‍9 月 24 日高通 2025 骁龙峰会中国会场，宇树科技 CEO 王兴兴的发言戳中行业痛点：“一般高算力芯片难以用于机器人”。他以英伟达 4090 显卡举例，其两三百瓦的功耗会在几十分钟内耗尽机器人电池，庞大体积与散热噪音更让紧凑的人形机身难以承载。

这并非个例。当前优必选 Walker X 搭载的 NVIDIA GT1030 显卡，虽算力仅 4090 的十分之一，仍需配套复杂散热系统，导致机身重量增加 3 公斤，续航压缩至 2 小时。王兴兴坦言：“机器人的移动性和空间限制，决定了其对芯片算力和功耗控制有更严苛的要求”，这种 “算力 - 能效 - 体积” 的三角困境，成为具身智能落地的核心障碍。

要理解矛盾本质，需先看清机器人的芯片分工逻辑：

“小脑” 运动控制：依赖英特尔 i5/i7 这类低功耗 CPU，负责平衡维持、轨迹规划等实时任务，典型功耗仅 15-25W，却要支撑毫秒级响应速度。

“大脑” 认知决策：需处理环境感知、语音理解等 AI 任务，英伟达 Jetson Orin NX 是主流选择，25W 功耗可提供 100TOPS 算力，但运行复杂大模型时仍显吃力。

对比之下，PC 端的英伟达 4090 虽有 1300TOPS 算力，但其 250W 功耗对机器人而言如同 “电老虎”。智芯科 CEO 顾渝骢补充道：“机器人摔倒前的自救反应窗口仅 0.1 秒，云端算力根本来不及响应，必须依赖端侧高能效芯片”。

行业已在三条赛道上寻求突破：

架构革新：智芯科推出的 SRAM 存算一体芯片，通过打破冯・诺伊曼架构，在 22nm 工艺下实现 23TOPS/W 能效比，较传统 NPU 提升 5 倍，可适配机器人 “小脑” 的低延时需求。

专业芯片落地：英伟达 8 月发布的 Jetson AGX Thor，以 2070 FP4 TFLOPS 算力实现 30W 低功耗，是前代产品的 7.5 倍，已被银河通用 Galbot 机器人采用，支撑自主搬箱等复杂任务。

生态协同：高通联合小米、宇树等启动 “AI 加速计划”，其 Hexagon NPU 通过异构计算架构，在 37% 性能提升的同时控制功耗，为机器人提供端侧 AI 解决方案。

王兴兴透露：“最快明年底，人形机器人有望理解复杂指令完成未知场景动作”，但这一目标的前提是芯片能效比再提升 3 倍。当前行业共识是，消费级人形机器人要实现 5 小时续航、万元级售价，芯片功耗必须控制在 20W 以内，算力需达 500TOPS。

从特斯拉 FSD 芯片到国产 SRAM 存算一体方案，这场 “算力瘦身战” 已打响。对科技爱好者而言，关注芯片能效比的突破，或许比追逐单纯的算力数字更能预判机器人产业的爆发节点 —— 毕竟，能优雅完成家务的机器人，永远不会是背着散热器的 “移动服务器”。