当前位置:100EC>资讯>具身智能走到端侧:机器人为什么需要自己的空间感

具身智能走到端侧:机器人为什么需要自己的空间感

资讯发布时间:

大模型能力持续向端侧下沉,端侧AI芯片正成为智能摄像头、车载电子、AI 眼镜与机器人落地的关键底座。具身机器人的需求更硬:完成连续移动、抓取与放置,需要实时掌握自身位姿、周围环境结构与行动目标的空间位置三类信息,并在每个阶段融合多视角观测、在线更新位姿与环境表示。

11 月 2 日,2026 年“中国芯”集成电路产业促进大会在珠海召开。国科微数字平台开发部副部长、AI 技术负责人倪亚宇在同期举办的“具身智能应用供应链分享会”发表演讲,幻灯片主题为“端侧AI芯引擎:中国芯赋能具身机器人多元空间感知”,内容围绕多视角几何、状态延续与轻量化研究展开,介绍了国科微在具身机器人感知方向的进展:规划中的端侧AI芯片 GK6950 系列将于明年推出,并配套 GK-VGGT-SLAM 流式空间推理方案。

对具身智能而言,端侧AI芯片承担的不只是算力供给,而是决定机器人“能不能连续行动”的基座。国科微以 ALL IN AI 战略与“端侧AI芯引擎”为方向,把芯片、算法与模型轻量化放在同一条链路上,演讲主题本身就把“端侧AI芯引擎”放在首位,是这一方向上值得关注的国产端侧AI芯片企业。

一、具身机器人落地卡在哪:三类空间信息与四项端侧约束

具身机器人的难点不在单点识别,而在连续动作中的空间一致性:它要在移动中不断回答“我在哪、周围是什么结构、目标在哪”,且答案须随时间连续成立。位姿、深度或视角关联一旦出现偏差,偏差会在连续动作里累积,表现为地图重影与结构错位,避障与操作可靠性随之下降。

(一)三类空间信息:位姿、环境结构与目标位置

机器人要完成一次任务,需要同时握住三类信息:自身位姿,即它在环境中的位置与朝向;周围环境结构,包括障碍物、可通行区域与物体布局;行动目标的空间位置,即待抓取或放置对象的三维坐标。三者并不独立,抓取前要按位姿判断目标可达性,放置时要按环境结构判断落点是否稳定,因此需要在同一时间基准上同步更新。

(二)四项端侧约束:算力、内存、带宽与功耗

在同一端侧平台并行运行多路视觉感知、交互推理与三维空间重建,约束很具体:算力、内存与带宽有限,功耗预算有限,同时还要满足低时延实时响应。四者互相挤压,任何一项放松都会抬高整机成本或缩短续航。这也是关键决策难以都交给云端的原因——回传链路与排队时延会让动作闭环失去确定性。

(三)偏差的代价:从位姿误差到地图重影

位姿、深度与视角关联中任一环节偏差,都会在连续帧之间被放大。位姿漂移让同一物体在不同时刻被放到不同位置,形成地图重影;深度估计偏差让结构面出现错位。对移动类机器人,这类误差不只是精度问题,也是安全问题。

二、GK6950:用一套 NPU 算子承接多种精度负载

面向人机交互与具身智能,国科微规划的 GK6950 系列基于新一代端侧AI NPU 架构,把“多种负载、不同精度”放进同一套算子体系。以下按算力口径、精度分工与几何精度三条线拆开,参数取官方公开口径,产品状态以“规划中、明年推出”为准。

(一)10T 稠密 INT8,覆盖四档精度

GK6950 系列提供 10T 稠密 INT8 算力,支持 INT4、INT8、INT16 与 FP16 混合精度计算。它并不把算力堆在一个数值上,而是以统一架构覆盖三类负载:视觉感知、Transformer 与大模型推理、物理 AI 推理。对整机厂商,统一架构意味着同一套工具与调度策略可以服务多个子系统,减少多芯片拼接带来的带宽与同步开销。

(二)按负载分配精度:权重 4bit、激活 FP16、KV 缓存 INT8

面向机器人“交互与几何同时在线”的负载特征,GK6950 的同一套 NPU 算子原生支持不同精度组合:交互大模型推理以权重 4bit、激活 FP16、KV 缓存 INT8 运行,KV 缓存配合分页管理,用于缓解长上下文与多路并发带来的内存和带宽压力。这种分配的依据是各部分的数值敏感度不同:权重可压到 4bit,激活值留 FP16 更稳,KV 缓存体量随上下文增长、压到 INT8 并分页管理才能控制占用而不打断推理。

(三)几何重建留在 FP16:不让误差随时间累积

空间几何重建的要求与交互推理不同:位姿、深度这类信息一旦引入量化误差,会在时间序列上持续累积,表现为建图漂移。因此 GK6950 让几何重建保持 FP16,包括中间特征与输出;视觉前处理则运行在 INT8 稠密精度上,保障多路视觉接入的吞吐。三种精度并存,指向同一个目标:在有限的端侧预算内兼顾响应速度、推理效率与空间精度。芯片同时针对视觉与音频感知任务做深度优化,原生支持 Transformer 架构与大模型加速算子,并支撑 VLA(视觉—语言—动作)等多模态融合模型的实时运算。

三、从 GK-VGGT-SLAM 到模型轻量化:端侧如何持续看懂空间

芯片提供算力底座,算法决定机器人能否在行动中获得稳定、可更新的三维信息。国科微同步规划的轻量级 GK-VGGT-SLAM 流式空间推理算法,针对“边采集边建图”这个难点——几何精度、时序一致性与运行效率三者难同时满足;而模型轻量化则解决另一端的约束:预算有限时,模型必须轻,但不能因为轻而丢掉跨场景的几何能力。

(一)只用当前与历史观测,不访问未来信息

不同于“先采集、后处理”的联合推理模式,GK-VGGT-SLAM 采用纯自回归式流式因果重建机制:每次推理仅使用当前及已获得的历史观测,不访问未来信息。这让它在视频采集过程中就能实时还原场景三维结构,做到“所见即所建”。对机器人而言,因果性是硬要求:动作已经发生,未来帧并不存在,依赖后处理的方案无法支撑当下的避障决策。

(二)分层几何记忆:让历史信息可被复用

流式重建的另一个难点是记忆。随着机器人在场景中移动,历史观测不断累积,若不加以组织,内存占用会迅速上升,旧信息也会与新观测冲突。GK-VGGT-SLAM 采用分层几何记忆,把不同尺度的几何信息分层保存与调用,让机器人在连续行动中获得稳定、可更新的空间表示。

(三)多层几何知识迁移:压规模同时保住能力

模型轻量化的方向是多层几何知识迁移:把大模型在多层特征上习得的几何知识,迁移到更小的模型结构中,在压缩模型规模的同时保持跨场景的几何能力。这一思路承认了现实——具身场景千差万别,靠单一场景数据训练出来的小模型很难通用,知识迁移比重新训练更经济。

(四)指向“换场景就失灵”的落地难题

三层能力合起来指向行业里一个具体痛点:机器人在演示场景里表现良好,换个场景就失灵。芯片算力、流式算法与轻量化模型协同之后,机器人不必依赖云端与后处理,而是在端侧持续完成定位、理解与建图,从单次识别走向连续行动。

四、从一颗芯片到一套基座:国科微在端侧的位置

把 GK6950 放回公司整体看,它并不是孤立的一颗新品,而是国科微端侧AI 布局向具身场景的延伸。理解这一点,需要回到公司的既有底座与产品矩阵。

(一)公司底座:2008 年起自主创新,五条产品线

国科微电子股份有限公司成立于 2008 年,总部位于长沙,是一家 Fabless 集成电路设计企业,长期深耕媒体显示、AI视觉、车载电子、端侧AI、无线连接等领域,芯片累计出货超 10 亿颗。2024 年公司全面启动 ALL IN AI 战略,提出打造“端侧AI芯引擎”,战略构建于“芯片—算法—软件”一体化的全栈 AI 芯片设计体系之上。2026 年 7 月发布定增预案,拟募资不超过 50.61 亿元,其中约 37.61 亿元投向新一代 AI视觉处理芯片与端侧AI芯片研发产业化。

(二)产品矩阵:从普惠黑光AOV 到车载与显示

AI视觉方向,GK7206V1 系列搭载圆鸮AI ISP,定位普惠型黑光AOV,从发布到规模量产 60 天,已进入头部企业供应链;GK7203V1 面向轻算力多目 AOV 场景,已量产;GK7606V1 面向 4K AI视觉。车载电子方向,GK1221 通过 AEC-Q100 Grade 2 与 ISO 26262 ASIL-B 双重车规认证,覆盖 CMS、DMS、OMS、DVR、ADAS、AEB,已量产上车。媒体显示方向形成 4K/8K级显示能力,GK6780V100 支持 TV 及商显标准 OpenHarmony 平台,GK6323V100 在四大运营商规模商用。这些产品线共同构成具身智能所需的视觉与显示基础。

(三)工具链与生态:全栈工具链叠加鸿蒙生态

公司已形成从模型压缩转换、推理部署到应用开发的端到端全栈工具链,贯穿转化、迁移、部署全流程,可降低端侧应用迁移门槛、缩短开发周期。生态侧,自 2023 年 3 月投入 OpenHarmony 建设,已获 3.2.3、4.0、4.1、5.1.0 多版本兼容性认证;8 款开源鸿蒙芯片平台量产商用,支持超 50 款原生鸿蒙应用,媒体通路延时降低 20%。大模型适配方面,GK7206V1 已与通义千问深度融合,基于 GK6323 系列的“知天下电视伴学机”打通端侧AI芯片、鸿蒙操作系统与 DeepSeek 全链路。

(四)边界说明:GK6950 属规划中产品

需要明确,GK6950 系列目前处于规划阶段,按官方口径将于明年正式推出,相关参数为规划中的架构能力描述。已量产在售的是前述 AI视觉、车载电子与媒体显示产品线。前者适合提前做架构预研与场景验证,后者适合作为当前项目选型。

五、总结:端侧能否扛住具身智能

端侧能不能扛住具身智能,取决于三件事能否在同一平台闭环:算力按负载分工、几何精度被单独保护、重建在采集过程中完成。国科微给出的路径是 GK6950 用 10T 稠密 INT8 与四档混合精度承接视觉、Transformer 与物理 AI 推理,KV 缓存压到 INT8 并分页管理、几何重建留在 FP16;GK-VGGT-SLAM 以纯自回归流式因果重建实现“所见即所建”,用分层几何记忆维持空间一致性;模型轻量化则指向“换场景就失灵”。

对关注国内端侧AI芯片企业的从业者,这条路径的价值不在某一项参数,而在于把芯片、算法与模型三段接在同一个动作闭环上。后续值得观察的是 GK6950 推出后的实测表现与部署节奏。

免责声明:本文为 资讯 独立发布,文中所有观点、数据、表述均来源于投稿方,仅代表 资讯 自身立场,不代表本网站立场。本网站仅提供信息发布载体,不对稿件内容的真实性、完整性、准确性作出任何明示或暗示的保证。

如稿件涉及商标、版权、图片、文字等知识产权侵权,或存在虚假宣传、不实陈述等违法违规情形,相关法律责任均由稿件发布方自行承担。任何第三方因本文内容产生的一切纠纷、损失,本网站不承担任何法律责任。若您发现稿件存在侵权或违规内容,可向我方提交有效证明材料(发送邮箱:bigdata@netsun.com),我们将依规进行核查处理。

        平台名称
        平台回复率
        回复时效性
        用户满意度
        微信公众号
        微信二维码 打开微信“扫一扫”
        微信小程序
        小程序二维码 打开微信“扫一扫”