2026上海具身智能机器人展|本地智能如何重塑机器人未来

如果说之前探讨的人形机器人基础控制芯片相当于负责运动协调的“小脑”，那么本文将聚焦于赋予其感知、决策与学习能力的“大脑”。2025年5月，宇树科技发布的Unitree G1人形机器人以9.9万元的售价引发行业关注，其教育版本G1 EDU更配备了英伟达Jetson Orin等高算力模块，显著提升机器人的本地计算能力。这一配置直观体现了当前人形机器人产业在智能架构上的关键探索：如何在终端算力与云端智能之间建立高效协同。

正如宇树科技董事王其鑫在解读全球首场人形机器人格斗赛意义时所指出的，此类赛事不仅是机器人运动算法能力的集中展示，更是对机械结构极限与系统稳定性的公开验证。这也反映出行业共识：机器人“大脑”的进化，不仅依赖于本地硬件，也需结合云端强大的数据处理与模型训练能力，例如华为云推出的CloudRobo具身智能平台，即致力于通过云上赋智，拓展机器人的能力边界。

01 机器人“大脑”的硬件进化：从通用计算到专用芯片

人形机器人的“大脑”本质上是一个高性能计算平台，负责处理传感器数据、执行运动控制和做出智能决策。近年来，这个大脑经历了从通用计算到专用芯片的飞速进化。

英伟达的Jetson系列是机器人大脑发展史上的里程碑。Jetson AGX Xavier搭载8核ARM Cortex-A72 CPU和512核Volta GPU，提供30TOPS（万亿次每秒）的算力；而Jetson Orin则采用12核ARM Cortex-A78 CPU和2048核Ampere GPU，算力飙升至275TOPS，是Xavier的9.17倍，而功耗仅提升约40%。

2025年8月，英伟达再次推出性能更强大的Jetson AGX Thor开发套件，基于Blackwell GPU架构，配备128GB内存，AI算力最高可达2070 TFLOPS(TOPS的一个子集，简单来说TOPS一般是整数精度，TFLOPS是小数精度，计算机计算小数比整数需要更多的算力），提供的AI计算能力比Jetson Orin高7.5倍以上。

这种算力飞跃使得机器人能够处理高速传感器数据并在边缘执行视觉推理，显著提升在现实环境中的运行速度，为人形机器人等多模态人工智能应用开辟新的可能性。

02 本地 vs 云端：机器人智能的分布格局

在人形机器人的智能实现上，存在两种不同的技术路径：本地计算和云端计算。每种方案都有其独特的优势和适用场景。

本地计算的最大优势是低延迟和高可靠性。在机器人格斗这样高动态、高对抗性的场景中，传统云计算架构因高延迟极可能导致动作失衡或防守失败。

谷歌在2025年6月发布的Gemini Robotics On-Device模型充分体现了本地计算的价值。这是一个完全可以在机器人本地运行的视觉-语言-动作（VLA）模型，特别适合对延迟敏感的应用，并确保在网络间歇性或零连接的环境中也能稳定工作。

云端计算则具有无限扩展的计算资源和数据共享优势。华为云在2025年9月推出的CloudRobo具身智能平台通过云上赋智，打破本体约束，让具身智能在云端无限进化。

华为云常务董事张平安表示：“将复杂算法与智能逻辑部署于云端，大幅减轻机器人终端的硬件算力负担，让本体更轻量化。”

03 混合架构：未来机器人智能的主流方向

在实际应用中，前沿机器人公司普遍采用混合架构，将本地计算与云端计算有机结合。宇树G1 EDU搭载Jetson Orin模块提供强大的本地算力，同时也可能通过API与云端服务连接，获得额外的计算资源和支持。

这种混合架构的工作流程通常是：时间敏感的任务（如运动平衡、即时反应）在本地处理，而对计算资源要求高的任务（如复杂场景理解、大规模模型训练）则交给云端。

英伟达已经构建了完整的机器人计算生态系统：DGX负责训练，Omniverse负责合成数据生成和仿真，而Jetson Thor则负责机器人实际运行。这为企业提供了端到端的机器人智能解决方案。

去中心化云计算（DePIN，Decentralized Physical Infrastructure）是一种新兴架构，它结合了边缘计算、智算超算和区块链技术。在这种架构下，机器人可以通过附近的边缘设备节点进行数据的传输与计算。

若边缘设备资源有限时，可调用临近节点的算力池完成复杂任务，同时链上治理可调节算力价格、优先权，实现市场化高效调度。

04 算法部署：如何分配本地与云端的计算任务

在人形机器人的算法部署上，行业已经形成了一些最佳实践。感知算法（如视觉识别、语音识别）和决策算法（如任务规划、导航）更适合在云端运行，因为这些任务对延迟不太敏感，且需要大量计算资源。

控制算法（如运动控制、平衡维护）和安全算法（如碰撞检测、紧急停止）则必须在本地运行，因为这些任务对延迟极其敏感，需要毫秒级的响应时间。

宇树G1 EDU搭载的Jetson Orin模块能够支持多种AI框架和模型，包括Cosmos Reason、DeepSeek、Llama、Gemini、Qwen等通用模型，以及Isaac GR00T N1.5等机器人专用模型。

这种灵活的架构允许开发者根据实际需求分配计算任务，在本地进行实验和推理。

05 挑战与未来：机器人大脑的发展方向

尽管人形机器人的“大脑”已经取得了显著进步，但仍然面临多个挑战。算力功耗是一个关键问题，高性能计算往往意味着高能耗，而机器人通常需要依靠电池运行。

实时性要求也是一个重大挑战，特别是在复杂动态环境中，机器人需要快速处理大量传感器数据并做出决策。安全性需求同样至关重要，尤其是当机器人与人类在同一空间工作时，必须确保绝对安全。

未来的发展方向包括神经拟态计算（模仿人脑工作方式的新型芯片架构）、边缘-云混合架构优化以及5G/6G低延迟通信技术的应用。

华为云携手产业伙伴共建的具身智能R2C协议（Robot to Cloud协议）试图构建机器人与云端统一、开放、安全的通信桥梁，以实现智能体的协同思考与高效执行。

目前R2C协议的数据采集、数据生成、通讯接口三项国家标准已完成立项，首批20家合作伙伴已加入到R2C协议的共建中。

行业巨头们正在两条并行道路上推进：以华为昇腾、寒武纪为代表的国内企业通过本土研发的高性能芯片为机器人提供强大算力；而华为云、百度智能云等则着力构建云端智能平台，通过R2C（Robot-to-Cloud）协议为机器人赋予云上智能能力。

华为云已与沈阳、无锡等地的创新中心合作，将CloudRobo具身智能平台引入更多区域实践。这预示着未来机器人的“大脑”不会局限于本地或云端的二元对立，而是迈向无缝协同的智能体系。

国内科研力量也展现出显著进展。例如，北京大学、清华大学等团队在离线机器人控制方面已实现多项突破，能够完成从精细物品抓取到复杂环境导航等高难度任务。这类技术成果正推动我们向实用化、高适应性的人形机器人目标稳步靠近。