作者｜向欣

編輯｜白雪

具身智能的熱度，正在和其技術實用性產生割裂感。

不少人形機器人宣布進廠上班，但實則是在「訓練」完成任務，反應遲緩、效率有限，距離真正替代人工還有很大差距。企業(yè)也因無法實現(xiàn)實現(xiàn)真正落地，產生商業(yè)價值而遭受質疑。

具身智能機器人應用落地為什么這么難？

一個在開發(fā)環(huán)節(jié)就存在的困局是，沒有統(tǒng)一標準、沒有可復用組件，不同企業(yè)不得不重走一遍基礎設施的搭建流程，消耗大量資源，卻難以真正落地。

地瓜機器人 CEO 王叢指出，當前機器人領域存在大量「重復造輪子」的現(xiàn)象，這些重復行為并不會帶來額外價值，問題根源在于市場缺乏好用、通用的工具。

要讓具身智能機器人動起來干活，需要打通從認知到執(zhí)行的全鏈條。

而這一切的前提，是能否構建出一套高效、靈活、可復用的機器人開發(fā)體系。

對產業(yè)來說，開發(fā)平臺不僅是技術落地的橋梁，更決定了具身智能能否走出實驗室，真正進入工廠、園區(qū)和家庭。

開發(fā)機器人，像在拼一套碎片化的積木

對于尚未形成規(guī)�；�的具身智能機器人行業(yè)來說，做機器人開發(fā)，每次都要從 0 到 1 進行構建。

在機器人進入各類真實場景前，開發(fā)者們面臨三大痛點：開發(fā)過程復雜、缺乏工具鏈、泛化能力弱。

機器人要完成「感知-決策-控制」三個核心環(huán)節(jié)，傳統(tǒng)開發(fā)中常需多個處理器，如主控 MCU+邊緣 AI 板+運動控制器等，各個環(huán)節(jié)相對獨立，而不同廠商提供的模塊標準不統(tǒng)一，接口適配難、調試成本高、開發(fā)周期長，一般初創(chuàng)團隊難以承受。

在機器人開發(fā)環(huán)節(jié)，多數(shù)廠商僅提供個別軟硬件，沒有完善的開發(fā)者工具鏈和仿真驗證環(huán)境，缺乏模型倉庫和一站式部署支持，導致產品更新、迭代困難。

目前多數(shù)機器人開發(fā)方案針對特定硬件平臺或特定機器人形態(tài)定制，難以跨平臺或復用。適配不同形態(tài)、不同場景代價巨大。

面對開發(fā)復雜、控制鏈路斷裂、算力分散等問題，目前機器人開發(fā)者主要依賴以下三種主流方案，各有優(yōu)劣。

第一類方案是使用 NVIDIA Jetson 系列開發(fā)板，主要適配巡檢、配送、工業(yè)視覺檢測等高性能機器人。

Jetson 系列開發(fā)板集成了英偉達 SoC 芯片、DDR 芯片、PMIC 芯片等核心芯片，產品算力覆蓋 20~275TOPS。

它的優(yōu)點是 AI 推理能力強大，尤其擅長視覺處理，可部署深度學習模型。但由于其本質上是為 AI 而非控制場景優(yōu)化，Jetson 在實時性與控制精度上存在明顯短板，難以勝任精細的運動控制或快速響應的多關節(jié)協(xié)調任務。

第二類方案是將控制計算分拆為多個模塊，由 MCU+ FPGA + 運動控制板分別完成控制、信號處理等任務。

MCU（微控制器單元）：負責邏輯控制和實時任務；

FPGA（現(xiàn)場可編程門陣列）：通過硬件編程實現(xiàn)高速并行計算，延遲可低至微秒級；

運動控制板：連接 MCU 與 FPGA，形成「決策 - 執(zhí)行」閉環(huán)。

這種方案的優(yōu)點是具備較高的實時性、控制精度，常用于工業(yè)自動化中的固定流程或精密機械控制中，如傳統(tǒng)的工業(yè)機械臂、協(xié)作機器人與醫(yī)療手術機器人等。

然而這種方案原生不支持深度學習框架，難以直接運行視覺與 AI 算法、不擅長承載復雜感知與規(guī)劃，也就不適合需要持續(xù)算法迭代的具身智能機器人。

同時，模塊化設計導致系統(tǒng)集成難度大、維護成本高，開發(fā)周期長、調試不友好。

最后一類是樹莓派/STM32 等通用開發(fā)板+ROS 的方案。

多數(shù)通用開發(fā)板功耗較低，價格親民，幾十到幾百元就能解決，ROS 則是一個開源的機器人操作系統(tǒng)。

這種方案在教育與科研領域很常見，具有良好的開源生態(tài)和入門門檻低的優(yōu)勢，適合學生和初創(chuàng)團隊快速做原型驗證。

但通用開發(fā)板與 ROS 兩者的科研教育定位，也決定了他們均未針對工業(yè)級實時性、可靠性進行優(yōu)化，更多適用于非關鍵任務原型開發(fā)。

這種方案下開發(fā)的機器人不適合大規(guī)模部署或商用機器人產品化。若開發(fā)者想進一步升級迭代機器人，則需要更換別的開發(fā)方案以適應性能要求。

三類方案雖然各有亮點，但要同時滿足「算力強、控制準、開發(fā)快、生態(tài)全」的要求，仍然存在瓶頸。

行業(yè)需要的，是一種集成度高、算控協(xié)同、工具鏈完整的新一代開發(fā)平臺。

業(yè)內首款 SoC 算控一體計算平臺：RDK S100

地瓜機器人新推出的 RDK S100，成為行業(yè)中的新解法。

RDK S100 是地瓜機器人面向具身智能領域推出的一款機器人開發(fā)套件，擁有 80/128TOPS 兩種算力規(guī)格。

地瓜機器人開發(fā)者生態(tài)副總裁胡春旭介紹，如果人的大腦是整個計算中心，RDK S100 就相當于大腦的物理部分。

大模型、算法等 AI 技術與機器人數(shù)據的傳輸都需要硬件作為載體。

RDK S100 就可以充當這個硬件載體。除此之外，它還集成了相應的軟件、文檔及開發(fā)工具。RDK S100 在機器人開發(fā)方面具備三大優(yōu)勢。

首先，RDK S100 是算控一體的，采用大小腦協(xié)同的設計，單個開發(fā)套件就能實現(xiàn)具身智能機器人「感知-決策-執(zhí)行」的閉環(huán)。

算，指的是大腦的感知決策；控，則指的是小腦的運動控制。

以往的機器人開發(fā)平臺是算控分離的，大小腦由不同的開發(fā)板控制，需要通過外接的線連接，由于硬件堆疊，需要額外布線，開發(fā)成本上升，難度也變大。

RDK S100 最大的亮點在于 CPU+BPU+MCU 的異構架構，充分釋放了不同計算單元的算力，將大腦的計算推理與小腦的控制功能都集成到一塊開發(fā)板上，解決了軟硬件分離導致的集成與成本難題，部署更為簡單快速，性能效率也更高。

具體來看，RDK S100 中的架構分為兩個板塊：

CPU+BPU：共同組成大腦。

6 核 CPU：負責通信與邏輯推理；

BPU：針對 Transformer 優(yōu)化的全新一代納什架構，是提供核心算力的硬件引擎，負責模型推理；

MCU：小腦。

4 核 MCU 為運控核心，負責底層高頻運動控制。

RDK S100 的第二大優(yōu)勢是軟硬一體，提供了機器人開發(fā)的相應算法模型以及全鏈路工具鏈，生態(tài)資源豐富。

在算法模型方面，RDK S100 支持部署多種主流 AI 模型，地瓜機器人既提供官方調優(yōu)，適用于 RDK S100 的 AI 模型倉庫 ModelZoo，也通過機器人算法中心 NodeHub 為客戶提供 200+開源算法和應用示例，幫助用戶快速完成算法部署。

算法要部署到硬件上，通常需要進行適配才能高效運行，即模型轉換。

在工具鏈方面，地瓜機器人一方面提供完善的模型轉換工具鏈，通過多種模型轉換輔助工具與仿真環(huán)境加速算法落地；另一方面提供基于 ROS2 的硬件加速功能包 TogetheROS.Bot，提升機器人應用開發(fā)的易用性。

RDK S100 的第三大優(yōu)勢，是跨場景與多形態(tài)的通用適配能力。

RDK S100 能夠針對不同場景需求，高效切換多種模型，應對園區(qū)巡檢、末端配送、商業(yè)清潔等場景，并適配四足機器人、半人形機器人與全尺寸人形機器人等不同形態(tài)，滿足多樣化機器人形態(tài)的實時推理需求。

RDK S100 的部署速度也很快。將 RDK S100 部署到逐際動力的 TRON1 雙足機器人上僅需 1 小時。

三重優(yōu)勢，使得 RDK S100 既具備科研的開發(fā)性，也具備場景的應用性。

例如，以宇樹科技的 G1 人形機器人為載體，開發(fā)者在 RDK S100 成功部署了優(yōu)化后的 ASAP 框架（由英偉達和卡內基梅隆大學聯(lián)合研發(fā)的框架），讓 G1 能夠跳舞，并且大幅降低部署工程的資源占用，BPU 推理占用率僅 2%，CPU 占用降 250%，為復雜任務釋放算力。

在智能交通、工業(yè)檢測、果園檢測等檢測場景，RDK S100 支持多種攝像頭接入與多路視頻流并行處理，可實現(xiàn)微小目標的精準識別，提供極其細膩的圖像感知信息。

不過，產品做得好只是第一步，如何推動下游產品應用與落地，還要看開發(fā)生態(tài)如何構建，以及產業(yè)趨勢如何演進。

誰能定義下一代開發(fā)平臺？

機器人開發(fā)正在成為一片快速升溫的「藍�！�。

中商產業(yè)研究院數(shù)據顯示，中國具身智能市場規(guī)模不斷擴大，預計 2027 年有望達到 1.25 萬億元。

國信證券預測，人形機器人是有望超過智能手機、新能源汽車市場規(guī)模的兆億元級賽道，應用潛力巨大。

與此同時，面向機器人應用的開發(fā)平臺卻鳳毛麟角，能夠貫通從底層硬件到上層應用的完整體系更是稀缺。

目前機器人開發(fā)領域的玩家大致可以分為兩類。

一類是芯片企業(yè)。代表企業(yè)主要是英偉達、地平線（地瓜機器人）。它們的策略是從開發(fā)工具切入，構建底層標準。

英偉達強在仿真平臺與生成式 AI 生態(tài)，優(yōu)勢偏向云端部署；

地瓜機器人更聚焦端側，強調控制能力。

英偉達在 2018 年開始就向機器人方向布局，以開發(fā)平臺（計算中心）、硬件產品、基礎模型三大類產品為主，圍繞仿真、開發(fā)與訓練環(huán)境打通「云端機器人�！梗�適合云訓練、大模型推理等場景。

地瓜機器人則從地平線孵化而來，雖然同樣具備云端協(xié)同能力，但產品布局重心明顯偏向端側——它更關注機器人真實運行過程中的控制精度、實時響應與系統(tǒng)閉環(huán)能力。

地瓜機器人產品布局

地瓜機器人在端側布局了芯片、RDK 開發(fā)套件、機器人操作系統(tǒng)，在云側提供云端開發(fā)環(huán)境、NodeHub 機器人算法中心。

目前芯片為地瓜機器人的主要營收核心，迄今出貨量已超過 500 萬片，搭載于科沃斯、云鯨等行業(yè)頭部客戶的熱銷產品中。

在具身智能領域，地瓜機器人基于 RDK S100，已與 20+具有行業(yè)影響力的具身智能領域頭部客戶建立合作，包括樂聚機器人、逐際動力、維他動力等。

此外，RDK S100 還獲超過 50 家客戶開展測評。

背靠地平線芯片能力，疊加地瓜機器人在服務機器人賽道積累的實踐經驗，它正試圖打造一條適用于科研、教學、產業(yè)多場景的通用開發(fā)平臺路徑。

另一類機器人開發(fā)的玩家，是人形機器人整機廠商，它們主要從上往下反哺生態(tài)。

這類玩家的代表有智元機器人、宇樹科技、眾擎機器人等。

它們通過提供完整的機器人本體，以及與機器人產品配套的開發(fā)資料來完成商業(yè)化。

相比芯片企業(yè)，它們更擅長將軟硬件系統(tǒng)打包成工程化產品，開發(fā)者可基于本體接口快速部署視覺識別、動作模仿等任務。

兩類機器人開發(fā)市場的主要玩家，發(fā)展路徑有明顯差異：

芯片企業(yè)提供「硬標準」——即面向開發(fā)者的標準化硬件平臺和工具體系，需要開發(fā)者自行搭建機器人系統(tǒng)；

整機企業(yè)提供「軟接口」——即將本體搭建好，開發(fā)者只需調用其預設接口進行功能二次開發(fā)。

它們之間并非直接競爭關系，而是構成一種協(xié)同共生的生態(tài)網絡：芯片企業(yè)打通底層、整機企業(yè)提供功能開發(fā)，未來有希望連接場景。

這些企業(yè)不約而同瞄準了機器人開發(fā)，而非場景應用，主要原因有兩個。

一方面，開發(fā)平臺對應的科研與教學市場是當前最明確、可持續(xù)的商業(yè)化通路。

另一方面，一旦開發(fā)者習慣在某平臺上完成從建模到部署的全過程，這個平臺就具備了對下游廠商、整機商甚至操作系統(tǒng)層的向上影響力。

做機器人開發(fā)平臺，不僅意味著短期內的產品出貨機會，還有望主導下一代機器人產業(yè)格局。

這種路徑已經在消費電子和 PC 產業(yè)領域被反復驗證成功。地瓜機器人的定位，可類比手機時代的高通、安卓，或是 PC 時代的英特爾、英偉達。

手機時代，高通提供統(tǒng)一的硬件能力，安卓和蘋果建立開發(fā)生態(tài)，共同撐起移動互聯(lián)網十年黃金期；

PC 時代，英特爾、英偉達在底層制訂標準，開發(fā)工具和操作系統(tǒng)則推動整個行業(yè)走向規(guī)�；�。

具身智能時代，也將誕生類似的「生態(tài)型企業(yè)」：既有控制底層的芯片和平臺能力，又能搭建上層的開發(fā)工具和應用生態(tài)。

機器人產業(yè)的第一批贏家，可能就是那個既能降低開發(fā)門檻、又能定義開發(fā)范式的平臺型企業(yè)。

       原文標題 : 具身智能落地難：卡在「算控分離」的開發(fā)困局