从扭秧歌到跑半马：机器人离「iPhone时刻」还有多远？

AIGC动态9小时前发布 almosthuman2014

48 0 0

文章摘要

过去半年，机器人在春晚舞台和半程马拉松等场景中的表现，将人们对机器人的认知从想象拉进现实。然而，当AI、汽车和互联网行业纷纷投身具身智能领域时，技术瓶颈、落地场景、真实需求以及量产成本等问题仍待解决。具身智能的「iPhone时刻」尚未到来，但行业已开始探索如何缩短技术转化周期并降低成本。

国内外平台型企业正争相布局具身智能机器人的计算开发平台。英伟达推出Jetson Thor，高通、英特尔紧随其后。国内的地瓜机器人发布的RDK S100算控一体化开发者套件，虽算力并非顶尖，但凭借「算控一体」设计、精准算力卡位和本地支持，成为英伟达之外的热门选择。RDK S100瞄准的是未来三年最可能量产的应用场景，目前已与20多家头部客户合作。

具身智能的实现路径主要分为一体化端到端模型和分层决策模型。前者通用性强但资源消耗大，后者可控性高但泛化性较弱。地瓜机器人认为，这两种路径并非选择题，而是不同阶段的技术方案。分层决策的「大小脑」模型被认为是当前更可行的方案：大脑负责感知决策，小脑负责运动控制。RDK S100通过CPU+BPU+MCU的超级异构设计，在单SoC上实现算控一体，解决了传统算控分离方案的延迟和成本问题。

算力并非越大越好，关键是与场景匹配。地瓜机器人与50家机器人公司交流后发现，未来三年最可能量产的场景是四足、轮式机器人或机械臂，百TOPS算力已足够。RDK S100的架构设计精准满足了这一需求。此外，其共享内存通信机制和SDK工具简化了开发流程，提升了性能表现。

地瓜机器人在算法、数据和系统优化等「水下根基」上也做了大量工作。通过ModelZoo算法仓、工具链和数据闭环方案，开发者能快速部署算法并解决数据匮乏问题。Sim2Real方案通过仿真生成数据，显著提升了机器人的迭代效率。目前，RDK S100已在人形机器人运动控制、四足机器人仿生步态和双臂自主叠衣等场景中验证了其潜力。

具身智能的技术路径有望进一步收敛，计算平台将呈现双线并行发展：中等算力的「算控一体」方案支持分层模型，大算力方案支持端到端模型。地瓜机器人希望像英伟达CUDA生态一样，成为机器人领域的基础设施提供者。通过「地心引力计划」，其已汇聚200多家初创公司，从硬件、软件到产业链资源提供全方位支持。这一策略旨在培育生态，加速具身智能产业的爆发。