最近人形机器人赛道爆出一则重磅消息：美国人形机器人企业Figure宣布和AI 基础设施厂商Nscale达成深度算力合作，意向采购规模最高超60亿美元（约 403 亿元人民币），规划部署最多10万张GPU，用来训练自家 Helix “视觉-语言-行动”具身大模型。

Figure的解释很直白：现阶段公司最大瓶颈，就是训练 Helix 模型所需要的数据与算力供给。即便已经手握包含 1600 多万段视频的大型机器人数据集 Index，想要让机器人真正看懂现实世界、自主完成家务、物流等复杂任务，依旧需要海量云端算力完成模型迭代。

但有意思的是，云端算力只是故事的一半。大模型在云端训练完成之后，真正考验机器人的，是机身内部的算力硬件。机器人不能事事依赖云端，必须靠本体芯片完成感知、决策、动作闭环，芯片，才是具身智能真正的胜负手。

给人形机器人装上一块高性能 AI 芯片，不代表万事大吉。实际上一台人形机器人的计算系统，模仿人脑分工，分为大脑、小脑、脊髓三层架构，每层承担完全不同的任务，对算力、实时性的要求天差地别。

大脑：负责认知理解 相当于人的大脑皮层，一般由高性能板级 SoC 承担，主要运行视觉语言行动（VLA）大模型、世界模型。它的工作是看懂周围环境、解析人类指令，思考 “我要做什么”，输出整体任务目标。这一层更看重 AI 推理能力，但对实时响应要求相对宽松。

小脑：负责运动规划与力控 对应人脑小脑，依靠板级实时 SoC 运行。拿到大脑下发的任务指令之后，完成全身运动规划、动态平衡、力反馈控制，解决 “具体该怎么做”，保证机器人站稳、走稳、避开障碍物。这一层对实时性要求陡增，需要 50-100Hz 的运算频率。

脊髓：关节底层执行控制 由分布在各个关节内部的 MCU 芯片实现，相当于人体脊髓。负责毫秒级电机电流环控制，直接驱动每一个关节转动，响应速度要求达到千赫兹级别，确保动作精准落地。

三层架构带来一个现实矛盾：3 赫兹的现实，对抗 100 赫兹的需求。

目前边缘端 VLA 大模型实测帧率大多只有 3-11 帧每秒，也就是 3-11Hz；但底层运动控制需要稳定 50-100Hz 的运算速度。简单说，机器人 “大脑想好一个动作” 的速度，跟不上身体执行动作的速度，想法已经出来，身体还反应不过来，很容易出现动作卡顿、失衡摔倒。

除此之外还有一道难以逾越的功耗高墙。人形机器人整机功耗预算通常只有 25-40瓦，这点功耗，连桌面级 RTX4090 显卡都无法搭载。即便对模型做量化压缩，在现有端侧芯片上跑 VLA 模型，性能依旧捉襟见肘。芯片性能、实时性、功耗三者之间的拉扯，成为限制人形机器人落地的核心工程难题。

面对这套复杂的三层算力需求，产业内部已经分化成两大技术阵营，各自给出自己的解决方案。

阵营一：通用高性能 AI 芯片路线

这套路线，优先追求极致算力，依靠成熟通用 GPU/SoC，兼顾大脑、小脑的计算需求，生态完善，开发上手快，海外厂商占据主导。

英伟达是该阵营代表，Jetson Orin、Jetson Thor 系列是目前全球人形机器人应用最广泛的端侧计算平台，Figure、Agility Robotics、宇树等大量机器人企业都在使用。芯片算力上限高，配套 Isaac 仿真工具链完备，从云端训练到端侧推理全链路打通；短板是功耗偏高，对机器人电池、散热带来不小压力。

英特尔、AMD也在加速入局，推出面向边缘的工业级芯片平台，把 PC、服务器领域的算力能力迁移到物理 AI 场景，主打异构多算力融合，同时布局配套软件生态，希望分食人形机器人的增量市场。

高通的跃龙 IQ10 系列，主打高能效，集成 CPU、GPU、NPU 一体化，面向电池供电的移动机器人，在算力和功耗之间做折中，适合消费级人形机器人场景。

阵营二：面向机器人场景的专用芯片路线

这一阵营以国内厂商为主，不再简单复用通用芯片，针对人形机器人 “低功耗、强实时、分层计算” 的特点做定制化设计，追求算力与能效比的平衡，分别针对大脑、小脑、脊髓三层做分层芯片布局。

寒武纪走的是一条差异化的“云边端-体化”路径。作为国内少数能够提供云端训练、边缘推理到终端执行全链路AI芯片的企业，寒武纪将其在云端大模型训练中积累的思元系列芯片能力下沉至机器人场景。其思元370芯片（256 FP16 TOPS）已在物流机器人中实现批量落地，成为国产具身智能“云端训练+端侧推理”闭环的重要拼图。这种从云端大模型到边缘机器人的算力贯通能力，恰好回应了行业“训练靠云端、执行靠端侧”的核心诉求。

地平线把自动驾驶芯片积累迁移到具身智能领域，芯片支持端到端大模型推理，不需要强依赖云端，擅长处理感知-动作链路，适配工业与人形机器人场景，兼顾算力与成本控制。

瑞芯微的 RK3588 已经实现批量落地，不少国产人形机器人用它充当 “小脑”，负责运动规划，NPU 算力够用、功耗可控，大幅降低整机硬件成本，智元等企业已有实际采用案例。

芯驰科技直接对标三层算力架构，推出 R1 大脑、D9 小脑、E3-R 执行端完整芯片矩阵，把车规级高可靠技术平移到机器人，同时覆盖认知、运动、关节驱动三层需求，主打高安全性与稳定性。

黑芝麻智能则将车规级智能驾驶芯片的能力延伸至具身智能领域。其SesameX系列芯片提供最高达等效1000 TOPS的算力，在人形机器人“大脑”的高性能端侧推理市场中占据一席之地。依托其车规级芯片的设计与功能安全经验，黑芝麻智能正试图将在智能汽车领域积累的算力与安全优势，复用到对可靠性要求极高的机器人场景中。

除此之外，TI、NXP 等厂商，重点发力 “脊髓” 层级的关节 MCU，专门做毫秒级电机实时控制芯片；后摩智能等初创企业，押注存算一体技术，目标用更高能效比解决机器人电池供电的痛点。

回到 Figure 豪掷 400 亿采购算力这件事。这笔巨额投入，本质是解决模型训练的问题，让 Helix 大模型学会海量现实世界任务。但训练完成只是第一步。

当 Figure 03 真正走向家庭、工厂，脱离庞大云端算力中心之后，机器人能不能稳定走路、灵巧操作、长时间续航，全部取决于机身内部 “大脑-小脑-脊髓” 整套芯片体系。

当下行业热闹非凡：人形机器人百米跑突破人类纪录，整机出货量快速增长，硬件本体迭代速度飞快。但我们需要认清现实：机身结构可以快速模仿复刻，整套分层算力芯片体系，才是决定人形机器人能不能从演示样机走向大规模量产的真正胜负手。

云端算力可以花钱买到，但端侧分层芯片、软硬协同的完整能力，需要长期打磨。未来人形机器人的竞争，不止是比谁更会堆云端算力，更是比拼端侧整套芯片软硬件体系的综合实力。