21世纪经济报道记者孔海丽

让机器人完成一次抓取、搬运或行走，已经成为常见画面，但要让机器人将同一个动作稳定重复成千上万次，行业仍有大量工程问题需要解决。

2026世界机器人大会期间，“量产、交付、数据闭环、真实场景”成为高频词，工厂搬运、仓储分拣、巡检和零售服务等场景占据了更大比重，行业更加关心机器人能连续工作多久，遇到意外能否自行恢复，整套系统是否具备批量复制的条件。

辉羲智能创始人兼CEO徐宁仪近日在接受采访时表示，做出一个能跑的Demo和做出一套能稳定量产的计算平台，是两件完全不同的事情。具身智能的竞争正在深入整机内部。

算法模型、计算芯片、传感器、控制系统和开发工具需要协同工作，任何一个环节不稳定，都会在真实任务中暴露出来。

如今，芯片公司的业务已经延伸到了提供算力、模型迁移、实时控制和整机交付支持等方面。

具身智能模型的能力在过去两年明显提升。VLA模型可以把视觉、语言和动作连接起来，世界模型尝试理解环境变化，机器人由此具备了处理复杂任务的可能性

这些模型进入机器人本体后，需要同时处理摄像头、力传感器、网络和执行器传回的数据，并在很短时间内完成感知、推理、决策和运动控制。

这套计算过程与云端大模型有明显差别。机器人要在物理世界实时行动，控制周期不能因为模型变大而随意延长。算力、内存带宽、接口、功耗和软件适配共同影响运行效果。

一个算子没有优化，一类传感器接入不顺，或者多任务并行时发生延迟，都可能让机器人在现场停下来。

徐宁仪把量产难题归纳为三个部分。模型部署到端侧后要保持精度和实时性；计算平台要同时承载感知、网络与控制任务；硬件可靠性、软件版本管理和供应链还要跟上整机交付规模。

机器人企业对芯片的评估指标也随之增加。TOPS依然重要，模型迁移效率、实时控制能力、接口数量、功耗和工具链成熟度同样会影响整机开发周期。徐宁仪认为，人形、轮式、四足机器人面对的任务各不相同，底层计算需求已经出现共性，包括多模态感知、大模型推理、决策、控制和数据回流。统一的计算与软件架构可以减少不同本体重复开发的工作量。

这种变化正在重塑机器人芯片公司的角色定位：客户需要的交付物逐渐扩展到芯片、模组、域控、软件工具和现场工程支持。计算平台能否帮助本体企业缩短开发周期，成为产品竞争力的一部分。

据了解，辉羲智能成立四年，其具身智能芯片占有率已经处于行业头部，核心团队此前参与过云端AI芯片、智能驾驶芯片的研发和系统工程。

徐宁仪将公司的产品方法概括为“数据闭环定义芯片”。团队较早进入客户项目，根据模型部署、传感器接入和整机运行中出现的问题调整芯片架构与软件能力。

在今年世界机器人大会期间，辉羲发布了R1 PRO芯片和RCM400核心模组，并与此前的R1 MAX、RCM500组成产品家族。R1 PRO提供375 TOPS INT8算力，将CPU、NPU、GPU及实时接口集成在一颗SoC内，面向机器人感知、推理、决策和运动控制等任务。RCM核心模组进一步集成内存、存储和电源管理，帮助本体企业减少底层硬件设计和验证的工作量。

据记者了解，芯片厂商正在把更多开发工作提前完成。硬件自研能力较强的客户可以选择芯片，需要加快产品开发的客户可以采用模组或域控，再通过统一的软件平台迁移模型和算法。供应商承担的工作增加了，机器人公司的开发周期也有机会缩短。

辉羲此次还发布了AI增强开发套件，将Agent能力应用于模型部署、性能分析和算子开发。按照公司披露的目标，同一算法的部署周期可压缩至两天，此前通常需要两周。

目前，R1 PRO芯片已搭载于智元精灵G2，并在乐聚机器人上完成部署。

机器人产业接下来会产生一批更具体的指标，包括搭载数量、连续运行时长、故障率、人工接管频率、客户复购率和真实任务产出。这些数据会决定计算平台能否成为本体企业长期使用的底座，也会检验芯片、模组、软件和工程支持组成的全栈方案，究竟能为客户减少多少时间和成本。

徐宁仪判断，具身智能的场景会长期保持多样，底层平台可以逐步统一。统一平台能否覆盖足够多的机器人本体和模型，将是辉羲下一阶段要回答的问题。