对话瑞芯微： 机器人越接近量产，芯片越不只是芯片

今年WRC上，人形机器人依旧是最受关注的主角之一。

但相比过去两年集中展示跑、跳、翻跟头，今年行业关注的问题明显开始往后走了一步：机器人做出来之后，怎么真正进入场景？

这些变化，也在向产业链上游传导。

WRC期间，我们与瑞芯微进行了一次深度交流。这家过去在消费电子、机器视觉、汽车电子等市场积累较多的芯片企业，去年专门成立了机器人产品部门。

机器人由此成为瑞芯微当前重点投入的产品方向之一。

更值得注意的是，瑞芯微对机器人市场的理解已经不局限于一颗芯片。

芯片、软件、算法、数据采集、开发工具和生态，正在被组合成一套更完整的平台能力。

这背后，也是人形机器人从技术验证迈向实际落地之后，上游供应链正在发生的一次变化。

机器人开始分层，人形还没有到“放量时刻”

在今年WRC期间与瑞芯微的交流中，一个明显的感受是，机器人正在成为这家芯片公司的重要增量市场。

这背后，是机器人对芯片平台提出了一套更加复杂的要求。

相比单一功能的智能硬件，机器人同时需要机器视觉的感知能力、工业设备级的稳定性，以及越来越接近消费电子的交互体验。

硬件层面，需要同时平衡性能、接口、功耗和成本；软件层面，则需要把客户开发中不断重复的问题沉淀成标准能力，减少企业从底层开始搭建系统的工作量；再往上，还涉及算法公司、模型厂商、机器人本体企业和方案商之间的协同。

因此，瑞芯微对机器人业务的思路也开始从单纯提供芯片，向一套更加完整的平台能力延伸。

但机器人市场本身，并没有按照同一个速度前进。

从瑞芯微实际接触到的客户和出货情况来看，不同机器人品类已经出现了非常明显的分层。

最成熟的是扫地机器人、割草机器人。这些消费类机器人已经发展多年，产业链和商业模式都相对成熟，市场也进入充分竞争阶段。

面向行业市场，AMR、AGV以及部分服务机器人已经基本完成商业闭环验证，产品和客户需求都相对明确；商用清洁机器人正在海外市场快速增长；四足机器人则在电力、矿山、化工巡检等场景中逐渐找到相对稳定的落脚点。

人形机器人则处在另一种状态。瑞芯微给出的判断是：处于从技术验证走向场景落地的早期阶段。

过去一段时间，人形机器人行业花了大量精力解决本体和运动控制问题。如今，机器人跑、跳、保持平衡等能力正在快速成熟，“小脑”侧的技术路线也逐渐开始收敛。

产业投入的重点随之向“大脑”转移。工厂、物流、超市等场景已经成为人形机器人企业密集测试的方向，但要真正形成稳定、可复制的应用，仍然需要积累更多高质量场景数据。

模型半年一变，芯片怎么跟？

瑞芯微把人形机器人的计算需求分成两个部分来看：小脑和大脑。

小脑侧主要承担运动控制、实时通信等任务，技术路线正在逐步收敛。客户关注点已经从“能不能快速做出原型”，转向“能不能稳定量产”，因此会更明确地看平台性能、功耗、成本、实时性和长期稳定性。

瑞芯微告诉我们，目前RK3588已经在人形机器人小脑侧得到较多应用，也经过了大量客户产品的实际验证。

小脑侧逐渐稳定，大脑侧却依然充满变量。

VLM、VLA、世界模型……过去两年，具身智能模型的迭代速度非常快，新的技术路线不断出现。今天机器人企业选定一套模型架构，几个月之后行业的主流方案可能已经发生变化。

瑞芯微观察到，客户现阶段最看重的是模型能不能快速部署、快速迭代，以及芯片能不能把模型能力充分发挥出来。因此，当前在人形机器人大脑侧，英伟达平台仍然拥有较高的使用率。

随着应用场景逐步清晰、产品进入规模化阶段，功耗、成本、算力效率和端侧部署能力的重要性会进一步提升。

对芯片企业而言，更棘手的问题在于两个产业的产品周期并不匹配。

一个具身模型可能半年就发生明显变化，而一颗复杂芯片从定义、设计到最终量产，需要更长时间。如果芯片围绕某一种具体模型进行高度定制，等产品真正推向市场时，模型范式可能已经变化。

瑞芯微给出的思路，是采用“SoC+AI协处理器”的组合架构，把相对稳定的能力和快速变化的能力分开承载。

运动控制、实时通信、定位导航等技术路线相对成熟的功能，可以主要运行在SoC上；VLM、VLA以及未来可能继续变化的世界模型，则由AI协处理器提供更加灵活的算力扩展。

这样既能保证基础平台的稳定性，也能让客户根据模型规模和产品阶段灵活调整算力配置，不需要因为模型升级就整体更换主控平台。

但瑞芯微也强调，平台的适应性不仅取决于算力，还取决于软件工具链、算子支持、量化能力和模型部署效率。

“我们会持续完善从模型转换、性能优化到部署调试的完整工具链，让新的模型能够更快落到产品中。”

从模型转换，到性能优化，再到最终部署调试，任何一个环节都可能成为瓶颈。对机器人芯片企业来说，接下来的竞争不只是一场TOPS竞赛，更关键的问题可能是：面对持续变化的模型，一套计算平台究竟能够适应多少变化。

数据的难题，开始从“有没有”变成“能不能用”

如果继续沿着机器人“大脑”往前追，最终又会回到数据。

这两年，具身智能行业对数据的投入显著增加。机器人企业自己搭建数采团队，专业的数据公司开始出现，各地也在建设数据采集中心和训练场。遥操作、外骨骼、UMI等不同路线同时发展，具身数据的供给量快速上升。

但随着行业真正开始大规模采数据，一个新的问题也越来越明显：采到了，不代表能用。这也是瑞芯微今年开始重点布局高质量机器人数据采集平台的原因。

瑞芯微告诉我们，现阶段机器人行业的一个重要任务，就是让机器人真正学会干活，并进入更多真实场景。

这个过程离不开大量数据。但当前具身智能训练数据同时面临数量不足和质量不足的问题。

从瑞芯微接触到的客户反馈来看，当前数据采集设备的核心难点，已经很少是某一个传感器“能不能把数据采下来”。

真正麻烦的是，不同数据能不能准确同步。一台机器人或者一套数采设备上，可能同时运行多个SoC，还连接着多个相机、IMU以及其他传感器。这些设备可能通过有线连接，也可能通过无线方式通信。

每个设备单独工作都没有问题，并不意味着最终得到的数据天然能够对齐。

例如机器人完成一次抓取动作，相机看到的是一个时间点，IMU记录的是另一个时间点，关节状态又对应第三个时间点。这些偏差对普通视频影响并不明显，对具身模型训练却可能直接影响数据价值。

因此，时间同步正在成为高质量机器人数据采集里的基础问题。

瑞芯微目前正在围绕这一问题做平台化处理。据瑞芯微介绍，目前基于RK3588或RK3576搭配RV1126B的数据采集方案，已经成为市场中比较有代表性的方案之一。

瑞芯微数据采集多端同步方案

公司正在进一步把多SoC同步、多传感器同步、数据编码和存储等共性需求做成一套完整方案。客户在这一底座之上，再根据自身的机器人形态配置相机、IMU以及其他传感器。

从产业发展的角度看，这背后其实是具身数据竞争开始进入第二阶段。随着数据供给快速增加，真正决定训练效率的会越来越多地转向有效数据率。

同样采集1000小时数据，最终有多少可以直接进入训练管线，多少需要重新清洗、重新对齐甚至重新采集，会直接决定数据成本。

具身数据的难题，因此开始从“有没有”进一步变成“能不能用”。瑞芯微所谓从“采得到”到“直接可用”，真正试图解决的也是中间这一段长期容易被忽略的数据工程。

瑞芯微想做的，是机器人厂商都绕不开的“共性能力”

从芯片，到数据采集，再到算法、模组和SDK，瑞芯微机器人业务的边界显然正在扩大。

但瑞芯微给自己的定位依然明确。“我们的核心定位仍然是芯片和计算平台提供商。”

采访中，瑞芯微反复强调一个词：共性问题。

机器人基础开发环境怎么搭建，数据采集中的时间戳怎么统一，多传感器如何同步，运动控制如何保证实时性，基础算子如何优化……

这些问题很少成为机器人发布会上的主角，却几乎每一家机器人公司都会遇到。

如果每一家企业都自己从零做一遍，会消耗大量工程资源。因此瑞芯微希望把这些能力进一步下沉到芯片和SDK层面，包括音频3A、双目深度等基础算法，也可以直接由平台提供。

机器人厂商在此基础上再部署自己的算法，连接不同的传感器和执行机构，并根据具体场景完成产品开发。

在人形机器人发展的早期，企业最大的目标是先把机器人做出来，所以大量工程工作可以围绕单一产品快速堆起来。

但随着行业开始进入小批量交付，甚至讨论未来规模化生产，重复造轮子的成本会越来越高。

芯片、操作系统、开发工具、基础算法、通信和数据采集等环节，都需要逐步出现更标准化的底层能力。

对于瑞芯微这样的上游厂商来说，这恰恰是一个新的机会。

过去，一颗芯片进入机器人，就完成了一次设计导入。

未来，芯片公司争夺的可能还包括另一层价值：谁能够让机器人企业更快地把一颗芯片变成一款产品。

从这次WRC与瑞芯微的交流来看，公司对于机器人业务的判断也越来越清楚。

成熟机器人品类已经进入拼成本和效率的阶段；人形机器人“小脑”正在趋于稳定，“大脑”依旧快速变化；与此同时，高质量数据又成为模型继续进化必须补上的基础设施。

这些变化最终都指向同一个问题：当机器人开始真正走向场景之后，行业需要的不只是更高的算力，还需要一套足够稳定、足够灵活，也足够容易开发的底层平台。

瑞芯微正在尝试占据的，正是这个位置。