電子發燒友網報道（文/周凱揚）作為最考驗場景適用度和成本控制的應用之一，機器人市場在隨著進一步接入高性能AI芯片，再度開啟了新的藍海賽道。比如人形機器人已經有了接入大語言模型的趨勢，我們也已經在不少行業展會上看到了類似的demo。

機器人市場的白刃戰已經不再僅僅是運動控制系統和視覺感知系統的比拼了，誰能在新時代把握AI算力的紅利，就有可能率先搶下這一藍海市場的第一塊蛋糕。而賦予這一紅利的前提，恰恰就是機器人AI芯片以及相關的軟件開發平臺。

接入大語言模型，AI自動生成代碼

作為AI芯片領域的龍頭，英偉達的Jetson AGX Orin在去年一經發布，就獲得了機器人行業生態的追捧。200TOPS@INT8的算力相比上一代的Jetson Nano、Jetson Xavier都有了數倍的提升。而上一代產品仍是當時乃至現在的主流產品，Jetson的開發生態擁有100萬開發者和6000多家公司，小米的Cyberone、宇樹的B1等產品都在使用Jetson硬件作為感知計算平臺。

不過Jetson AGX Orin面向的依然是行業級的市場，面對消費級的產品，仍需要入門級與中端級的產品來替代原先的Nano和Xavier。因此英偉達隨即又發布了全新的Jetson Orin Nano和Jetson Orin NX，根據配置不同，最高算力分別可至40TOPS和100TOPS。

與Jetson AGX Orin一同更新的Metropolis、Omniverse Isaac和TAO的工具套件，進一步減少了AI部署所需的時間成本，又能解決感知、自然語言理解等機器人開發過程中的挑戰。自去年第四季度英偉達開始供貨以來，今年新發布的一眾機器人產品紛紛用上了這顆芯片，而其作用也不再只是用于感知計算。

以國產機器人廠商宇樹為例，他們發布的Unitree Go2 EDU版本可以選配英偉達Jetson Orin高算力模組，以提供額外的40到100TOPS算力，結合來看選配的最低是8GB的Jetson Orin Nano，以及16GB的Jetson Orin NX。Unitree Go2也接入了GPT，在與人進行問答交互時也更加智能，并非程序式的反應。

這對于陪伴型機器人來說，或許意味著跨世代的進步，在接入GPT后，一切交互活動都會變得人性化。在理解指令語義后，也能通過GPT的代碼生成能力自動生成機器人的控制代碼，從而在無需額外編程的情況下，觸發更為復雜的動作指令。而目前Jetson是接入大模型最為全面的機器人硬件平臺，故而為國產機器人廠商結合國產大模型也提供了支持。

AI定制化需求與開發平臺易用性

地平線雖是國產自動駕駛芯片的龍頭廠商，但這家名字里帶了Robotics的公司，也在穩步推進著機器人的開發。在去年，地平線推出了國內首個軟硬一體的機器人開發平臺Horizon Hobot Platform，以及基于最新旭日X3芯片打造的旭日X3派開發板。

Hobot平臺除了包括旭日3芯片外，還包括機器人操作系統TogetherROS，機器人參考算法Boxs等。旭日3集成了全新的伯努利2.0 BPU架構，可以提供5TOPS的算力。而TogetherROS在兼容ROS2通用操作系統的同時，對旭日芯片進行了底層優化，提高了部分CV算子的性能。除了與傳感器和軟件廠商達成合作以外，地平線也與不少機器人本體廠商緊密合作，諸如松靈機器人、智科特機器人等。

而今年地平線推出了全新的RDK系列機器人開發者套件，基于此原先的旭日X3派升級成了RDK X3，上半年也發布了集成度更高的RDK X3模組，四核Cortex-A53的CPU主頻升級至1.5GHz，可以滿足機器人開發者客戶更多的定制化需求。

而在7月的地平線2023機器人開發者創享日上，地平線又發布了RDK X3 2.0以及RDK Ultra。RDK Ultra則是地平線為機器人開發準備的一套高性能、大算力套件，其端側推理算力可達96TOPS，同時配備了8核Cortex-A55 CPU提供高性能處理能力。同時為了更好地降低開發者的適配與學習成本，RDK Ultra的硬件接口甚至兼容Jetson Orin系列開發板。

與此同時，基于下一代芯片旭日5的RDK X5套件也已經在開發過程中了，預計將于2024年面世。地平線也透露了該平臺的一些性能指標，比如8TOPS的BPU算力，8核Cortex A55的CPU將主頻進一步提升至1.8GHz，且這次更是配備了Arm Mali GPU。

在機器人開發者創享日上，同樣獲得升級的還有TogetherROS。升級到2.0版本的TogetherROS引入了更多的算法與應用實例，其中包括了一眾因為算力升級而得以實現的復雜算法，比如BEV視覺3D感知、深度學習視覺巡線等等。

為了對機器人應用進行更有針對性的開發，地平線也推出了Node Hub，通過將SLAM、目標檢測、定位和自主導航等功能節點化，從而使得不同類型的機器人只需將這些節點串聯起來即可完成應用開發，譬如需要SLAM、自主導航和運動控制的物流機器人，或是需要運動規劃和目標檢測的分揀機器人等等。

AI計算的同時兼顧可靠性與實時性

另一個常常被大家忽略的硬件平臺，同樣可以助力AI機器人的開發，那就是AMD/賽靈思的Versal AI Edge系列。該系列通過標量引擎、自適應引擎和智能引擎的結合，提供了一個比GPU提供更高AI能耗比的平臺。在通用的控制嵌入式計算上，雙核Cortex-A72和雙核Cortex-R5F足以滿足Linux應用和實時控制的需求，而自適應引擎則用于支持各種傳感器的融合算法。

其智能引擎由AI引擎和DSP引擎構成，每個AI引擎都由多個引擎塊構成2D陣列，而每個引擎塊都包含了一個VLIW的單指令多數據向量處理器，主頻高達1.3GHz，且專門針對機器學習和高級信號處理進行了優化，足以滿足機器人實時控制的低時延。

值得一提的是，AMD提供的這一AI引擎分為兩種，一種是同時平衡ML和DSP負載的AIE引擎，一種是專注于ML的AIE-ML引擎，前者的高級信號處理能力更高，而后者的機器學習推理性能更高。這也是為何Versal AI Edge在智能引擎中加入了一個獨立的DSP引擎，這樣一來無論是機器人AI應用中的深度學習，還是感知計算中的信號處理，都能在單一平臺上完成。

不過從用例來看，Versal AI Edge系列還是更適合用于行業級的機器人，諸如工業協作機器人、醫用手術機器人等等。這類應用往往需要數量大于消費級機器人的異構傳感器輸入，且對于預測性維護、遠程診斷之類的機器學習應用需求更高。況且從其標量引擎的配置和自適應引擎對TSN網絡的支持上來看，也是為了在工業、醫療等環境中實現ROS下最快的響應速度。

寫在最后

對于機器人市場來說，追求小型化、低功耗、高算力的AI計算芯片必然是未來幾年的大勢所趨。與之匹配的電機/電機控制芯片以及傳感器，也已經開啟了新一輪的技術升級，目標即形成感知層、計算層和執行層的完美融合。單從技術積累來看，自動駕駛芯片廠商很有可能是率先吃到甜頭的廠商，但它們不少仍需要更多的精力來接入不同的AI模型，才能跟上新的交互潮流。