但就如上述，真正決定機(jī)器人是否“有用”的，是它的“大腦”，而這則是另一條完全不同的競爭賽道。
如上述，當(dāng)人形機(jī)器人從“會(huì)動(dòng)”轉(zhuǎn)向“有用”，一個(gè)更底層的現(xiàn)實(shí)浮出水面，即人形機(jī)器人的核心，不在關(guān)節(jié)和電機(jī)，而在芯片。
眾所周知，2026年，AI芯片市場的爆發(fā)在汽車等消費(fèi)領(lǐng)域已經(jīng)產(chǎn)生連鎖反應(yīng)，具體表現(xiàn)為存儲芯片和算力芯片供不應(yīng)求，DDR5等關(guān)鍵存儲價(jià)格大幅上漲，部分供應(yīng)商甚至預(yù)告二季度價(jià)格漲幅可能達(dá)到40%以上。為此大量傳統(tǒng)車企上調(diào)售價(jià)，背后一個(gè)重要原因正是其自動(dòng)駕駛與智能座艙所需的算力和存儲資源，被AI工業(yè)和機(jī)器人算力需求從同一池子里“抽走”了產(chǎn)能。
與此同時(shí)，英偉達(dá)在GTC 2026推出面向具身智能的新一代計(jì)算平臺，試圖把“機(jī)器人大腦”的訓(xùn)練、驗(yàn)證和部署做成一整套閉環(huán)系統(tǒng)，即云端有專為具身智能優(yōu)化的世界模型和訓(xùn)練框架，中間有Omniverse/Isaac Sim這樣的高保真仿真環(huán)境，邊緣端則是持續(xù)升級的Jetson/Orin乃至Jetson Thor等機(jī)器人SoC。而對于機(jī)器人廠商來說，一旦選定了這條技術(shù)路徑，則不止芯片，而是把整個(gè)軟件棧、開發(fā)工具鏈乃至后續(xù)運(yùn)維都綁定在了英偉達(dá)身上。
此外，AMD、谷歌、亞馬遜以及微軟等云巨頭也在不斷推出自研AI加速器。例如微軟1月剛剛發(fā)布的Maia 200推理加速器同樣采用臺積電3納米制程，配備216GB HBM3e內(nèi)存；亞馬遜Trainium3、谷歌第7代TPU Ironwood均已量產(chǎn)或試產(chǎn)，試圖在這一賽道分一杯羹。
而它們的共同特點(diǎn)是計(jì)算和功耗密度極高，對制程和封裝的要求遠(yuǎn)超傳統(tǒng)手機(jī)SoC或通用CPU。而要想在30–60瓦甚至更低的功耗下支撐百億參數(shù)級多模態(tài)模型的實(shí)時(shí)推理，且具備一定的冗余空間，應(yīng)對算法迭代，這些芯片幾乎都必須壓在5納米、4納米甚至3納米制程節(jié)點(diǎn)，并與多堆疊HBM通過2.5D/3D先進(jìn)封裝方式緊密耦合。這幾乎將所有路徑，收斂到同一個(gè)終點(diǎn)—先進(jìn)制程能力。
也正因?yàn)槿绱?，無論是誰設(shè)計(jì)芯片，最終都要“排隊(duì)”交給臺積電等少數(shù)代工廠生產(chǎn)，這構(gòu)成了魏哲家敢于宣稱“全球95%的機(jī)器人大腦由臺積電制造”的底氣。雖然這一比例在統(tǒng)計(jì)口徑上可能存在爭議，但業(yè)界普遍認(rèn)為，在5納米、3納米等先進(jìn)制程以及CoWoS等2.5D/3D先進(jìn)封裝領(lǐng)域，臺積電目前的確擁有壓倒性優(yōu)勢，甚至連英偉達(dá)自家高層都公開承認(rèn)，其旗艦GPU交付能力很大程度上被臺積電封裝產(chǎn)能“天花板”限制。
從這個(gè)意義上說，中國企業(yè)在機(jī)器人“身體”環(huán)節(jié)拿下80%–90%甚至更多的出貨份額，并不等于掌握了產(chǎn)業(yè)鏈的話語權(quán)。
不可否認(rèn)，在電機(jī)、減速器、結(jié)構(gòu)件、電池等部件上，中國憑借完善的供應(yīng)鏈和極致的成本控制，的確做到了全球最強(qiáng)，但在決定性能上限和利潤率高低的AI芯片設(shè)計(jì)、制程及軟件棧環(huán)節(jié)等核心方面仍牢牢掌握在美國設(shè)計(jì)巨頭和臺積電這樣的代工寡頭手中。而這一剪刀差，也正是魏哲家站在臺上，敢于對“會(huì)跳來跳去的機(jī)器人”嗤之以鼻的底層邏輯所在，即真正決定人形機(jī)器人競爭格局的，不是誰先造出下一個(gè)會(huì)后空翻的鋼鐵俠，而是誰擁有為它們“裝上大腦”的制程與算力。
如果我們把上述視為一場圍繞“算力高地”的全球布局，那么在中國，則正在進(jìn)行一場極其艱難卻異常關(guān)鍵的“換腦術(shù)”。
眾所周知，在美國對高端GPU和相關(guān)EDA工具、制造設(shè)備等實(shí)施多輪出口限制后，中國企業(yè)在獲取頂級英偉達(dá)GPU（如H100、H200、B200等）方面面臨嚴(yán)格約束，尤其是在大型訓(xùn)練、推理集群以及高端機(jī)器人控制平臺上，越來越難以直接采購最新產(chǎn)品。
在這種壓力下，華為的昇騰（Ascend）系列成為中國本土算力基礎(chǔ)設(shè)施的代表，其正在通過大規(guī)模集群架構(gòu)（如基于910C/910D的AI集群）、自研AI框架MindSpore以及配套的軟件生態(tài)，試圖構(gòu)建一套相對完整的國產(chǎn)算力體系。
與此同時(shí)，中國在“機(jī)器人大腦”側(cè)的探索，并非只是昇騰這一條主線。
一方面，以地平線、黑芝麻智能為代表的邊緣AI芯片廠商，正在將原本服務(wù)于自動(dòng)駕駛的高能效推理芯片向機(jī)器人場景延伸，強(qiáng)調(diào)在低功耗條件下完成視覺感知與實(shí)時(shí)決策，這類芯片雖然算力規(guī)模不及數(shù)據(jù)中心級GPU，但在實(shí)際落地中更接近“機(jī)器人控制中樞”的形態(tài)；另一方面，寒武紀(jì)、燧原科技等通用AI芯片廠商，則繼續(xù)在訓(xùn)練與推理一體化方向推進(jìn)，試圖在數(shù)據(jù)中心側(cè)提供可替代GPU的算力底座，與昇騰形成某種“多點(diǎn)支撐”的格局。
此外，一些整機(jī)廠商也開始自研或深度定制機(jī)器人專用SoC，例如圍繞運(yùn)動(dòng)控制、傳感融合與多模態(tài)推理進(jìn)行異構(gòu)集成，試圖在通用GPU之外，走出一條更貼近機(jī)器人形態(tài)的專用計(jì)算路徑。
需要強(qiáng)調(diào)的是，雖然國內(nèi)廠商在“小腦”（運(yùn)動(dòng)控制）和“眼睛”（視覺識別）芯片上已經(jīng)能做到性價(jià)比極高，但真正的痛點(diǎn)依然在于缺乏類似英偉達(dá)Jetson Thor那樣的“超大規(guī)模多模態(tài)通用計(jì)算平臺”，使得目前國內(nèi)大部分廠商依然處于“拼盤”階段，例如用華為或地平線的芯片做視覺感知，用國產(chǎn)高性能單片機(jī)做電機(jī)控制，再用自研算法進(jìn)行粘合。而這種“拼盤”式的做法，勢必導(dǎo)致軟件適配的“木桶效應(yīng)”、算力損耗與通信延遲以及“數(shù)據(jù)飛輪”斷層等挑戰(zhàn)。
以“數(shù)據(jù)飛輪”的斷層為例，由于國產(chǎn)廠商往往缺乏配套的高保真仿真平臺，如果用英偉達(dá)的平臺訓(xùn)練，再手動(dòng)把模型“翻譯”到國產(chǎn)芯片上，中間的精度損失和適配工作量極其驚人。又如軟件適配的“木桶效應(yīng)”，如果你用A公司的芯片做視覺，B公司的芯片做運(yùn)動(dòng)控制，中間就需要大量的底層驅(qū)動(dòng)對齊和通信延遲優(yōu)化，為此開發(fā)者80%的精力都在調(diào)接口、對協(xié)議，而不是在優(yōu)化機(jī)器人的算法，從而導(dǎo)致產(chǎn)品迭代速度被英偉達(dá)生態(tài)甩開。
如果說在具身智能領(lǐng)域，“芯片決定下限、數(shù)據(jù)決定上限”已經(jīng)成為共識，那么中美在數(shù)據(jù)獲取路徑上的差異也愈發(fā)明顯。
美國以英偉達(dá)的Omniverse 與Isaac Sim等平臺為代表，試圖構(gòu)建一個(gè)高保真虛擬世界，在其中1:1復(fù)刻真實(shí)物理規(guī)律（重力、摩擦、光影等），讓成千上萬的虛擬機(jī)器人以遠(yuǎn)超真實(shí)時(shí)間的速度進(jìn)行操控訓(xùn)練，例如學(xué)會(huì)如何拿雞蛋、避障、抓取不規(guī)則物體等。訓(xùn)練完成后再將策略和模型下發(fā)到現(xiàn)實(shí)世界中的物理機(jī)器人，由此大幅降低真實(shí)試錯(cuò)成本。
相比之下，中國企業(yè)則更多傾向于利用硬件成本優(yōu)勢采用“泥腿子進(jìn)城”的現(xiàn)實(shí)路線。既然機(jī)器人本體足夠便宜，那就先造出幾萬甚至十幾萬臺，讓它們直接進(jìn)入工廠、倉儲中心、生產(chǎn)線等真實(shí)場景，在實(shí)踐中不斷摔倒、碰撞和試錯(cuò)。而對于那些成本可控、風(fēng)險(xiǎn)可管理的場景，損壞一臺機(jī)器人或一個(gè)伺服電機(jī)的代價(jià)遠(yuǎn)低于獲取真實(shí)世界數(shù)據(jù)的長期價(jià)值。通過這種“暴力堆量”的策略，中國企業(yè)從一線場景中點(diǎn)滴積累“原汁原味”的物理數(shù)據(jù)，用于訓(xùn)練和優(yōu)化多模態(tài)模型。這兩條路徑，一條依賴算力，一條依賴場景，本質(zhì)上代表了不同資源稟賦下的最優(yōu)選擇。
寫在最后：回望整個(gè)產(chǎn)業(yè)，我們發(fā)現(xiàn)一個(gè)熟悉的規(guī)律正在重演，那就是在技術(shù)浪潮初期，最熱鬧的是終端產(chǎn)品，但最穩(wěn)定的價(jià)值，卻掌握在“賣水人”手中。從算力、芯片到關(guān)鍵部件與數(shù)據(jù)基礎(chǔ)設(shè)施，這些看似不顯眼的環(huán)節(jié)，才是真正決定長期格局的根本。
而魏哲家的那句“跳來跳去沒用”，并非對人形機(jī)器人的否定，而是對產(chǎn)業(yè)認(rèn)知的一次糾偏，即在這場關(guān)于人形機(jī)器人的競賽中，肌肉會(huì)迅速貶值，硬件會(huì)不斷內(nèi)卷，唯有算力與智能，才是長期稀缺資源，而也是我們必須要占領(lǐng)和奪取的。
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論