2026年，具身智能产业正迎来从技术突破走向规模化应用的关键跃迁。随着人工智能大模型、多模态感知、边缘计算和高性能芯片技术持续演进，具身机器人正从概念验证加速迈向产业化落地。
在这一产业发展的关键节点，芯原股份7月3日在上海浦东举办“具身机器人专题技术研讨会”。本次研讨会以“具身机器人：感知—计算—行动”为主题，聚焦具身机器人核心技术创新、产业趋势研判与应用实践，邀请产业链上下游企业管理者、战略负责人及技术专家齐聚一堂，共同探讨具身智能产业演进中的核心技术突破、生态协同路径与商业化落地方向。
芯原股份董事长、首席执行官戴伟民在开幕致辞中指出，2026年6月商务部牵头八部门发布文件，将AI政策重心从产业技术扶持转向消费内需刺激，人形机器人、AI眼镜、智能家电均被纳入补贴范畴，家庭场景是具身机器人的终极落地方向。
然而戴伟民同时强调，当前具身机器人的技术成熟度仍然有限。对照汽车自动驾驶的分级体系，他判断具身机器人整体尚处L2阶段，远未达到L3。运动平衡层面已有进展，但认知决策能力仍是核心短板。
在能力演进路径上，戴伟民以"读万卷书、行万里路、阅人无数"三个层次加以阐述：当前大语言模型擅长处理语言类任务，对应"读万卷书"；机器人进入物理世界所需的空间感知与数据积累，对应"行万里路"；而情感交互能力的构建则更为长远。他特别指出，AI眼镜等可穿戴设备将成为物理世界数据采集的重要入口。
在芯原自身定位上，戴伟民分析，公司以IP授权与芯片设计服务为核心，无自有产品、不贴牌，与具身机器人产业链形成共生关系，产业越发展，芯原的服务价值越凸显。
戴伟进：从感知到算力，芯原的机器人技术底座
芯原股份首席战略官、执行副总裁、IP事业部总经理戴伟进在演讲中指出，机器人技术的发展路径与汽车、智能眼镜高度相似——初期尽量复用现有芯片与技术积累，逐步向更复杂的形态演进。他强调，人形机器人是长期目标，但当前市场上多种类型的机器人已率先实现商业交付并产生实际价值。
在系统架构层面，戴伟进阐述了机器人的计算本质：机器人本质上是一台移动的AI计算设备，其功能实现有赖于CPU、GPU与AI算力的协同整合，且并非所有计算都在端侧完成，而是根据场景在不同层级动态分配。他特别指出，云端协同的关键挑战在于延迟控制，芯原为此重点研发高压缩比、低延迟的通信方案，已在可穿戴设备与传感类数据处理领域得到验证。
在IP技术布局上，戴伟进重点阐述了视觉系统的战略地位。他指出，视觉堪称AI的"眼睛"，在机器人场景中的挑战远高于汽车——不仅需要实时感知环境变化，还须在强日照、直射阳光等极端光线条件下保持图像清晰。芯原在汽车视觉领域积累的ISP、DSP等核心技术，正被系统性地迁移至机器人应用场景。他还提到，芯原深耕DSP技术逾20年，在高性能与低功耗的平衡上具备差异化优势。
戴伟进最后强调，芯原提供统一的API框架标准，支持客户跨汽车与机器人场景开展AI应用开发，并通过模块化的功能单元组合，灵活适配不同类型机器人产品的性能与功耗需求，目前已与多家头部客户展开深度合作，推动技术落地。
杨宇：从电动汽车看机器人，市场确定，但关键节点尚未到来
Yole Group汽车及机器人首席分析师杨宇从市场研究视角出发，对具身机器人产业的发展现状与未来走势进行了系统梳理。
杨宇首先指出，Physical AI的核心特征在于边缘部署与前后端协同——前端依赖多类传感器感知物理信号，后端则需要执行器配合，整体对SoC、GPU、内存及电源管理芯片均有较高需求。他将当前Physical AI的主要应用形态从自动驾驶延伸至eVTOL、无人机、轮式机器人、四足机器人及人形机器人，并强调多类形态之间的技术关联性——这也解释了为何大量汽车企业正在跨界布局机器人赛道，两个行业在运动控制、电控等层面的技术高度重叠。
在市场预测方面，杨宇援引Yole数据指出，人形机器人市场未来十年预计保持约50%的年化增长率。他将市场发展分为三个阶段：工业应用率先落地、面向消费者场景逐步渗透、最终走向高度类人的通用场景。他强调，不同阶段的关键要素差异显著，投资者需明确自身布局所处的位置。
杨宇同时指出，制约大规模泛化应用的核心瓶颈在于数据。与自动驾驶每天可依托海量车辆持续采集数据不同，机器人领域目前尚无成本可控、高效可行的数据收集方案，当前出货的机器人很大比例仍流向数据采集中心，这一问题仍是行业的开放性难题。
在落地路径上，他以河南某企业在汽车线束工序中引入轮式机器人承担拾取与放置任务为例，阐述了"以突出能力结合实际场景"的务实策略——机器人尚不能解决所有问题，但在特定环节已能创造切实价值。
他以电动汽车发展历程作结，提示产业关注两类关键节点：政策催化与核心环节的技术突破。当前具身机器人与2015年前后的新能源汽车处境相似，战略方向已明确，但真正的起飞节点仍需研判。
杨平中：机器人之眼——从智慧驾驶到具身智能的视觉技术迁移
芯原股份ISP产品副总裁杨平中围绕机器人视觉系统的技术挑战与芯原的解决方案展开分享。他指出，芯原ISP产品线自2018年起步，目前已积累80余家客户，其中20余家分布在智慧驾驶领域，机器人与无人机则是当前最重要的增量市场。
在技术路径上，杨平中阐述了从汽车ISP向具身智能迁移的逻辑。他指出，车载场景中摄像头相对固定、路面环境较为规整；而机器人因需飞行、行走、奔跑，摄像头始终处于运动状态，这对图像处理提出了更高要求。芯原为此重点研发了支持运动补偿的降噪技术MCTF、电子防抖EIS及SLAM等关键能力，并于当日正式发布新IP。
在系统架构层面，杨平中介绍了中大型机器人的典型视觉配置：通常搭载5至12组摄像头，涵盖RGBD深度相机、双目RGB相机及广角鱼眼相机，像素处理吞吐率须达1.5GPixel/s以上，同时需应对140dB高动态范围、极低照度及镜头畸变等挑战。他强调，低延迟处理是移动场景下避障与高速运行的核心生命线，也是芯原底层技术的重要方向之一。
在具体产品方面，杨平中介绍了面向机器人的视觉子系统解决方案——单颗ISP最高可支持16路摄像头并发，通过硬件调度机制大幅提升pipeline效率；同时融合IMU惯性传感器数据，实现摄像头与运动信息的精准同步对齐。AI降噪、AI宽动态增强（AI-WDR）等技术已迭代至第六代，并在隧道进出、强光直射等极端场景下完成验证。
杨平中最后特别强调功能安全问题。他指出，随着机器人进入家庭并与人密切交互，硬件电路的长期可靠性不可忽视，芯原每代ISP均通过ISO 26262认证，已为车规级安全积累了五六年的技术沉淀，这一能力将同步赋能机器人场景。
张慧明：机器人之脑——统一架构驱动AI算力从边缘到大模型
芯原股份GPU/NPU产品高级副总裁张慧明围绕机器人"大脑"的算力需求，系统介绍了芯原NPU与GPGPU的技术积累与最新进展。
张慧明指出，机器人的感知、决策与交互功能高度依赖AI算力支撑，核心在于AI Computing的处理能力。芯原在这一领域深耕近二十年，从第一代图形显卡起步，2016年扩展NPU指令集，2017年推出首款IP，NPU产品线迄今已接近2亿颗量产芯片，且每季度出货量持续增长。在应用覆盖上，芯原NPU IP已广泛落地于手机、AIPC、工业机器人及消费类设备，国内主要AIPC厂商基本均采用芯原方案。
在架构演进方面，张慧明强调，芯原始终坚持统一软硬件架构路线。新一代NPU设计引入5个并行处理引擎，以应对从CNN时代向大模型时代的转变，显著提升运算效率与带宽利用率，并支持业界所有主流数据格式。VIP9400支持多核联动，VIP9800进一步实现八核联动并与DDR协同处理，可在带宽优化与算力提升之间取得平衡，同时支持多任务并行与单任务多核分区两种工作模式。
在GPGPU方面，张慧明介绍了最新推出的CC10000系列，在300至500 TOPS算力区间内，PPA较上一代提升约40%至50%，适用于大算力机器人及边缘服务器场景，同时保持与前代软件架构的兼容性，并支持与CUDA生态适配。
张慧明还重点阐述了芯原一站式AI编译器的价值：编译器向上兼容主流框架，向下对接不同算力IP，中间层处理所有硬件无关的优化逻辑，使客户在芯片升级换代时可复用既有软件栈，大幅降低软件投入成本。此外，芯原已推出支持3D堆叠的四Die方案，并在DDR、HBM带宽配比及Die to Die、Chip to Chip互联方案上积累了成熟案例。
毛夏飞：DSP赋能机器人感知，用确定性延迟解决物理世界的"EQ"问题
芯原股份NPU/DSP产品高级总监毛夏飞聚焦机器人感知层的技术挑战，阐述了DSP在具身智能时代的独特价值。
毛夏飞指出，当前行业热议的VLA模型将感知、理解、规划与动作整合于一体，看似完美，但在物理世界中面临一个隐性挑战：机器人必须在毫秒级时间窗口内完成感知、决策与执行的完整闭环。一旦延迟失控，避障等基本动作便会出现问题。他将这一能力定义为机器人的"EQ"——有别于NPU所定义的"IQ"上限，DSP决定的是机器人能否灵活、可靠地在物理世界落脚。
在需求层面，他归纳了感知系统的三个核心要求：确定性延迟（非平均延迟，而是每个环节的精准可控）、低功耗能效（机器人算力与散热存在硬性约束），以及对语音、视觉、运动等多类传感器数据的协同处理能力。DSP凭借专用指令集架构，在上述三个维度上具备天然优势。
在应用场景上，毛夏飞分别阐述了DSP在语音交互、视觉处理与运动控制三个方向的作用。语音方面，DSP通过波束成型与降噪算法解决远场、嘈杂环境下的"听得见、听得清"问题；视觉方面，DSP承担AI前端的格式转换、特征提取及SLAM后端优化等不适合AI处理器直接执行的矩阵计算任务；运动控制方面，DSP以高精度、低延迟的确定性响应满足实时性要求。
在产品层面，芯原第五代DSP覆盖面向语音处理的Nano系列与面向高性能计算的5000系列，支持多核同构与异构配置，并提供Zturbo扩展接口，允许客户自定义指令集或硬件加速模块。软件侧提供完整工具链，支持模型自动量化与代码生成，用户无需手写底层代码即可完成从模型到硬件的全流程部署。
他最后总结：NPU定义机器人的能力上限，DSP则让机器人真正智能、灵活地在现实世界中运行。
汪志伟：从定制芯片到具身机器人，芯原的全栈SoC能力迁移路径
芯原股份执行副总裁、定制芯片平台事业部总经理汪志伟系统介绍了芯原在端侧AI与具身机器人定制芯片领域的技术积累与业务布局。
汪志伟指出，具身机器人作为典型的端侧AI设备，对芯片提出四类核心需求：多模态感知融合、微秒级实时决策、极致能效密度，以及支持大脑与小脑协同的异构计算架构。他坦言，当前市场主流平台要么算力不足，要么依赖价格高昂的海外自动驾驶芯片，定制化需求日益迫切。
在技术路径上，汪志伟阐述了芯原从汽车智驾向具身机器人迁移的逻辑。芯原已在5nm工艺节点完成自动驾驶SoC的量产验证，稠密算力500 TOPS、经结构化稀疏后可达1280 TOPS，并自研功能安全岛IP，实现ASIL-A等级认证。他指出，高性能具身机器人通常需要100至200 TOPS算力，经稀疏化后达200至400 TOPS，汽车平台积累的技术可直接复用于机器人场景。此外，芯原自研的UCIe芯片互联接口已在4nm、8nm节点完成流片，为多芯片算力扩展提供支撑。
在落地案例方面，汪志伟介绍了扫地机器人系统级芯片的量产经验——在12nm节点实现从流片到大规模生产仅约半年，回片当天即完成软件SDK启动。他还提及与谷歌合作的AI眼镜项目，芯原深度参与传感芯片设计及基于RISC-V的下一代边缘AI IP开发，相关NPU源代码已在谷歌网站开源。
汪志伟最后指出，从云到边缘再到端侧，算力需求持续攀升，推动工艺节点不断前进。芯原每年平均帮客户流片约30颗芯片，2.5D封装已实现量产，并已布局面板级封装技术，具备覆盖设计、IP、封装的全栈交付能力。
优必选科技高级副总裁、战略投资总顾问侯宗放也向现场观众分享了以“人形机器人赋能工业行业应用”为主题的演讲。
研讨会的最后重头环节则是一场主题为“具身机器人的发展机遇与挑战”的圆桌讨论。圆桌主持人位芯原股份品牌副总裁孔文。芯原股份首席战略官、执行副总裁戴伟进，优必选科技高级副总裁、战略投资总顾问侯宗放，地瓜机器人CEO王丛，上海国投先导私募基金管理有限公司投资管理三部董事总经理王溪，芯原股份执行副总裁、定制芯片平台事业部总经理汪志伟，Yole Group汽车及机器人首席分析师杨宇参与了讨论。