6月11日，國內高性能GPU（圖形處理器）廠商沐曦股份與“人形機器人第一股”優必選在南京市正式簽訂戰略合作協議，合資成立曦選創智科技（無錫）有限公司（以下簡稱“曦選創智”）布局具身智能芯片研發與量產。

快思慢想研究院院長、特邀評論員田豐告訴《每日經濟新聞》記者（以下簡稱“每經記者”）：“沐曦股份借助優必選的場景驗證能力打開數據中心GPU架構向邊緣場景延伸的入口，同時優必選借助沐曦的芯片設計能力補齊自身在底層算力定義權上的缺口。”

天使投資人、資深人工智能專家郭濤也對每經記者表示：“優必選與沐曦股份聯手布局端側AI芯片，是具身智能領域‘場景需求倒逼技術落地’的關鍵動作。”

圖片來源：每經媒資庫

聯手攻堅端側核心，打造機器人“大腦”芯片

據了解，曦選創智由沐曦股份董事長陳維良出任公司董事長，優必選創始人、董事會主席兼CEO周劍擔任副董事長，原新華三集團高級副總裁、行業BG總裁楊獻波出任CEO，全面掌舵公司戰略落地、技術研發與市場化運營。

楊獻波是國內ICT（信息與通信技術）行業資深“老兵”，在新華三集團曾統籌政府、企業、金融、能源、交通、教育、醫療等行業市場與解決方案業務。

楊獻波表示，曦選創智后續將基于沐曦股份在異構計算、智算推理等芯片領域的積累，和優必選在具身智能核心技術、產品及落地場景方面的優勢，精準聚焦具身智能端側芯片及整體解決方案的研發、迭代與量產，產品計劃于2027年下半年實現流片、2028年實現量產。

具身智能可分為本體、小腦和大腦三大部分。當下，本體、小腦發展較為成熟，而大腦正在快速進步之中。機器人大腦類似于大語言模型，需要算力、算法和數據的支持。

相較于大語言模型使用云端服務器算力，機器人大腦所使用的端側算力，更加看重功耗，而非極致的算力密度。

當下的機器人大腦，比如世界模型、VLA（視覺語言動作）模型既缺算法，也缺數據，更缺算力芯片。

郭濤表示：“當前機器人存在‘大腦能力不足’的瓶頸，這種不足并非單純缺算法，更缺與之匹配的端側算力支撐。機器人大腦需要實時處理視覺、觸覺等多模態數據，在毫秒級時間內完成環境感知、路徑規劃、動作調整等決策，這對芯片的算力密度、能耗比、響應速度提出極高要求。”

具身智能端側芯片瓶頸在哪里？

陳維良表示，具身智能是人工智能從數字世界走向物理世界的關鍵一躍，而芯片正是這場躍遷的“大腦”。沐曦股份與優必選成立曦選創智，是“算力”與“身體”的深度融合，沐曦股份在高性能GPU領域的技術積累，疊加優必選在人形機器人的場景深耕，將共同打造具身智能的算力底座，讓每一臺人形機器人都擁有自主可控的“中樞”。

對于優必選聯手沐曦股份，郭濤認為：“優必選作為人形機器人頭部企業，其產品在運動控制、環境交互中對實時算力的需求極為苛刻，端側芯片直接決定機器人的響應速度、決策精度，而當前依賴通用芯片或海外專用芯片，既存在算力冗余導致的能耗過高問題，也面臨供應鏈安全風險。”

郭濤表示：“現有通用芯片難以滿足機器人在邊緣場景的嚴苛需求。要么算力過剩導致功耗過高，要么算力不足限制功能實現。因此，端側AI芯片是機器人大腦的核心載體，其性能直接決定機器人的智能化水平，這也是優必選與沐曦合作的關鍵邏輯：通過定制化端側算力，讓機器人真正具備‘在物理世界自主思考’的能力。”

需要注意的是，GPGPU（通用圖形處理器）追求的是極致的算力，而具身智能依賴電池供電，因此不僅追求算力密度，還需要極致的低功耗。

田豐表示：“這是一次架構跨度極大的‘降維’嘗試，風險被普遍低估。沐曦股份的核心積累在數據中心GPU，即高功耗、高帶寬、依賴主動散熱的架構。具身智能端側芯片的約束是低功耗、強實時確定性、被動散熱的電池供電系統。把‘數據中心GPU架構裁剪到邊緣’和‘從零設計邊緣芯片’是兩種不同的工程范式。”

田豐舉例稱：“歷史上Intel（英特爾）用Atom系列嘗試把x86架構壓縮進移動設備對抗Arm，最終在功耗效率上失利。根本原因不是制程落后，而是架構哲學本身沒有為低功耗場景重新設計。曦選創智能否成功，關鍵看沐曦股份團隊是否真正進行了‘從零開始的邊緣架構設計’，而不是‘GPU架構的瘦身版本’。”

這是因為，英特爾是桌面級PC（個人電腦）的“王者”，PC基本上是插電使用，并非把功耗作為首要考慮因素。而基于Arm架構的手機處理器，是使用電池供電，功耗是作為第一優先級考慮。

具身智能領域同理。田豐進一步解釋稱：“‘大腦’能力的瓶頸，本質上是能量密度問題，而非算力密度問題，人形機器人電池系統的總功率預算通常在數百瓦量級，扣除電機和傳感器功耗后，留給計算芯片的功率預算往往只有十幾瓦到幾十瓦，而數據中心GPU（如H100）的功耗在700瓦量級。這意味著端側芯片的‘算力上限’從一開始就被電池供電系統的熱設計約束鎖死，不是制程節點能單獨解決的問題。”

田豐認為：“具身智能端側芯片與智能手機SoC（系統級芯片）的演進歷史高度相似。Arm架構最終戰勝x86移動化方案的核心不是峰值算力，而是性能功耗比。機器人芯片的設計目標函數應該是‘單位瓦特能完成多少次有效決策延遲’，而不是TOPS（處理器運算能力單位）數字本身。”