千臺量產前夜，具身智能競爭已沉到底層基建

作者 | 曾響鈴

文 | 響鈴說

2026年的WAIC，人形機器人依然是展區里最吸睛的存在。只是，業內人聚在一起聊的話題，早已從“能不能翻跟頭、能不能實現抓取”換成了另一套語境——能不能連續跑24小時，能不能重復動作一萬次，能不能在產線上把良率拉到客戶要求的水平。

炫技的時代散場了，場內玩家看著手里拿到的新臺本，封面赫然寫著兩個字——量產。

就在WAIC開幕前一天，地瓜機器人開了一場不算高調的媒體溝通會。

地瓜機器人既不做人形整機，也不做機器狗，但它推出的旭日S600算力平臺，已經和二十多家頭部客戶達成了合作，覆蓋人形、工業具身、大模型等幾乎所有主流賽道。

它做的事情說起來很簡單，給所有機器人做一套通用的工業級大腦底座，再把從芯片到工具鏈再到供應鏈間的溝壑全部踏平、打通，幫整個行業把機器人從實驗室Demo推進到千臺萬臺的量產階段。

這件事聽起來不夠酷炫，但它恰恰踩中了當下具身智能行業最核心的痛點。

從秀肌肉到算ROI，行業的拐點到了

2026年被稱為具身智能的量產元年，不是因為技術突然出現了革命性突破，而是整個行業的評價體系徹底變了。

過去的機器人項目，十次實驗里成功一次，剪個視頻就能發稿融資?，F在客戶坐下來第一句話就問，故障率多少、節拍多少、投資回報周期多久、何時量產、能不能穩定交付？

幾個問題問下來，一大半Demo級項目都得退場。

從實驗室里反復驗證過的 Demo到量產交付，中間隔著三座難以逾越的大山——模型端側部署、大小腦算力協同和產業鏈配套。

山間鴻溝遠比大多數人想象的要寬。

首當其沖的就是模型落地的難題。

現在行業言必稱VLA模型，都知道大模型能給機器人帶來通用能力，但真要落地，立刻就撞上現實的墻。

把模型放云端跑，網絡延遲和抖動是無解的死穴，工業場景里，毫秒級的卡頓就可能導致一次操作失敗，一次失敗就可能導致整條產線停機、重新調試；把模型放端側跑，功耗、成本、帶寬全是約束。

訓練好的大模型要量化、適配、優化，一整套軟硬協同的工作做下來，工作量不比訓一個模型小。

其次是算力系統的復雜度遠超想象。

機器人不是只跑一個大模型就夠了，它要同時處理多路攝像頭和傳感器的數據，要控制幾十個關節的電機精準運動，要做實時的路徑規劃和異常處理。感知是一套系統，決策是一套系統，運動控制又是一套系統。

過去很多方案用多芯片拼接，成本高不說，系統之間的通信延遲、協同穩定性都是大問題。量產的時候，多一個零件就多一個故障點。

最后也是最容易被忽略的，是量產的一致性要求。

做十臺樣機，工程師可以一臺一臺調參數，做一千臺，每一塊PCB、每一個接口、每一批元器件都要保證性能一致，還要過高低溫、振動、沖擊等全套可靠性測試，要應對不同工況下的長期運行。

這件事沒有捷徑，全靠產業鏈的協同和工程經驗的沉淀。

這三座大山壓下來，就導致了一個很尷尬的局面：算法公司有模型能力，做不了量產硬件；硬件公司能做本體，搞不定端側大模型；整機公司想做產品，供應鏈和可靠性全要從頭踩坑。

全行業都在摸著石頭過河，每家都在重復造輪子，而地瓜機器人看到的機會就在這里。

它不想下場和大家搶整機賽道，它想做的是“賣鏟人”，把最通用、最底層、最耗工程的部分做好，做成標準化的平臺，讓所有合作伙伴輕裝上陣往前跑。

這個定位聽起來很熟悉。當年智能手機爆發前夜，高通做的就是這件事。當年自動駕駛落地前夜，地平線自己也走過這條路。歷史總是押著相似的韻腳。

一顆工業級大腦，不是堆算力這么簡單

旭日S600是這次溝通會的主角，紙面參數是560TOPS的AI算力。但如果只把它當成一顆大算力芯片，就完全看錯了它的設計邏輯。

現在行業里做具身算力的廠商不少，大家都在堆TOPS數字。

但真實場景里，紙面算力能發揮出多少，完全是另一回事。機器人跑的不是跑分軟件，是一整套復雜的協同系統。算力能不能被充分利用，延遲能不能壓下來，功耗能不能控制住，全靠架構設計和軟硬協同的功底。

地瓜的底氣來自第三代BPU Nash架構。這代架構專門針對Transformer算子做了深度優化，相比初代架構，Transformer網絡的加速比超過27倍。這個數字的意義在于，現在主流的VLA、VLM模型都基于Transformer架構，架構層面的原生優化，遠比單純堆計算單元效率高得多。

更關鍵的是它的單芯片全棧設計，一顆芯片里集成了四核BPU、十八核CPU和六核實時控制MCU。大模型推理、環境感知、任務調度、運動控制，所有功能都在同一顆芯片里完成。

這件事的價值要放到量產場景里看才清楚。多芯片方案要處理跨芯片的數據傳輸，延遲下不來，穩定性也難保證。單芯片方案省去了外部通信的開銷，控制精度和響應速度都能上一個臺階。同時整機的硬件架構會簡化很多，BOM成本降了，出問題的概率也降了。

對于量產來說，簡化本身就是一種可靠性。

更進一步看，硬件參數只是基礎，真正拉開差距的是量產級的可靠性設計。很多人沒注意到，旭日S600的核心模組支持-40到105攝氏度的寬溫工作，還過了11項可靠性驗證。這個指標在消費級產品里看起來很夸張，放到機器人身上就剛剛好。

人形機器人的算力模組通常放在胸腔位置，電機和電池一起發熱，內部溫度輕易就能超過八十度，工業場景里的機器人，夏天車間里的溫度本身就很高，還要長時間滿負載運行。如果芯片只能在常溫下跑，一到真實場景就降頻、死機，再高的算力也等于零。

當然，除了硬件，地瓜還在芯片里預置了一整套基礎算法。從全向環境感知、多相機視覺定位，到純視覺操作控制、雙足運動控制，機器人干活需要的四個核心環節都有現成的方案。

客戶拿到手不用從零開始寫基礎算法，直接就能在上面做自己的場景化功能。就像做手機不用自己開發相機算法，用車機芯片不用自己寫導航底層。把通用能力沉淀到底層平臺，讓上層公司專注做差異化，這就是平臺型產品的核心價值。

這里面有個很有意思的判斷，很多人覺得具身智能的核心競爭力是模型，是算法，但越往量產走就越會發現，算法只是其中一環。真正決定產品能不能落地的，是硬件可靠性、工具鏈成熟度、供應鏈穩定性這些看起來不性感的工程能力。

真正的壁壘，從來不在參數表上

如果只是賣芯片，地瓜和其他算力廠商也沒什么本質區別。它真正的差異化，是芯片之外的一整套生態和工具鏈，還有背后的產業協同能力。

做過芯片落地的人都知道一個道理?？蛻糍I的從來不是芯片本身，而是芯片之上能不能快速跑通自己的業務。工具鏈好不好用，技術支持跟不跟得上，配套資源夠不夠多，這些才是決定選型的關鍵。

這次溝通會上，地瓜正式開源了Moss? Agent Engine。這套東西通俗點說，就是用AI來開發AI機器人。

過去開發機器人功能，要專業工程師寫代碼、調參數、排錯，一個簡單的抓取功能可能要折騰好幾周?，F在通過Moss框架，開發者用自然語言下達指令，系統就能自動完成目標識別、路徑規劃、動作調試的全流程。開發周期從幾個月壓縮到幾周，效率提升是數量級的。

這背后是一整套云邊端協同的開發體系。云端有RoboGo平臺負責數據生成、模型訓練、量化部署。PC端有RDK Studio負責硬件連接和應用調試。端側有Moss Agent負責執行和反饋。三者形成閉環，把整個開發流程重構了一遍。

這件事的長期影響比想象中大。

現在具身智能行業最大的瓶頸之一就是人才，既懂機器人又懂AI還懂端側優化的工程師鳳毛麟角。用AI工具降低開發門檻，本質上就是在擴大行業的人才池。當更多人能參與進來，整個行業的迭代速度才會真正提上來。

另外，在產業鏈層面，地瓜還拉了一百多家產業鏈伙伴，覆蓋從傳感器、執行器到控制器、代工廠的全鏈路，其中最值得注意的是一批汽車Tier1的加入。

汽車行業做了幾十年大規模制造，在功能安全、質量管控、供應鏈管理上的積累，比機器人行業深厚得多。把汽車級的控制器方案、量產標準和制造經驗引入機器人行業，相當于直接把機器人的量產能力拉上了一個臺階。

客戶選用旭日S600的平臺，不用再一家家去談供應商、做適配，直接就能從生態里選成熟方案。

很多人討論芯片壁壘，總喜歡聊架構、聊制程、聊算力數字，但真正在產業里跑過就會明白，早一步和客戶一起聯調，早一步踩完量產的坑，早一步把供應鏈跑通，這些積累下來的優勢，遠比紙面參數更難逾越。

就像地瓜CEO王叢在群訪里說的那樣，所有的壁壘本質都是相對壁壘，技術優勢的有效期很短，只有在真實項目里攢下來的需求理解、工程經驗和供應鏈關系，才會慢慢滾出復利。

量產的坑，總要有人先踩一遍

當然，現在就說勝負已定還為時尚早。具身智能整個行業都還處在非常早期的階段，沒有任何一條路線敢說自己是標準答案。

比如模型的尺寸還在快速迭代。現在端側主流的VLA模型還是幾B參數的規模，未來半年一年很可能就會漲到十幾B甚至幾十B，算力需求的天花板在哪里，現在沒人說得準。

比如數據的矛盾還沒有解開。模型泛化能力要提升，必須有大量真實場景的數據，但沒有足夠好的模型，就拿不到真實場景的落地項目，這個死循環只能靠持續投入來破，先做產品，先進場，再慢慢迭代。這也是為什么行業里大家都在燒錢做數據，做試點。

再比如泛化能力的邊界在哪里。現在能落地的基本都是相對封閉的特定場景，倉儲搬運、產線上下料這些，真正的通用人形機器人，能應對開放環境里的各種任務，還有很長的路要走。行業里清醒的人都知道，現在談全場景通用還太早，先把幾個垂直場景做透、跑通ROI，才是當下最務實的選擇。

也正因為如此，平臺型公司的價值才會凸顯。場景千差萬別，不可能每一家都從頭做一遍底層算力和工具鏈。有一個通用的底座，大家在上面做各自的場景創新，整個行業的試錯成本才會降下來，迭代速度才會提上去。

這件事當然不容易。做平臺意味著要兼容各種需求，要適配各種模型，要應對各種千奇百怪的場景，意味著要做很多臟活累活，賺看起來不那么暴利的錢，但一旦做成了，就是整個行業的基礎設施，所有玩家都離不開你。

從自動駕駛跨界到具身智能，地瓜帶過來的不只是芯片技術，更重要的是一套完整的量產方法論，知道怎么從Demo走到量產，知道中間有多少坑，知道哪些地方可以省力氣，哪些地方絕對不能省。

這些經驗沒有辦法憑空獲得，只能一個項目一個項目踩出來，而現在整個具身智能行業，最缺的恰恰就是踩過坑的人。

*本文圖片均來源于網絡