相关证件：
会员类型：
会员年限：8年
林小姐 
电话：19194421175
手机：19194421175
发布时间： 2025/6/16 9:54:11 | 28 次阅读
2025年，被认为是具身智能机器人产业的量产元年。
随着传感器技术、SLAM 和导航技术的进步，特别是AI大模型赋予的“大脑”和自主思考能力，具身智能作为人工智能与机器人技术深度融合的产物，正在引领机器人向更高层次的智能化发展。与此同时，在这一场机器学习革命浪潮中，越来越多的科技企业投身到具身智能领域，不断技术创新升级和拓展行业生态，推动更多应用场景商业化落地。
今年6月，地瓜机器人刚好成立一周年。周年之际，这家“脱胎”于国内智能驾驶厂商——地平线的初创机器人企业，发布了行业首款单 SoC 算控一体化机器人开发套件 RDK S100。这款产品通过其独特的大小脑架构和高性能计算资源，不仅满足了开发者对高性能计算资源的迫切需求，还为机器人技术的普及和应用开辟了新的道路。
地瓜机器人是地平线（Horizon Robotics）于2024年从其机器人事业部分拆组建的全资子公司，专注于提供机器人软硬件通用底座，旨在推动机器人技术的普及和应用。地平线初以智能驾驶芯片和解决方案为业务，但随着技术的发展和市场需求的变化，又将目光转向了机器人领域，希望通过智能驾驶的技术积累，为机器人开发提供通用的计算范式。
地瓜机器人 CEO 王丛表示，尽管地瓜机器人仅仅成立一年，但依托于此前母公司地平线所积累的技术和客户基础，“我们已经有上百家的客户，涉及不同的细分品类的市场。”他认为，机器人市场未来将不断成长，也将出现越来越多的机器人企业，以及众多的开发者的群体，将需要一个通用的底层工具来支撑行业的发展。
这是成立地瓜机器人的根本所在，也正如王丛此前给地瓜机器人所定位的行业使命——加速机器智能进化，促进人机和谐伴生，以及“机器人时代母生态”的愿景。王丛表示，“我们的定位其实就是想成为智能机器人的母生态，为机器人创造更简单的全链路开发基础设施。”
那么，从智能驾驶到智能机器人，会是地瓜机器人一个降维打击的过程吗？地瓜机器人开发者生态副总裁胡春旭坦言，“其实我们一直也在思考这个问题。在我看来，这一过程既有降维的部分，也有升维的部分。”
“在智能驾驶领域，我们有很多成熟产业链，以及很多成熟开发范式，进入智能机器人领域，属于降维的过程。但同时，智能机器人不仅有更多的碎片化需求，也缺乏相关的数据，又属于升维的过程。”胡春旭表示，地瓜机器人更重要的是要去探索未来机器人的整个发展路径，且通过对未来市场的预判，构建整个机器人的生态。
尽管目前行业聚焦点在人形机器人，但机器人行业有很多不同形态的机器人，在特定应用场景会发挥不同的作用。胡春旭表示，从整个行业不同应用出发，地瓜机器人进行了整体的产品规划，去构建机器人生态通用的智能软硬件平台。
目前，地瓜机器人构建了从芯片、算法到软件的完善产品体系，并以旭日?智能计算芯片和RDK?机器人开发者套件为，形成了覆盖5~500 TOPS各算力段的完整产品布局，可满足人形、四足狗、家庭服务、陪伴、物流 AMR 等多种机器人计算需求。
当前，具身智能作为人工智能与物理世界深度融合的重要方向，正迎来前所未有的发展机遇。
胡春旭认为，对应智能驾驶等级，智能机器人正处于G2（通用原子技能）向G3（端到端操作技能）的跨越阶段，即从一些任务编排式的功能进化到认知推理规划大模型。
目前，在具身智能的实现路径上，端到端模型和分层决策模型，成为当前业内的两大流派。其中，端到端模型依赖海量数据训练和大量计算资源，具有通用性强、可自动适应环境变化等优势，但需要海量数据训练、消耗大量计算资源，同时超大规模的数据量和高频次模型调用会影响决策速度，降低实时性。而分层决策模型可控、可解释、实现难度相对更低。不过，分层决策模型相对可控、实现难度相对较低，且可解释性高，但也需要解决不同步骤间的对齐和一致性问题。
胡春旭表示，具身智能面临挑战之一是数据稀缺，包括数据获取成本高、数据质量参差不齐。因此，不像一些国外大厂，地瓜机器人面对数据匮乏的难题，选择了分层决策模型技术路径的“大小脑”的解决方案。
在地瓜机器人看来，端到端模型需要分阶段实现，而“大小脑”模式是当前机器人走向具身智能的更可行方案。即通过“大脑” 决策系统和“小脑” 控制执行系统形成互补，可解决端到端模型通用性强但速度不快、机器人视觉运动策略速度快但通用性不强的权衡问题，让每个系统都能在其时间尺度运行。
胡春旭认为，“从G2到G5整个阶段，这个技术路径只是不同阶段的不同路径实现而已。未来十年，并非所有机器人都是AGI机器人，而是存在从G2到G5不同层次机器人。从未来市场以及技术路径规划来看，我们认为未来两种技术路径一定都会存在。”他也表示，短期内“大小脑”模式会更容易落地，更容易实现规模化应用。这也是地瓜机器人首先推出 RDK S100的关键原因之一。
胡春旭也进一步解释，“大小脑”模式其实很早就在汽车场景中得到应用，也被无数次验证了可行性，“同样的技术路径，我们认为在具身机器人行业也依然是成立的。所以，我们认为短期内‘大小脑’模式是具身智能可行的一种方案。”
随着具身智能从人工设计算法向数据驱动模型转变，其对计算负载的需求也在发生显著变化。胡春旭介绍，常规的CPU、GPU、MCU等计算单元乃至云端算力各具优势，但当前市面上缺少能够根据不同场景、不同应用需求，对不同架构灵活组合，需要适合具身机器人“大小脑” 计算的单 SoC 芯片。
而理想的单SoC不仅要高度集成多种计算单元，还需能够通过系统级软件充分释放不同计算单元的算力，动态调度完成大小模型的部署，同时克服功耗与成本方面的多重挑战。而RDK S100采用大小脑协同的异构架构设计，可充分发挥CPU、BPU、MCU等不同计算单元的算力。
RDK S100
具体而言，RDK S100由6个Cortex-A78AE和针对Transformer优化的全新一代纳什架构BPU组成“大脑”，可提供高效任务调度和澎湃的AI算力，能够满足各类复杂决策和规划任务的计算需求；由超实时开放性四Arm Cortex R52%2B MCU组成的高性能“小脑”，为机器人提供了高性能的运控，满足各种实时运控场景的计算需求。
值得一提的是，RDK S100搭载全新升级的BPU? Nash处理器，专为CNN和Transformer优化，在保持高性能的同时，通过硬件级别的优化，实现更高的性能效率。其支持80/128 TOPS算力灵活选择，满足不同场景下的能效密度需求；支持CNN与Transformer算法涉及算子的100%硬件加速，总体ONNX标准算子支持数量达160%2B；新增多线程VPU（Vector Process Unit）单元，支持FP16和FP32浮点计算，有效提升Layernorm、Softmax等敏感算子的精度和性能。
RDKS100生态伙伴相关终端产品
目前，基于RDKS100，地瓜机器人已与超过20家具有行业影响力的具身智能头部客户建立合作，覆盖人形机器人、半人形/机械臂、四足机器狗、智能化方案等多个领域。
而针对行业共性痛点——数据稀缺这一难题，胡春旭表示，尽管我们身处数据爆炸时代，但数据这一问题依然不可能一站式解决，“尤其是机器人的碎片化场景，数据是无穷无尽的。所以我们认为，它的解决方案一定是数据闭环。”他也介绍了解决数据问题的两大思路：合成数据生成和真实数据采集与仿真训练。
其中，合成数据生成是当前解决具身智能数据稀缺问题的重要策略之一。在这一方式，地瓜机器人通过云端的大模型引擎，可以动态地产生一些仿真数据，同时不断提高仿真数据的质量，再基于大量高质量的仿真数据做AI训练。另一种方式是通过真实数据采集与仿真训练相结合的方式，提高模型泛化性。地瓜机器人也在做很多前沿的算法研究，“还与国内高校一起合作，通过算法的优化去尝试去解决问题。”
对此，王丛也表示，“无论是自动驾驶，还是具身智能，一定需要一个数据闭环研发的平台，才能实现高效、持续迭代与成长。”
基于RDKS100的人形机器人
基于RDKS100的半人形双臂机器人
基于RDKS100的四足机器人
为了推动具身智能生态快速成长，地瓜机器人还致力于打造让机器人开发更简单、更容易的具身机器人云平台，以及打造行业内的并行化具身训练场、构建行业内完整的具身模型训练工具链，使其逐步成为机器人软件开发领域的“CUDA”，加速具身智能的创新进程。
