机器人的“超脑”，终于有人认真做了

机器人的“超脑”，终于有人认真做了

一个机器人厂商的算法负责人最近在朋友圈感慨：我们不是缺模型，是缺一颗能装进机器人脑袋里的芯片。

2025年9月18日这一天，三件事几乎同时发生：联发科在中国机器人峰会上发布了专为具身智能打造的旗舰SoC Genio Pro 5100；华为全联接大会2025（HUAWEI CONNECT 2025）上，采用NPO技术的昇腾960超节点登场；同一天，中科院公布了用DUV光刻机逼近3nm等效性能的GAA晶体管架构。

三件事分属端侧、云端和制造三个战场，但拼在一起指向同一个判断：制约机器人产业落地的算力短板，正在被系统性地补齐。

🧠 联发科下场：机器人的脑子有了专属芯片

先把最硬的规格摆出来。

Genio Pro 5100采用台积电3nm制程，CPU基于Arm v9.2架构全大核8核设计——1×Cortex-X925、3×Cortex-X4、4×Cortex-A720，配12MB三级缓存与10MB系统缓存，运算性能260K DMIPS。AI部分内置自研第8代NPU 890，算力106 TOPS，并搭载Transformer专用计算引擎，可在端侧本地运行Qwen3 7B大语言模型，推理速度达23 tokens/s量级。

单看参数，这像一颗旗舰手机的芯片。但它的真正杀手锏是四个字：双脑同芯。

机器人圈都知道，“决策大脑+控制小脑”一直是两套系统——大模型负责理解和规划，实时控制器负责运动学解算和关节控制。传统方案用多芯片堆叠，工控板上一颗AI模组加一颗实时控制芯片，中间靠总线通信。硬件复杂、通信延迟、故障点多，这三座山压了很多整机厂好几年。

发布会当天，合作伙伴华睿智普同步推出了搭载该芯片的Praxis One具身智能超脑算力底座（可在华睿智普官网及联发科官方新闻稿中查证双方合作信息）。而这类“芯片+参考设计”打包交付的模式，并非业内私下流传的判断——联发科Genio产品线官网已公开挂出面向机器人场景的完整参考设计资料，整机厂要的从来不是一颗裸片，而是一套能直接跑起来的算力底座。

这颗芯片的意义，不在于参数多猛，而在于第一次有人用旗舰手机的工艺标准，认真回答了“机器人到底需要什么样的脑子”这个问题。

⚡ 为什么机器人不能只靠云端大模型

很多人对具身智能的想象还停留在“云端大模型遥控机器人”。这在工程上走不通。

一台实体机器人的核心，是“感知—决策—行动”的本地闭环。这意味着端侧芯片要同时满足三个硬性要求：超低延迟与即时响应、隐私保护与离线运行、多模态融合感知推理。

这个闭环有多苛刻？一个工业机械臂在动态环境里抓取物体，感知到执行的全链路延迟必须压到毫秒级；一旦断网或者数据要上云，隐私合规和响应速度两头都塌。云可以负责重训练、慢思考，但快思考必须留在机器人身体里。

这就是“端侧算力”被反复强调的原因。华为在全联接大会2025上给了一组值得细品的数据：中国每日推理Token已增长到每日500万亿左右，到2030年将达百万万亿级；端侧手机模型从2024年的3B发展到今天的30B，未来走向100B级。云端推理需求爆炸式增长的同时，推理正在加速下沉到端侧——机器人是这个趋势里对端侧算力要求最苛刻的载体。

pie showData

title 10万卡集群时间构成

训练计算时间 60

集群内通信时间 40

云端同样不轻松。华为马尔科夫实验室的仿真显示，传统服务器架构下，集群内通信超过训练时间的40%，严重制约MFU（模型浮点算力利用率）。这就是为什么“超节点”成为必然选择——把多个计算节点通过高效互联协议紧密连接，跨物理节点统一内存编址，逻辑上就是“一台计算机”。

云端要更大更密，端侧要更低更省，具身智能把算力的两头同时拉到了极限。

🏗️ 华为的另一条战线：超节点与算力生态

华为全联接大会2025于2025年9月18日在上海开幕，昇腾960超节点是全场焦点——业界首个采用NPO（光电共封装）技术的超节点，配套升级鲲鹏超节点、发布OceanStor M900 AI记忆存储系统，基于灵衢UnifiedBus统一互联构建Agentic超节点集群，支持百万卡超大规模集群。

NPO是什么概念？传统光模块插在交换机面板上，光信号要走一段PCB；NPO把光引擎和交换芯片共封装，距离缩短到厘米级，功耗和延迟同时下降。对于动辄数万卡的训练集群，这是实打实的性能释放。

部署数据也说明了节奏：昇腾910C超节点已部署超1000套，昇腾950超节点已规模商用，新一代提前推出。

比硬件更值得关注的是生态数字：鲲鹏全球开发者超416万，生态合作伙伴超7200家，支持560多个全球开源项目，openEuler装机量超2000万套，成为中国服务器操作系统第一份额；CANN社区月活开发者突破5200名，基于昇腾+CANN的原生训练模型超40个，是国内唯一支持预训练的技术路线。

华为把话说得很直白：华为AI战略的核心是算力，坚持硬件变现，围绕“超节点+集群”通过系统架构创新构建竞争力。翻译一下——单芯片工艺受限的情况下，用系统级工程能力换性能空间。

对机器人产业来说，这套云侧底座并不遥远。具身智能的训练依赖大规模集群，VLA模型的预训练、仿真数据的批量生成，最后都要落到“哪里有算力就在哪里训练”这个朴素逻辑上。国产算力底座越厚，国内机器人公司的训练成本曲线就越友好。

🔬 中科院GAA：被忽视的制造暗线

如果说联发科和华为是在用现有工艺做极致设计，中科院的进展则在回答一个更根本的问题：先进制程的卡脖子，能不能用器件架构创新绕开？

据中国科学院相关研究所官网发布及Tom's Hardware、《科创板日报》等媒体公开报道，中科院研究团队近期公布了一种新型全环绕栅极（GAA）晶体管架构，相关成果已以论文形式公开发表于国际学术期刊，可查证的核心指标是：在DUV光刻机上实现了开关比超过50万倍的性能——开启时电流是关闭时的50万倍，理论上可解锁3nm等效性能。

先补个背景。GAA与传统FinFET的区别在于：FinFET的栅极只从三面包住电流通道，像用两根手指捏住水管；GAA是栅极四面八方包裹通道，像用整只手攥住水管，漏电几乎被杜绝。栅极控制力上去了，就允许放宽晶体管间距来保持性能——这正是DUV路线通往3nm等效性能的理论窗口。

但要泼一盆冷水：理论归理论，制造环节还有硬关卡。芯片制造分前道FEOL、中道MEOL、后道BEOL三个环节。中科院的新晶体管解决了前道的瓶颈，但MEOL的金属互连和后道M0层布线并未从中受益。中后道的图形化密度要求同样苛刻，这部分短板不补，DUV路线就走不完全程。

即便如此，这次突破的战略意义不容低估：它验证了在缺少EUV光刻机的条件下，从DUV向更先进制程逼近存在一条现实的技术路径。芯片这个机器人产业的“粮食”，供应链安全性有了新的想象空间。

器件创新、封装创新、系统创新，三条路同时在走，这是国产半导体应对封锁的典型打法。

💡 把三条战线拼成一张图

回到机器人产业本身，这三件事拼起来其实是一张完整的算力版图：

按照华为的判断，大模型参数正快速迈向10万亿，2030年将达100万亿以上；智能体已可按小时级连续工作，2030年将以月为单位执行任务。这意味着未来的机器人，脑袋里要装一个能在端侧实时反应的“小模型”，身后要连着一个万亿参数级的“大模型”，中间还需要一张足够稠密的算力网络。

端侧，联发科用一颗3nm的Genio Pro 5100给出了第一个“机器人专属SoC”的答案；云侧，华为用NPO超节点把集群效率的天花板往上顶；制造侧，中科院的GAA晶体管为远期供应链留了一条暗线。

当然，落地验证才是下一关。Praxis One底座能不能在真实产线上跑出良率和稳定性，昇腾960超节点的实际MFU表现如何，GAA路线的MEOL瓶颈何时补齐——这些都要用时间和订单来回答。

但方向已经清晰：机器人产业的故事正在从“模型竞赛”切换到“算力竞赛”，谁先把感知-决策-行动的闭环成本打下来，谁就拿到下一轮船票。

小结：2025年9月18日的三条新闻，表面是三场发布会，实质是具身智能算力版图的三块拼图同时就位。端侧专属芯片补上了“最后一公里”，云侧超节点撑起了“训练天花板”，制造侧的器件突破守住了“供应链底线”。机器人规模化落地的最大变量——算力——正以前所未有的速度被夯实。

接下来的看点也有明确的时间锚点：昇腾950PR计划于2026年一季度上市、昇腾950DT计划于2026年四季度上市，可验证华为“超节点+集群”路线的真实交付节奏；Genio Pro 5100的量产爬坡与首批整机客户官宣，可验证“双脑同芯”方案能否通过产线良率与稳定性考核；中科院GAA路线的后续论文与中道（MEOL）工艺进展，则决定了DUV逼近3nm这条暗线能否走完最后一程。算力的故事刚开讲，接下来的看点，是这些算力何时变成产线上真实的节奏和订单。

主要信源（供核查）

• 联发科Genio Pro 5100发布信息：联发科官方新闻稿及Genio产品线官网（2025年9月18日）；合作伙伴华睿智普Praxis One产品资料见其官网。
• 华为全联接大会2025：华为官网大会主题演讲直播与实录，昇腾计算、鲲鹏、openEuler官方渠道发布的生态数据。
• 中科院GAA晶体管成果：中国科学院相关研究所官网发布、已公开发表的学术论文，以及Tom's Hardware、《科创板日报》等媒体2025年9月的公开报道。