SiMa.ai 的 Palette 3.0 可在单芯片上运行多个物理人工智能模型
SiMa.ai 的 Palette 3.0 软件使其 Modalix MLSoC 芯片能够在独立的片上容器中同时运行多个 AI 模型,承诺在低功耗预算下实现每秒令牌处理量最高提升 3.5 倍,该软件已在 GitHub 上开源, 该产品主要面向目前仍采用“每个模型一块开发板”模式的无人机和机器人系统集成商。

边缘AI计算正悄然分化为两个时代:一个模型一块板,以及一个芯片同时运行多个模型。SiMa.ai于2026年11月17日 在加利福尼亚州圣何塞宣布,其全新的Palette 3.0软件套件可让单颗Modalix MLSoC芯片在低功耗预算内,通过独立的片上Docker容器同时运行多个AI模型,从而为机器人和无人机工作负载提供高达3.5倍的每秒模型令牌处理量(TPS)。
这对任何需要为机器人或无人机机队配置计算资源的人来说都至关重要,因为Palette 3.0正是为了打破“每个模型需一块电路板、每块电路板需独立功耗预算、每个供应商都带来集成难题”这一旧有假设而设计的。 对于尚未密切关注 SiMa.ai 的读者,该公司是一家总部位于加利福尼亚州圣何塞的物理 AI 芯片和软件制造商。 其核心技术是将低功耗的 Modalix MLSoC 芯片与 Palette 软件平台相结合,在无人机、机器人和摄像头等物理边缘设备上运行 AI 模型,这使其在边缘机器人计算预算领域与英伟达的 Jetson 和 Orin 产品线形成了直接竞争。
并行模型执行对系统集成商而言究竟意味着什么
Palette 3.0 基于 SiMa.ai 于 2026 年 6 月发布的“Agentic Palette”公告,其最引人注目的技术突破在于并行性。 Palette 3.0 不再为机器人所需的每个模型单独分配一块电路板及其专属的功耗和散热预算,而是允许感知模型、深度模型以及语言或视觉语言模型(VLM)作为独立容器,在同一块 Modalix MLSoC 芯片上同时运行。 SiMa.ai 表示,此次发布整合了传感器融合工具、基于神经网络的深度估计方法,以及用于数字孪生的闭环仿真工作流,所有这些均与未具名的生态系统合作伙伴共同开发,相关基准测试结果现已发布在全新的“模型浏览器”(Model Browser)中。
对于当今的机器人系统集成商而言,在无人机或移动机器人上同时运行大型语言模型(LLM)和视觉处理管道通常
这意味着在原本就受重量和功耗限制的平台上,需要两块电路板、两条供电总线、两套热管理方案,以及两个集成风险点。将这些工作负载整合到单个芯片上,并非出于便利性考虑,而是基于物料清单(BOM)的决策。 电路板数量减少意味着电源数量减少、线束更少、机箱体积更小,以及整个机队中需要验证和更新的固件镜像更少。对于无人机而言,每节省一克重量和一瓦功耗(原本用于第二块计算电路板),就意味着可为有效载荷、传感器或飞行时间腾出相应的空间和能量。 在移动机器人上,这意味着需要管理的热区减少了一个,在整个生产周期中需要追踪的供应链依赖项也减少了一项。系统集成商不应忽视的权衡是集中风险。将所有功能集成在一颗芯片上,意味着机器人所依赖的每个模型都存在单点故障,同时也提高了该单一部件在热管理和电源工程方面的风险。评估 Palette 3.0 的买家应向 SiMa.ai 询问, 或通过供应商的竞品对比渠道,获取多模型负载下的真实持续吞吐量数据,而不仅仅是 SiMa.ai 所宣称的 3.5 倍 TPS 这一宣传数据——该公司虽称该数据是在低功耗预算下实现的,但在其官方资料中并未公布与具体基准配置的对比结果。
与英伟达边缘芯片的对比
英伟达的 Jetson 和 Orin 系列仍是边缘机器人计算领域的默认参考标准,其背后拥有庞大的现有开发者群体、广泛的框架支持以及集成商多年积累的熟悉度。 SiMa.ai 并不试图在市场营销上超越这些既有巨头;而是试图在能效方面以及在软件层面上胜出——其软件层专为同时运行多个模型而设计,而非仅专注于单个模型的优异表现。 这是一项更窄、更精准的战略布局,而 Palette 3.0 则是迄今为止最清晰的证据,表明 SiMa.ai 意图以软件能力(而非仅靠芯片规格)作为差异化竞争的核心。
对于一个
采购经理关注的重点并非某款芯片在单一模型上的基准测试成绩更高,而是当考虑到电路板数量、集成工程工时以及运行现代机器人或无人机所需的实际多模型堆栈所需的功耗预算后,哪个平台的总体拥有成本更低。 如果买家的实际工作负载是“在同一功耗预算下流畅运行三个模型”,那么这种芯片就能胜过“仅能出色运行一个模型”的芯片;反之则不然。 SiMa.ai 正明确将 Modalix MLSoC 和 Palette 3.0 定位为在这场对比中胜出的产品,而其随发布一同公布的“模型浏览器”基准测试数据,正是为了让买家能够自行进行计算,而非仅凭公司的说辞。以下是该论点的精要总结:边缘AI芯片领域的真正竞争焦点,已不再是单个芯片运行单个模型的速度有多快,而是买家在无需额外添加第二块电路板的情况下,每瓦特能运行多少个模型。
开源代码,专有芯片:GitHub 发布对锁定效应意味着什么
Palette 3.0 的代码已开源,并发布在 GitHub 的 sima-neat 组织下,相关文档可在 SiMa.ai 的开发者中心查阅。 这与边缘AI芯片通常随附的完全专有软件栈形成了显著不同的姿态,值得深入分析其对系统集成商锁定风险的实际影响。
软件层的开源降低了某种形式的锁定风险:集成商可以自行检查、修改和扩展容器编排、模型服务和传感器融合代码,而不是完全依赖 SiMa.ai 的路线图和支持周期来修复错误或添加功能。 对于那些曾因供应商优先级转变导致专有机器人中间件停滞不前而吃过亏的集成商而言,这确实是一大优势。这也意味着,在代码投入涉及安全的关键部署之前,可以对其进行审核,这一点在机器人领域比
在大多数软件类别中。Palette 3.0 开源后,并未消除其对硬件的依赖。 该软件仍运行在 Modalix MLSoC 芯片上,且本次发布中最先进的功能——对 GPT-OSS-20B 等大型专家混合模型(MoE)的支持——专门绑定于该芯片的 16GB 系统级模块(SoM)版本。 采用 Palette 3.0 的系统集成商,尽管对运行在其上的软件栈拥有了更多控制权,但仍需遵循 SiMa.ai 的芯片路线图、定价(未公开,可通过 [email protected] 索取)以及供应链。 这确实比基于封闭芯片的封闭堆栈具有更优的锁定特性,但与真正的平台独立性并不相同,买家应据此合理定价,而非将“开源”视为“无锁定”的同义词。
这是一个日趋成熟的市场,而非新兴市场
Palette 3.0 还新增了生成式 AI 功能,旨在直接提升受限硬件上的推理速度: EAGLE3、DFlash 以及 Gemma 4 多令牌预测(MTP)投机解码支持,这些技术均旨在预先预测多个输出令牌,从而降低在设备上运行语言和视觉-语言模型时的有效延迟。 结合 16GB SoM 上的“专家混合”(Mixture-of-Experts)支持,此次发布表明 SiMa.ai 正致力于实现与数据中心相同的生成式 AI 工作负载,只是将其压缩到适合无人机或移动机器人内部的功耗范围内。
这一雄心与 SiMa.ai 近期发布的其他消息并存,但又有所区别。据 2026 年 9 月底报道,该公司在一轮融资中为物理 AI 芯片筹集了 1.5 亿美元。 Palette 3.0 是一个独立的软件版本,并非对该融资消息的重复,它更清晰地表明了资金的流向:致力于打造一个软件平台,该平台能够在现有的硬件上同时运行日益复杂的生成式和感知模型,这些硬件已存在于
领域。SiMa.ai创始人兼首席执行官克里希纳·兰加萨伊(Krishna Rangasayee)将此次发布描述为“以软件的速度交付硬件”,并补充道,Palette 3.0正在“彻底重写全自动驾驶系统的路线图”。 对于一家仍在努力提升品牌知名度、且面临规模大得多的行业巨头竞争的公司而言,这无疑是一个大胆的宣言,应将其视为一种意图声明,而非经过独立验证的行业转变。 但这确实准确反映了该公司正迅速从融资阶段转向推出差异化的软件能力——这正是买家在将车队交付给任何物理AI芯片供应商的平台之前,希望看到的进程。
SiMa.ai 将举办两场网络研讨会,直接向系统集成商介绍此次发布内容:2026年12月2日的“Palette 3.0 深度解析:任意物理AI模型。 真正的机器自主性”,以及“飞行速度下的无人机与机器人智能:更快构建、开发和部署”。 对于希望亲眼见证并而非仅听闻并行多模型执行能力演示的技术采购人员而言,这两场研讨会都是合乎逻辑的下一步选择。
买家应从中获得什么启示
从“每个模型一块板”向“每颗芯片多个模型”的转变,是机器人和无人机平台架构设计的真正转折点,而非对芯片渐进式进步的营销重新包装。 对于在边缘平台上运行多个AI模型的任何采购方而言,并行执行将改变其物料清单、功耗预算以及集成工作量——到2026年,这将适用于大多数严肃的机器人部署场景。 采购方应将SiMa.ai公布的具体数据——尤其是每秒3.5倍的令牌处理量这一数字——视为针对自身实际模型组合进行基准测试的起点,而非作为设计时必须遵循的既定事实。
但发展方向已成定局。边缘AI芯片供应商如今在软件编排和多模型效率方面的竞争,与
在原始芯片性能方面,将该协调层开源(同时保持底层硅芯片的专有性),正逐渐成为完全封闭式技术栈与完全开放式硬件之间一条可信的折中方案——后者在当前这一性能级别上尚不存在。 系统集成商在将 Modalix MLSoC 和 Palette 3.0 与英伟达的 Jetson 和 Orin 产品线进行对比评估时,应在决定在机队规模上采用哪种平台之前,自行运行并行工作负载基准测试,再决定是否在车队规模上采用其中任一平台,因为比较的胜负将取决于买家自身模型堆栈上的实际每瓦吞吐量,而非任何供应商的新闻稿内容。本文仅供一般信息参考,不构成投资、财务、法律或专业建议。本文综合了截至发布时的公司声明及公开市场动态。











