關於具身人工智慧晶片的爭論:大腦與小腦之爭,以及推動自主研發晶片的趨勢

隨著資金大量湧入具身人工智慧領域,半導體產業正面臨著關於核心架構的激烈辯論。高運算能力「大腦」與低延遲「小腦」之間的區分,加上機器人公司自主開發晶片的趨勢日益明顯,正重塑著硬體產業的格局。

A
4分鐘閱讀Posted: 2026年7月1日
關於具身人工智慧晶片的爭論:大腦與小腦之爭,以及推動自主研發晶片的趨勢

具身人工智慧(AI)的快速發展,正迫使業界對驅動機器人的晶片進行根本性的重新評估。 隨著 2026 年上半年近 438 億元資金湧入中國具身 AI 領域,加上主要供應商陸續推出新硬體與參考設計,一個看似簡單卻暗藏玄機的問題已躍升為業界焦點。 當眾人都在談論開發晶片時,他們是否真正理解具身AI系統實際上需要什麼樣的晶片?答案遠未明朗,而這場爭議正重塑著資本與工程資源在供應鏈中的分配方式。

超越運算:即時性的迫切需求

在具身人工智慧晶片領域,主流敘事是對原始運算能力的競逐,通常以每秒兆次運算(TOPS)或浮點運算次數來表示。新產品往往伴隨著引人注目的性能數據問世,而這些數字也形塑了大眾對晶片能力的理解。然而,業界日益意識到,這種框架並不完整。

具身人工智慧與雲端人工智慧的需求本質上截然不同。針對大型模型的雲端推論追求的是吞吐量,即在單位時間內處理盡可能多的資料;而執行精確物理操作的機器人則需要延遲確定性,這意味著每條指令的響應時間必須穩定且可預測。以觸覺回饋為例。 當機器人的手指觸碰到物體時,來自感測器的力訊號必須在數毫秒內完成處理並傳回關節馬達,否則機器人便有掉落或壓碎該物體的風險。這種閉環控制所要求的嚴格條件,完全無法透過 TOPS 數值來反映,這正是為何僅專注於峰值運算能力可能會產生誤導。

大腦與小腦

提出「大腦與小腦分工」的構想,正是對此現實的直接回應。在此框架下,大腦負責處理高階

感知、規劃與多模態理解,這些任務雖涉及大量運算,但對即時性的要求相對寬鬆。小腦則負責運動控制與即時回饋,這些任務的運算量較輕,但對延遲與功耗效率的要求極高。由於兩者的需求截然不同,這兩種功能日益需要採用不同的晶片。

在腦機介面領域,某家主要供應商已建立了一個橫跨硬體、開發框架及模擬平台的完整生態系統;並於 2026 年 6 月更進一步,攜手數十家合作企業,將晶片、作業系統及安全認證整合為單一的機器人安全系統。 對機器人製造商而言,採用此類解決方案能縮短開發週期並降低技術風險。然而,這種主導地位並非不可撼動。 正如一位晶片分析師所觀察到的,構成該供應商護城河的軟體生態系統,在機器人領域的根基並不如在 AI 模型訓練領域那般深厚;而且,機器人開發者更換工具鏈的成本,遠低於雲端服務供應商更換訓練框架的成本。 從智慧座艙和自動駕駛領域擴張而來的競爭對手正加入這場「大腦競賽」,並受益於汽車與機器人感知層之間的高度相似性。

小腦領域的國內進展

在「小腦」領域,中國本土製造商的進展更為顯著。由於小腦晶片更接近傳統微控制器和專用訊號處理器,因此對最先進製程的依賴較低,這使得本土企業能夠善用其在成熟製程節點上累積的專業技術。 此領域的競爭邏輯與「大腦競賽」截然不同。它不追求峰值運算能力,而是著重於與特定致動器搭配時的穩定性與能源效率。

技術層面的關鍵在於具體應用。某家半導體開發商已推出一款小腦晶片

該技術基於類比域架構,將最講求時效的控制運算從數位處理轉移至即時並行類比運算,將關鍵控制指令的硬體處理延遲從 2.8 奈秒降低至 0.2 奈秒。 正如一位業界人士所指出的,小腦晶片具有產量大、應用廣泛及客戶黏著度高的特點。每個關節都需要一枚控制晶片,一台類人型機器人可能需要數十枚;一旦晶片被整合到設計中,更換的成本便極為高昂。這使得該領域成為專業半導體公司的肥沃沃土。

自研晶片與通用晶片之爭

另一場並行的辯論則聚焦於「究竟該由誰來設計這些晶片」。六月間的兩項發展,讓自研晶片成為焦點。 UBTech 成立了一家合資企業,旨在開發客製化晶片,預計於 2027 年下半年完成流片,並於 2028 年投入量產;同時,某家汽車製造商也發布了自主研發的晶片,並明確將其車輛定位為具身人工智慧終端。推動自主研發的驅動力顯而易見。 UBTech 董事長曾公開表示,外國通用晶片不僅成本高昂,且性能無法滿足機器人的特定需求,並指出外國晶片和材料約佔機器人物料清單(BOM)的三分之一。隨著生產規模擴大,與晶片相關的成本佔比愈發顯著,使自主研發成為控制支出的途徑。 在半導體出口管制日益嚴格的背景下,供應鏈安全更是另一項驅動力。

然而,挑戰同樣艱鉅。將資料中心式的架構縮小至邊緣裝置幾乎沒有先例;從成立新創公司到晶片流片僅需兩年的時程,以半導體產業標準來看相當緊湊;而成本能否透過足夠的銷售量攤銷,仍是個未解的經濟問題。因此,自主研發並非

唯一的途徑。合資企業既共同承擔風險,也擁有為特定情境定義晶片的權利;而第三方供應商則主張採用平台式方法,提供標準化的運算基礎,讓製造商在此基礎上打造自身的差異化優勢。

三條論述背後的單一判斷

這些辯論背後,隱含著一個關於機器人演算法收斂速度的核心判斷。若「視覺語言行動」(Vision Language Action)模型與世界模型等框架能在未來三至五年內趨於統一,專用晶片的投資報酬率將顯著提升,因為穩定的目標足以證明客製化成本的合理性。 若演算法持續快速迭代,則通用平台的靈活性結合異質運算將更具吸引力。這兩條路徑皆具備連貫的產業邏輯,目前尚無法做出最終定論。

目前,具身人工智慧晶片市場正處於一種富有生產力的不確定性之中。 大腦與小腦的分離、控制晶片領域的本土發展動能,以及自主設計、合資企業與平台供應等相互競爭的發展路徑,共同描繪出一個仍在探索其最持久價值所在的產業。這個問題的解決方式,將形塑本十年剩餘時間內進入工廠生產線的機器人的成本、能力與獨立性。

資料來源

· Gasgoo 汽車新聞,《440 億元湧入具身人工智慧,但晶片領域仍屬未開發疆域》,Greg 編輯,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