闻,《440亿元涌入具身AI领域,但芯片板块仍属未知领域》,格雷格编辑,2026年6月29日。 https://autonews.gasgoo.com/articles/icv/44-billion-yuan-floods-into-embodied-ai-yet-the-chip-sector-has-an-uncharted-territory-2071587973328846848