地瓜機器人發(fā)布的新款算控一體開發(fā)平臺RDK S100與英偉達的產(chǎn)品算力相同，價格卻只有一半。地瓜機器人要做的事，一定程度上可以看作地平線在具身智能機器人領(lǐng)域復(fù)刻其成功路徑。

文｜深度AI July

編輯 | August

今時今日，人形機器人領(lǐng)域的競爭，正從被過度聚焦的千姿百態(tài)的機器人形象本體擴展到構(gòu)建具身智能產(chǎn)業(yè)的基礎(chǔ)設(shè)施 。

不久前，摩根史坦利在一份針對中國具身智能產(chǎn)業(yè)的報告中指出，除了「大腦」（即芯片）部分仍依賴于國外高端 AI 芯片，人形機器人幾乎所有的身體部件都可以在中國國內(nèi)生產(chǎn)。

具身智能市場期待著中國團隊在AI芯片領(lǐng)域迎來破局。

作為從中國明星智駕芯片公司地平線孵化出的機器人團隊，地瓜機器人在6月11日正式對外發(fā)布了新款算控一體開發(fā)平臺RDK S100。以2499元限時定價提供百TOPS級異構(gòu)算力（集成CPU/BPU/MCU），并搭載「開箱即用」的全套開發(fā)工具鏈。

「只需10分鐘就能體驗到所有核心AI功能?！沟毓蠙C器人開發(fā)者生態(tài)副總裁胡春旭表示。

RDK S100其技術(shù)核心在于創(chuàng)新的「大小腦」異構(gòu)架構(gòu)——通過單顆SoC集成三類計算單元并實現(xiàn)功能協(xié)同：

大腦系統(tǒng)采用6核CPU處理復(fù)雜邏輯調(diào)度，搭配新一代自研"納什"架構(gòu)BPU（專為CNN/Transformer優(yōu)化），提供80TOPS（S100）或128TOPS（S100P）AI推理算力；

小腦系統(tǒng)則由4枚Cortex-R52+核心構(gòu)成獨立MCU，以鎖步模式（Lock-Step）運行確保高實時運動控制與功能安全。

地瓜機器人表示，經(jīng)算法-芯片聯(lián)合調(diào)優(yōu)，該架構(gòu)展現(xiàn)出顯著性能突破：運動控制算法經(jīng)BPU加速后，推理效率較純CPU方案提升超百倍；前沿操作策略模型（如Diffusion Policy優(yōu)化版）在同等硬件環(huán)境下亦實現(xiàn)10倍以上效能躍升。

同時，2499元的這一價格幾乎只有英偉達同等算力水平方案的一半。

而能做到這一點的原因，離不開地平線內(nèi)部資源的復(fù)用，以及成熟的產(chǎn)業(yè)鏈經(jīng)驗，使其可有效控制SoC成本。

據(jù)介紹，這款新發(fā)布的RDK S100在正式亮相前，已經(jīng)與超過20家具身智能領(lǐng)域頭部客戶建立了合作，并獲得了超過50家合作伙伴展開測評。

此前，地瓜機器人已經(jīng)發(fā)布過兩款機器人芯片，算力接近10TOPS，主要服務(wù)于使用中低算力的掃地機器人、割草機等機器人。

此次發(fā)布的 RDK S100意味著第一次將算力提高到上百TOPS級別，可以滿足更高階具身智能機器人的使用。

在現(xiàn)場演示環(huán)節(jié)，地瓜機器人使用 RDK S100 連接了宇樹機器人，用 RDK S100 的算力實現(xiàn)了機器人跳舞；在求之科技AIRBOT機械臂上，一個機器人用RDK S100 的算力則實現(xiàn)了對桌上物品的識別和抓取。

地瓜機器人剛剛完成1億美元A輪融資，但其目標并不是加入具身智能產(chǎn)品的競爭中去，其定位與地平線在智能汽車行業(yè)的定位相似，成為機器人時代的Wintel，打造機器人時代的CUDA。

生態(tài)是科技公司的護城河，地平線已經(jīng)在自動駕駛領(lǐng)域證明過這一點。

現(xiàn)在，地瓜機器人要做的事，一定程度上可以看作地平線在具身智能機器人領(lǐng)域復(fù)刻其成功路徑。

在這場發(fā)布會上，《深度AI》與地瓜機器人開發(fā)者、生態(tài)副總裁胡春旭進行了對話：

01.

做類似英偉達 CUDA的機器人生態(tài)

Q：地瓜的定位為什么聚焦在機器人套件和計算中心，而非直接制造機器人本體？

胡春旭：我們團隊的核心背景來自自動駕駛領(lǐng)域。回顧自動駕駛的發(fā)展歷程，以及更早的計算機和手機時代，一個清晰的規(guī)律是：當一個行業(yè)（如汽車智能化）即將迎來爆發(fā)性增長時，其底層支撐技術(shù)必然走向標準化平臺化。Wintel聯(lián)盟（Windows + Intel）之于PC，ARM+Android之于手機，都是經(jīng)典例證。底層標準化是支撐上層應(yīng)用繁榮和行業(yè)規(guī)模擴張的關(guān)鍵基礎(chǔ)設(shè)施。

在地平線的時候，我們就致力于構(gòu)建生態(tài)和平臺。進入機器人領(lǐng)域后，我們延續(xù)了這一核心思想——堅持做底層的、支撐性的平臺。這就是為什么我們選擇聚焦于套件和計算中心，而非直接下場做本體。

Q：您提到機器人行業(yè)還在初期，那地瓜選擇現(xiàn)在這個時機切入底層平臺建設(shè)，是基于什么判斷？

胡春旭：機器人行業(yè)目前仍處于早期階段，但放眼未來10年、20年，它必將迎來爆炸式增長。伴隨這種增長，行業(yè)內(nèi)部一定會分化出類似「Wintel」這樣的角色，提供標準化的核心平臺（包括硬件套件和計算中心）。

Q：地瓜提出「機器人母生態(tài)」目標，而英偉達通過CUDA構(gòu)建AI生態(tài)并側(cè)重云端（如Omniverse），地瓜則聚焦端側(cè)落地。如何將端側(cè)差異化轉(zhuǎn)化為生態(tài)護城河？是否擔(dān)心英偉達「Omniverse+邊緣芯片」的組合擠壓空間？

胡春旭：現(xiàn)階段我們與英偉達更多是互補協(xié)作而非直接競爭。英偉達的核心優(yōu)勢在云端算力（如Omniverse訓(xùn)練仿真），而地瓜專注解決未來海量機器人終端的本地化智能需求與高效端側(cè)算力平臺。我們主動融入現(xiàn)有生態(tài)——利用Omniverse進行模型訓(xùn)練，同時通過自研工具鏈實現(xiàn)模型到地瓜端側(cè)平臺的無縫、高效遷移，以大幅降低開發(fā)者成本。

02.

大小腦是機器人走向具身智能的更可行方案

Q：汽車智駕當下最新的技術(shù)方案是世界模型，機器人領(lǐng)域是什么？如何看待世界模型技術(shù)在機器人領(lǐng)域的應(yīng)用？

胡春旭：地瓜機器人是從地平線孵化出來的團隊，所以繼承了很多汽車上的技術(shù)和Know-how。這些經(jīng)驗放在機器人行業(yè)看，我覺得都是有效的。具身機器人的技術(shù)演變邏輯與智駕之間有很多相似之處，但區(qū)別在于汽車的驗證進度要比機器人要快。原因主要是汽車場景的數(shù)據(jù)獲取成本比機器人低得多。

機器人未來的演進路徑，可能也會類似汽車智駕L1-L5等級。目前汽車大概是在L2-L3之間，機器人可能相對滯后一點。假設(shè)機器人L5是真正的AGI，那L5的機器人會替代其他機器人嗎？我們覺得不會，L2-L5機器人之間應(yīng)該是并存的關(guān)系?？赡軈^(qū)別是機器人的L4-L5是端到端、世界模型的方式驅(qū)動智能，L2-L3還是分段式。

回到RDK S100上來，我們的定位肯定不是一步到位。畢竟100TOPS級的算力，做不到端到端大模型的算力支持。我們現(xiàn)在的定位，更多是為了解決機器人L2-L3分段式模型的技術(shù)路徑。

Q：參考汽車智駕分類體系，機器人不同等級應(yīng)該有什么樣的能力，分別對應(yīng)多少算力配置？

胡春旭：我個人判斷的話，類比汽車L2+需要400TOPS、L3需要1000TOPS算力，機器人需要的算力分級可能會比汽車的需求高50%-100%。類比汽車L2+，機器人可能需要600-800TOPS算力。這是因為機器人AI面臨的任務(wù)復(fù)雜度比汽車高得多。但算力也不是越大越好，因為算法和模型的效率也相當重要。所以并不能完全說800TOPS算力支持的模型效率就比400TOPS高一倍。整體看來，我認為機器人L1-L5之間對應(yīng)的算力大概會有一個相對值，但具體是多少，現(xiàn)在其實沒有形成共識。

Q：當前機器人行業(yè)熱議「大小腦融合」，是否所有機器人都需要該方案？哪類場景會率先落地？

胡春旭：我們認為大小腦的方式一定不是所有機器人都會有的，如果對應(yīng)到G1到G5階段，我們認為從G2到G3，在G3整個Level里都是大小腦協(xié)同的方式。但是到G4和G5，是以端到端的方式，那輸入就是各種多模態(tài)視覺的信號，輸出直接到明確帶時間戳的關(guān)節(jié)信息，直接產(chǎn)生運動了，這才能叫端到端。所以目前整個兩種技術(shù)流派中，在短期內(nèi)能夠有落地快速可能性的是大小腦模型。

具象化到我們的場景來看，100T算力對應(yīng)到的幾個場景，一個是商業(yè)化清潔，一個是低速物流的車，有可能是在園區(qū)跑的，有可能是在室外跑的，類似于配送這種場景；也有可能是四足類的機器人，做一些巡檢的工作。這種場景既滿足場景相對可控，是一個比較結(jié)構(gòu)化的場景，又滿足算力要求相對沒有特別大。所以從成本、功耗到功能，他能夠在短期內(nèi)最容易達到一個相對均衡產(chǎn)品化規(guī)模的可能性，所以我們認為這種場景會更合適，所以這也是反推我們先推出RDK S100 SoC的原因。

Q：數(shù)據(jù)和算法是機器人開發(fā)的兩大難題，地瓜如何幫助開發(fā)者，尤其是小團隊解決這些問題？

胡春旭：大家都在面臨數(shù)據(jù)的問題，大概的解決辦法有兩大類。

第一大類是沒有數(shù)據(jù)，就去產(chǎn)生數(shù)據(jù)。我們內(nèi)部會做一個云平臺，核心功能就是去產(chǎn)生數(shù)據(jù)。比如一個國內(nèi)公司做海外業(yè)務(wù)，沒有海外的數(shù)據(jù)，沒問題，我們通過云平臺，基于大模型輸入一些prompt，就可以產(chǎn)生一千張、一萬張甚至更多的數(shù)據(jù)來支持他做訓(xùn)練。我們也會有大模型的方式來做自動化標注。整個過程提供一套完整的工具鏈。

第二種方式，是通過盡量小的數(shù)據(jù)讓模型泛化程度更高。比如抓取，市面上主流的方式叫GraspNet，我們算法團隊會對這個模型做充分的優(yōu)化、改造，做完之后能夠跑到非常高的效率，同時我們把結(jié)果通過開源的方式分享出去。這樣開發(fā)者就不用再從頭做訓(xùn)練、數(shù)據(jù)采集了，只需要基于我們的模型，把它當成一個Foundation Model，結(jié)合他的業(yè)務(wù)場景做一些調(diào)優(yōu)。我們在ModelZoo里面現(xiàn)在提供了100多種類似這樣的模型。

03.

答案不在舊地圖上

Q：地瓜機器人現(xiàn)在與地平線如何合作推進具身智能？雙方是獨立運營還是存在更緊密的協(xié)同？

胡春旭：兩家公司在技術(shù)淵源上緊密關(guān)聯(lián)。地平線機器人實驗室專注前沿研究（如四足/人形機器人），地瓜則與其開展深度算法合作——例如本次展示的人形舞蹈算法即由雙方聯(lián)合開發(fā)：地平線提供通用框架，地瓜貢獻行業(yè)know-how與部署經(jīng)驗，共同推動技術(shù)落地。

Q：從智能駕駛到機器人，既有掃地機等消費場景的「降維」，也面臨具身智能（如人形機器人復(fù)雜任務(wù)）的「升維」挑戰(zhàn)。這些升維挑戰(zhàn)如何破解？

胡春旭：現(xiàn)在升維這部分最大的挑戰(zhàn)是數(shù)據(jù)，因為車場景里數(shù)據(jù)的獲取成本相對較低，有大量車在跑了，他有不斷的數(shù)據(jù)可以進來，但機器人數(shù)據(jù)很少，這是一個核心卡點，所以我們會通過很多種方式來解決數(shù)據(jù)的問題。

我們認為目前機器人在某些點還沒有單點突破的一個很重要原因是，他沒有把需求真正提煉出來，這時候地瓜機器人的角色很特別，我們是在布局整個生態(tài)，所以我們會看到各種各樣的開發(fā)者、需求，以及國內(nèi)和海外不同化場景，因此我們會將提煉后的行業(yè)判斷輸出給生態(tài)伙伴，針對性解決其落地痛點，例如優(yōu)先攻克封閉場景中運動規(guī)劃、多模態(tài)感知等關(guān)鍵模塊。

end.

【關(guān)注智能汽車，關(guān)注智駕網(wǎng)視頻號】

關(guān)注汽車的智駕時代上智駕網(wǎng)（http://autor.com.cn）
合作or新聞線索提供，聯(lián)系郵箱：editor@autor.com.cn