云天励飞罗忆：用算力积木破解具身智能算力挑战｜EAIRCon 2025

11月19日，由智一科技旗下智猩猩、智东西共同发起主办，机器人前瞻、极果协办的2025中国具身智能机器人大会（EAIRCon 2025）在深圳举行，在具身智能人形机器人专题论坛上，云天励飞副总裁罗忆以《芯智AI，具身未来》为主题发表演讲。

云天励飞副总裁罗忆谈道，AI技术发展经历了逻辑推理、专家系统到AI人机协同的三次浪潮，大模型的出现为机器人从专业走向通用带来曙光，并带来了从“懂控制”到“会思考”的范式变化。

但当下，具身智能仍面临算法与数据、技术路线选择、算力瓶颈等多方面的挑战。

从AI芯片视角来看，国内厂商给出了具身智能算力新路径：云天励飞在其四代NPU的基础上，正研发第五代GPNPU架构Nova 500，可无缝对接CUDA生态，适配各类大模型架构，并通过“算力积木”等技术，提升大模型推理效率，推动具身智能破解算力挑战。

目前，其多款芯片模型作为协处理器助力普渡科技、赛特智能等客户落地项目；该公司还落地广东某区机器人指挥平台，实现“感知-决策-处置-确认”的业务闭环，支持多形态机器人的统一管理调度。

以下为罗忆的演讲实录：

云天励飞是AI推理芯片的厂商，希望能够更好地服务具身智能产业。对于产业和整个市场，我们将从芯片厂商的视角，和大家做一些分享。

大家越来越形成了一些共识——AI正推动第四次工业革命，包括工业界、产业界，还有中央文件，都有AI渗透的共识。云天励飞正是在这一波AI浪潮的起始时于2014年创立。

一、把握AI发展的第三波浪潮，机器人从专用走向通用

AI技术发展经历了三波浪潮：第一波以感知智能为主，深度学习的算法更多解决的是感知的问题；第二波是从Transformer的架构被提出之后，从2022年到现在的生成式AI，我们发现感知问题基本被解决之后，机器学会了思考，它有了一定的决策的能力；第三波浪潮，它的终局一定是让AI或者机器能具备行动的能力，这个行动能力，可能是指AI或者机器的双手长在互联网上，如MPC接口。在未来的企业里，除了有血有肉的真人员工外，很多数字人员工也会上岗。

我们未来会有三个机器人陪伴你生活、出行以及帮你去打工，在企业里面未来也可能有真人、数字人和机器人。作为智能，它需要有感知能力、决策能力，以及回馈物理世界的行动能力。我们认为这是一个发展的趋势。

对于机器人产业，大家印象比较深的可能是波士顿动力人形机器人的运动能力，包括今年宇树等机器人在产业应用上把运动控制做到了极致，从可行性到量产降本。如果要真正能去工厂打螺丝，真正能够实现百千量级进入工厂，虽然感觉机器人还差一口气，但我们可以看到很多的技术路线都正不断探索中。

大模型为机器人带来了范式改变。不管是原来的认知感知，还是现在的大模型、具身智能，在很多技术路线上，我们会选择参考海外头部企业的做法。比如，我们关注到了马斯克的Optimus机器人。机器人在我们看来更像无人车，无人车是另一种代替我们出行的机器人。马斯克团队把FSD（特斯拉的全自动驾驶技术）的方法论泛化到机器人上，通过工业降本、量产、产业化的方式，将大量的机器人投放到实际的运行环境中，在真实环境中去构建数据飞轮等。这一系列的有效尝试，正推动具身智能产业快速发展。

二、具身智能的挑战：算法、数据、技术路线和算力瓶颈

从技术上来讲，具身智能和AI相同。AI三要素包括算法、数据、算力，机器人产业的三大核心要素仍然是算法、数据、硬件，这里的硬件包括控制、灵巧手等更复杂的系统，这三大要素需要更协同的发展。

在技术路线上，以宇树为代表的企业，他们开发的机器人的小脑发育度很高，能以更低的成本做出非常灵活的动作。但目前，机器人能真正接受人的指令，去泛化进入陌生的场景完成简单任务，这件事仍然很难，即大脑的发育还存在困难。

我认为具身智能的发展有一些困难点，一方面是算法和数据。

这是一个相对的概念，在不同的发展阶段，机器人总有可适应的场景，哪怕只是一个具备小脑的机器人，它也可以进行表演和娱乐。

不过，机器人的发展是螺旋上升的过程。具身智能的复杂度相对于智能驾驶的复杂度高了几个维度，两者数据缺口的对比可能差了5到6个量级。

所以，在开发具身智能的过程中，怎么更低成本地获取训练的数据、创新算法，并在限定的环境之下找到它的应用场景，通过这些场景的落地来生产更多的数据，反哺整个产业的发展，我觉得这是业界需要探索的问题。

另一个方面，具身智能仍有多个方向的技术路线正在探索。例如，如何把大模型时代的“慢思考”能力带入机器人系统；再比如，机器人系统是大小脑的协同，如何把一个决策任务做到更精致？如何在准确性和高效性上找到一个平衡点？包括类似于像FSD的端到端的模型，它不能完全解决所有的问题，其数据质量敏感性、人类操作员不良操作的数据污染问题，都需要进行综合考量。

从算力或者说芯片厂商的视角，推动具身产业的发展需要什么样的算力支撑，我们觉得有两个方向的考量，在这里借鉴一下英伟达的观点。

老黄曾经说过，具身智能需要3台机器：第一台机器是用超级计算机来做模型训练；第二台机器需要构建一个仿真的环境，让具身智能能够在这个仿真环境里面进行测试和验证；第三台才是运用到它本体的计算机，这三条线在同步发展。不过，特斯拉自身有产业链闭环的优势，马斯克的观点是，他们要创造一个训推一体、基于本体的机器人，能够不断实现数据飞轮、自我进化以及自我学习。

对于芯片厂商来讲，中美高端AI训练芯片的差距还是比较大的。国内可能只有像华为这样的大厂，会去对标构建训练生态。绝大部分企业，包括云天励飞在内，我们更看重的是推理的市场。我们觉得具身智能产业的本体需要一颗SoC异构芯片，同时，在数据合成和整个仿真环境的推理上，需要相应的大算力芯片。

很多产品有着不同的技术路径，比如说像机器狗包括步行类的机器人，其技能点主要是在运动控制上。在任务完成上，这类机器人可能需要一些外挂，因为它本身的感知能力是解决运动性能的，因此它在进行任务时可能需要云端的综合调控，或者身上加一些额外负载，才能完成具体场景里的任务，而要想做到这些都需要相关的算力。

云天励飞作为国内厂商，正提供配套算力助推产业的发展。

三、创新“算力积木”AI推理架构，将推第五代GPNPU芯片

云天励飞，2014年于深圳成立；2023年登陆上交所科创板。公司一直专注在AI推理芯片这个领域，过去芯片在智慧城市的各个细分场景，还有机器人领域得到应用。

在AI芯片领域，云天励飞走的是更上游的技术路径。我们核心的NPU指令集体系与微架构均为自主设计，这是芯片算力的根基。目前公司芯片已迭代至第四代Nova400，下一代Nova500将迈向GPNPU架构，在大模型推理上实现更高的并行度与能效表现。

从生态建设看，算法与算力需要同步演进才能形成真正的规模效应。机器人行业在研发与快速迭代阶段，往往依赖CUDA完整的工具链与成熟软件生态，因此开发成本较低、速度更快。但当产品进入量产以后，不论是遵循国内产业链安全要求，还是从成本结构与能效优势出发，国产AI芯片都展现出愈发明显的竞争力。

基于这一判断，我们希望下一代芯片既能够兼容CUDA生态、降低开发迁移成本，又能保持NPU架构在功耗与能效比方面的优势，使机器人厂商在产品从研发到量产的全周期中，都能获得更具竞争力的算力选择。

自2020年起，我们将芯片工艺全面转向国内供应链。在当前国内制程节点下，晶体管集成度与密度提升存在一定物理和工艺约束，单颗大芯片难以无限扩展算力。因此，我们采用先进封装技术，通过多Die的Chiplet组合，在一颗封装中实现更高的并行度与算力密度，这一体系被我们称为“算力积木”架构。

在国内工艺体系内，若不走海外先进制程路线，要获得高算力、高带宽的扩展能力，Chiplet尤其是Die-to-Die（D2D）互连几乎已成为业内的主流方向。通过Chiplet，可以在成本、良率、规模化、带宽等维度实现更高的综合性价比，也是当前国产高性能芯片的最现实路线。而云天励飞是首家在国产供应商探索D2D Chiplet的公司。

目前，我们基本上已经实现从单Die（芯片晶粒）、双Die、四Die，最高到8个Die的合封，能够供应在端侧、边缘侧，包括在云端推理的芯片。

目前我们有三大系列芯片：面向云端推理的DeepVerse、面向边缘的DeepEdge以及面向具身智能的DeepXbot。

四、做机器人“总控”平台，助力落地城市治理与服务

在具身智能产业链中，我们同时承担两个角色：一是上游的芯片与模组供应商，二是机器人平台的建设者。过去，我们的芯片和模组已经在服务机器人、工业机器人等领域实现规模落地；同时自研的机器人指挥调度平台也在酒店运营、城市治理等场景持续运行。

在广东某区，我们联合政府建设了统一的机器人管控平台，接入了四轮、四足、人形、无人机以及水上机器人等多类型设备。平台可将城市的固定摄像头、执法与城管人员的随身摄像头作为数据输入，在事件触发后，由系统调度不同类型的机器人完成现场处置，实现从感知到行动的完整闭环。这不仅为政府提供了具身智能的试验场与真实场景，也为机器人厂商提供了部署、验证与展示产品能力的最佳平台。

以上是我们的实践经验，也非常希望借助今天的交流，与更多具身智能生态伙伴一道，共同推动这一新兴产业更快落地、更快走向规模化应用。

以上是罗忆演讲内容的完整整理。