端侧AI模型发展现状与未来趋势深度解析
自2023年起，科技领域的两股核心驱动力变得格外清晰：一边是以大模型为代表的人工智能，另一边则是以具身智能为核心的机器人技术。将两者结合，用AI算法特别是大模型来提升机器人的智能水平，已成为一个顺理成章的趋势。于是，“机器人学习”与“具身大脑”成了行业里热度最高的词汇。
不过，业内对于“具身大脑”的定义并不统一。一个更宽泛的理解是，凡是利用人工智能算法与机器人结合，旨在提升机器人在交互、感知或控制方面能力的，都可以归入这个范畴。从技术源头看，国内专注于机器人模型的厂商大致可以分为几类：有从视觉感知切入的，如穹彻智能、有鹿、若愚科技；有专注于强化学习路径的，例如Physical Intelligence；还有从语言模型出发，拓展到机器人领域的，比如面壁智能、岩芯数智、自变量等。
在如何打造“机器人大脑”这个问题上，不同技术流派路径各异，观点也不尽相同。但过去一年的行业实践揭示了一个有趣的现象：那些出身于研究基础模型的大模型厂商，在向机器人领域落地时，反而显得最为焦虑。
除了市场竞争激烈，一个更本质的困境在于：端侧模型想在机器人上真正用起来，中间还横亘着一道芯片开发的鸿沟。于是，机器人厂商、大模型公司和芯片企业之间，形成了一种微妙的三角拉力关系。
目前看来，这个三角关系似乎陷入了一个负向循环：
首先，端侧模型需要适配专门的芯片，但芯片的研发迭代高度依赖市场规模。当前机器人仍属专业级产品，远未像手机、PC那样走入寻常百姓家，出货量有限，导致专为机器人优化的高性能、低功耗芯片迟迟难以面世。
其次，机器人消费市场的扩大，核心驱动力在于智能水平的飞跃，而这又依赖于AI模型的快速迭代。但模型的进化需要海量、高质量的真实世界交互数据，这反过来又要求模型必须大规模部署在机器人产品上，与用户产生持续互动。
最终，现实很骨感。目前具身视觉语言模型的实际效果，距离消费级产品所需的精度和准确率还有不小差距。机器人智能迭代放缓，出货量难以起色，又进一步影响了芯片的研发投入和成本下降。三者相互牵制，形成了一个“先有鸡还是先有蛋”的经典困局。要打破这个僵局，走入正向增强循环，必须有一方率先取得突破。
那么，破局者会是谁？模型厂商期待芯片厂商能拿出革命性的产品，芯片厂商则希望机器人市场能先爆发以支撑研发，而机器人厂商或许又在等待一个足够智能、能引爆需求的模型出现。
大模型能为机器人做什么？
理想中，大模型在机器人领域扮演的是“大脑”角色，核心价值在于提供强大的泛化能力和复杂任务规划能力。但在当前落地的具体操作中，大模型的作用更多还停留在相对初级的阶段，比如帮助机器人理解并拆解简单的自然语言指令。
具体来看，现状有两个特点：一是机器人大多仍在执行单个、预设的任务，交互层面的进步多于真正的“学习”能力，实现多模态协同任务仍是挑战；二是机器人完成的多数是短期动作（如叠衣服、按下按钮），很少涉及需要大模型进行长链条、上百步规划的复杂任务。
例如，面壁智能的目标就是让机器人能完成更复杂、步骤更长的操作，并提升执行准确率、泛化性和纠错能力。这需要长程规划、工具调用、多模型协同等全方位能力，而这正是大模型厂商的优势所在。相比之下，机器人公司在算法层面的积累可能不如前者深厚，因此通过合作引入专业的端侧模型，成为了一条高效路径。
在泛化性方面，大模型所蕴含的世界知识和常识，本应能极大帮助机器人应对未曾见过的物体或场景。但前沿进展显示，这部分仍处于早期探索阶段。例如，RockAI的Yan架构大模型，其技术路线是将文本、语音、视频及机体参数进行整体对齐后输入模型。而一些视觉语言模型则试图通过提升物理建模能力来增强泛化性，比如让机器人理解物体的重量、操纵新物体。不过业内普遍认为，这些模型的实际效果距离消费级应用的要求尚有距离。
总体而言，大模型的许多潜力在机器人侧尚未完全释放。无论是泛化、规划还是纠错能力，其应用都还比较初步。此前，字节跳动的GR-2通用机器人曾尝试将文生视频能力融入其策略模型，但在让机器人执行具体任务方面，依然在摸索之中。
字节 GR-2 通用机器人
大模型能力未能充分发挥的背后，首要原因是行业尚未找到最适合机器人的统一模型架构。当前有的工作基于多模态大模型，有的基于Diffusion Policy，也有尝试将两者结合分别负责“大脑”和“小脑”的，但远未像自然语言处理领域那样形成类似Transformer的统治性架构。
此外，机器人形态的多样性也带来了挑战。双足、轮式、四足机器人，其运动和控制方式差异巨大。在大脑层面，“向前走”的指令可以统一，但底层的精细控制算法则完全不同。这意味着，并不存在某种“最优”机器人形态能天然加速大模型的设备泛化。目前，“大脑派”与“肢体派”仍在相互磨合，努力打通知识壁垒。
除了架构和形态，最大的难点莫过于数据。模型厂商很难获取到大规模、多元化的机器人交互数据（涵盖视觉、语言、触觉、力控等）。数据匮乏导致训练只能“case by case”，严重限制了模型执行任务的泛化能力，更不用说探索更复杂的场景了。
一个典型的例子是灵巧手操控。要让大模型精准控制五指灵巧手抓取物体，不仅需要输出目标物的三维坐标，还需精确控制每个手指的抓握点位。从视觉感知到坐标判断，再到精细操控，这一流程理论上可行，但以现有模型水平还难以实现。正如RockAI CMO邹佳思所言，目前手部的精细控制仍多交由机器人厂商的底层控制器（“小脑”）处理，大模型核心解决的是对模糊指令的理解问题。
过去指挥机器人需要极其精确的指令，且很多是预先写死的代码。今年世界人工智能大会上一些机器人的直播“翻车”，根本原因就在于它们无法理解人类的自然语言。而端侧模型的价值，正是为了提升机器人对自然语言的理解能力。
“机器人大脑”的三角关系
数据不足的根源，又绕回了机器人尚未实现大规模量产，未能从专业设备转变为消费级产品这个老问题。
回顾特斯拉自动驾驶的演进历程，其最初并非依靠自动驾驶功能吸引用户，而是凭借车辆本身的性能。随着用户基数扩大，产生的海量数据才得以反哺自动驾驶模型的训练，形成正向循环。反观机器人，当前的主要购买者仍是研究机构和特定行业客户，且常常是先订单后生产，真实、多元的用户交互场景严重匮乏。
有业内人士曾指出，破局的关键或许在于能否率先标注出高质量的“第一版”数据。但这谈何容易。机器人数据采集无法像训练文本大模型那样从互联网抓取，必须依靠真机在真实环境中收集，再经过昂贵且繁琐的标注流程，涉及触觉、力反馈等多模态信息，成本极高。
训练方式上也存在挑战。机器人训练依赖真实或高保真仿真环境，在强化学习、系统稳定性等方面的成本远超传统AI模型。目前，学术界和工业界都在积极探索更高效的训练方法。仿真数据虽能部分解决问题，但其真实性始终不及真机数据，要想适配各种设备和场景，需要极高的多样性。
除了数据，算力是另一个关键瓶颈。国内主流大模型厂商虽已开始布局“端侧小模型”，但重心仍在千亿甚至万亿参数的云端大模型上。这些庞然大物需要巨大的算力支持，而机器人搭载的板卡算力通常非常有限。若强行部署，会导致成本、功耗和散热问题难以解决，即便最新的消费级芯片也力有未逮。
因此，云端大模型难以在机器人本体上离线部署，这也正是面壁智能、RockAI等专注于端侧模型的厂商存在的市场空间。如果采用联网调用云端模型的方式，又会引入无法接受的执行延迟。有案例显示，某国产机器人在调用云端模型执行取水任务时，就曾深受延迟困扰。
当然，业内也有观点认为，端侧3B参数规模的模型，在图像理解、自然语言交互等基础能力上，已能满足机器人当前大部分的智能需求。虽然其任务泛化能力不及云端大模型，但提供了一个可行的折中方案。
此外，机器人本体的构型差异并非模型研发的主要障碍。模型厂商更关注两个因素：一是算力环境（如机器人使用的是英伟达Orin、Intel还是ARM芯片），模型需要针对不同芯片进行适配；二是机器人肢体参数（如身高、臂展、关节活动范围），模型指令需与之匹配。这种适配成本通常不高，真正的挑战在于芯片适配。
对于模型厂商，机器人的各类传感器信息和本体参数，都可视作输入的“模态”。只要输入模态不同，就需要进行适配。当前最大的适配成本来自芯片。受限于端侧算力，模型向“极大”和“极小”两个方向发展都困难重重：往大了做，需要天价的资金投入和万卡集群；往小了做，要在手机、机器人等资源受限的终端上高效运行，对模型压缩和优化工程提出了极高要求。
许多从业者对机器人端侧算力的未来持乐观态度，认为其选择空间比手机更大，随着芯片进步，未来千亿模型在端侧落地也非天方夜谭。但现实是，机器人厂商出于续航考虑，普遍倾向于采用低功耗芯片。目前很多机器人仍在使用骁龙6系列芯片，这类芯片出货量巨大，成本低廉，但算力有限。
一个残酷的现实是，人形机器人脱离电源后通常只能工作约一小时，如果搭载高算力GPU板卡，续航可能骤降至20分钟。然而，让端侧模型在低功耗CPU上流畅运行极为困难。以Transformer架构的3B模型为例，在骁龙7系列芯片上几乎无法运行，在骁龙8系列上也需要经过大幅量化和压缩，而这往往会导致模型性能，尤其是多模态能力显著下降。
因此，模型厂商必须在能力、功耗和成本之间艰难权衡。推理优化水平成为关键——能否将模型压缩得足够小、足够快，同时在量化后仍保持可用的性能。有机器人领域从业者透露，这正是许多大模型基座厂商的痛点，也是RockAI、面壁智能等厂商的机会所在。
即便机器人厂商愿意采用高算力芯片，成本问题依然突出。参考手机行业，搭载高端芯片的产品售价不菲。若机器人再叠加高端模型，价格可能令人望而却步，从而限制市场增长。高端芯片要成为市场主流，仍需数年时间。
更有观点指出，当前行业的首要瓶颈可能还不是模型或数据，而是机器人本体自身的成熟度。在硬件本体达到足够的稳定性、可靠性和场景适应能力之前，谈论高级智能或许为时尚早。
如何跳出“死循环”？
显然，机器人大模型的前进不能只靠模型厂商单打独斗，需要机器人厂商、芯片厂商三方合力，共同凿开一条出路。
目前，一些解决方案已经浮现。例如，以智源、智谱为代表的机构提出了“端云协同”的路径：在云端训练大模型，通过知识蒸馏、量化等技术得到轻量化的小模型，再部署到终端。理想汽车已在英伟达板卡上成功部署2B模型，便是例证。这种方式能在保持一定能力的前提下，实现更高效的部署。
另一些厂商，如RockAI，则探索非Transformer架构，使其能在纯CPU或低端混合芯片上运行，以降低算力需求和功耗。由于芯片迭代周期长，存量市场（即基于现有算力满足需求）显得尤为重要。邹佳思表示，其团队已与高通、联发科、英特尔、ARM、华&为等多款芯片完成适配，这正是为了服务那些不愿或不能等待新一代芯片的机器人厂商。
所谓芯片适配，是一项深度优化工作，需要模型厂商与芯片厂商紧密协作，针对特定芯片的计算单元特点，对模型推理框架进行定制化优化，以充分释放硬件算力。
也有观点认为，当前许多端侧模型无法落地，问题不全在硬件或需求，而在于大模型技术本身尚未成熟到能支撑广阔市场的地步。不过，有些任务确实需要芯片突破后才能实现，例如对实时视频流的理解和动作捕捉。现有芯片性能难以让机器人流畅分析连续动作，只能处理单张图片，这限制了其对动态场景的理解。
因此，芯片厂商实现高算力、低功耗的突破至关重要。同时，电池技术的进步以延长续航也不可或缺。但遗憾的是，由于当前机器人市场规模太小，电池厂商缺乏投入研发的动力。有从业者透露，年出货几百台已是行业翘楚，但这个量级对电池巨头而言毫无吸引力。
最终，打破僵局的核心或许还是在于机器人本体能否取得突破，实现更高的稳定性、更广泛的场景适应能力，从而提升出货量。一旦年出货量能达到成千上万的规模，整个产业链的注意力与资源自然会向此倾斜。
值得注意的是，在手机和PC端，端侧模型的竞争已日趋白热化，且头部厂商正走向自研。例如，vivo的云端模型可能基于第三方，但其本地端侧模型已是自研。这对机器人领域是一个启示，也意味着机会：机器人对拟人化交互（语音、视觉）的核心诉求，与手机专注于系统应用打通的需求不同，这为专注机器人场景的模型厂商留下了创业空间。
长远来看，模型、芯片、机器人三方都仍有很长的路要走。面对量产不足、芯片制约、数据匮乏导致的智能提升缓慢这一闭环难题，亟需三方积极靠拢，并有一方敢于率先投入，打破僵局。这场“机器人大脑”的进化竞赛，不仅是技术之战，更是生态与耐心的较量。
相关攻略
《ARCRaiders》的“FrozenTrail”更新将揭示Arc机器人的起源。游戏背景与开发商另一作品《终极角逐》存在诸多隐秘关联，如共享虚构公司标志、彩蛋式视觉元素及意大利语涂鸦细节。推测两者处于同一世界观，《终极角逐》设定于2100年，而《ARCRaiders》则在2180年，后者描绘了精英阶层逃离地球后的末日景象。Arc机器人由人类制造，可能被逃离
在医疗数字化转型的浪潮中，病历归档与数据录入的自动化技术，正深刻重塑医院的核心工作流程。它通过智能模拟人工操作，高效处理海量、多源的病历信息，不仅实现了工作效率的指数级提升，更在数据准确性与一致性上带来了革命性的改善。其背后的技术逻辑与为医院创造的核心价值，值得我们深入剖析。 一、核心功能 自动化系
在财务审计工作中，风险与异常检测是保障企业财务健康的关键环节，其过程往往耗时耗力。随着RPA（机器人流程自动化）技术的成熟应用，这一核心任务正经历着深刻的变革，实现了效率与精准度的双重飞跃。本文将深入探讨RPA在审计风险检测中的具体应用路径，并解析其相较于传统人工方法所展现出的显著优势。 一、RPA
说起网络爬虫，很多人觉得神秘，其实它的工作原理并不复杂。简单来说，就是模拟人的浏览行为，自动从网上抓取信息。整个过程，可以拆解成几个清晰的核心步骤。 一、基本工作原理 整个过程始于一次“敲门”。爬虫通过HTTP库向目标网站发送一个请求，也就是一个包含了必要信息的Request对象。为了让请求看起来更
在数据驱动的业务环境中，从海量表格中精准提取特定信息是一项高频且繁琐的任务。传统人工操作不仅效率低下，还容易因疲劳或疏忽导致错误。如今，借助机器人流程自动化（RPA）技术，这类重复性工作完全可以交由“数字员工”高效、准确地完成。本文将以实在RPA为例，详细拆解如何从表格中提取对应项数据的完整落地步骤
热门专题
热门推荐
近日，中国汽车流通协会联合精真估发布了《2026年4月纯电动车型一年车龄保值率排行榜》。这份数据对于正在选购新能源车的消费者具有重要参考价值，能帮助大家更清晰地了解当前热门电动车的残值表现。 该榜单统计的是车龄满一年的纯电动车型。位居榜首的是问界M9，其一年保值率高达80 4%。这一夺冠成绩含金量十
科技行业近期迎来一场备受瞩目的创新盛宴。以智能清洁机器人闻名的追觅科技（Dreame），在旧金山隆重举办了“Dreame Next 2026”未来愿景发布会。活动不仅前瞻性地展示了涵盖智能手机、智能穿戴乃至概念电动车的全系列产品，更邀请到苹果联合创始人史蒂夫·沃兹尼亚克亲临助阵。这场为期四天的盛会，
SpaceX最快下周披露招股书，6月初启动全球路演，估值或达1 75万亿美元，募资规模有望创纪录。公司以垂直整合与成本控制为核心优势，布局商业航天、AI基础设施与卫星互联网，其“太空数据中心”构想融合太空太阳能与AI算力，开辟新赛道。此次IPO或引发科技板块资金结构性变动，标志资本正加速拥抱太空与AI融。
NVIDIA在SIGGRAPH上宣布扩展其微服务库，以加速人形机器人开发。其核心是将生成式AI深度集成至OpenUSD语言体系，推出相关模型与NIM微服务，从而提升数字孪生与机器人工作流效率。公司还开放了机器人技术栈，并联合合作伙伴推动OpenUSD的工业应用，为开发者提供从仿真到部署的端到端平台支持。
OKX作为全球领先的数字资产交易平台，其风险主要来源于市场波动、技术安全与合规环境。平台通过多重安全机制、资产储备证明和严格的合规流程来管理风险。用户需理解加密货币的高波动性本质，并采取自主保管资产、启用安全功能等策略，以在参与Web3生态时更好地保护自身权益。