作者｜向欣

编辑｜白雪

具身智能的热度，正在和其技术实用性产生割裂感。

不少人形机器人宣布进厂上班，但实则是在「训练」完成任务，反应迟缓、效率有限，距离真正替代人工还有很大差距。企业也因无法实现实现真正落地，产生商业价值而遭受质疑。

具身智能机器人应用落地为什么这么难？

一个在开发环节就存在的困局是，没有统一标准、没有可复用组件，不同企业不得不重走一遍基础设施的搭建流程，消耗大量资源，却难以真正落地。

地瓜机器人 CEO 王丛指出，当前机器人领域存在大量「重复造轮子」的现象，这些重复行为并不会带来额外价值，问题根源在于市场缺乏好用、通用的工具。

要让具身智能机器人动起来干活，需要打通从认知到执行的全链条。

而这一切的前提，是能否构建出一套高效、灵活、可复用的机器人开发体系。

对产业来说，开发平台不仅是技术落地的桥梁，更决定了具身智能能否走出实验室，真正进入工厂、园区和家庭。

开发机器人，像在拼一套碎片化的积木

对于尚未形成规模化的具身智能机器人行业来说，做机器人开发，每次都要从 0 到 1 进行构建。

在机器人进入各类真实场景前，开发者们面临三大痛点：开发过程复杂、缺乏工具链、泛化能力弱。

机器人要完成「感知-决策-控制」三个核心环节，传统开发中常需多个处理器，如主控 MCU+边缘 AI 板+运动控制器等，各个环节相对独立，而不同厂商提供的模块标准不统一，接口适配难、调试成本高、开发周期长，一般初创团队难以承受。

在机器人开发环节，多数厂商仅提供个别软硬件，没有完善的开发者工具链和仿真验证环境，缺乏模型仓库和一站式部署支持，导致产品更新、迭代困难。

目前多数机器人开发方案针对特定硬件平台或特定机器人形态定制，难以跨平台或复用。适配不同形态、不同场景代价巨大。

面对开发复杂、控制链路断裂、算力分散等问题，目前机器人开发者主要依赖以下三种主流方案，各有优劣。

第一类方案是使用 NVIDIA Jetson 系列开发板，主要适配巡检、配送、工业视觉检测等高性能机器人。

Jetson 系列开发板集成了英伟达 SoC 芯片、DDR 芯片、PMIC 芯片等核心芯片，产品算力覆盖 20~275TOPS。

它的优点是 AI 推理能力强大，尤其擅长视觉处理，可部署深度学习模型。但由于其本质上是为 AI 而非控制场景优化，Jetson 在实时性与控制精度上存在明显短板，难以胜任精细的运动控制或快速响应的多关节协调任务。

第二类方案是将控制计算分拆为多个模块，由 MCU+ FPGA + 运动控制板分别完成控制、信号处理等任务。

MCU（微控制器单元）：负责逻辑控制和实时任务；

FPGA（现场可编程门阵列）：通过硬件编程实现高速并行计算，延迟可低至微秒级；

运动控制板：连接 MCU 与 FPGA，形成「决策 - 执行」闭环。

这种方案的优点是具备较高的实时性、控制精度，常用于工业自动化中的固定流程或精密机械控制中，如传统的工业机械臂、协作机器人与医疗手术机器人等。

然而这种方案原生不支持深度学习框架，难以直接运行视觉与 AI 算法、不擅长承载复杂感知与规划，也就不适合需要持续算法迭代的具身智能机器人。

同时，模块化设计导致系统集成难度大、维护成本高，开发周期长、调试不友好。

最后一类是树莓派/STM32 等通用开发板+ROS 的方案。

多数通用开发板功耗较低，价格亲民，几十到几百元就能解决，ROS 则是一个开源的机器人操作系统。

这种方案在教育与科研领域很常见，具有良好的开源生态和入门门槛低的优势，适合学生和初创团队快速做原型验证。

但通用开发板与 ROS 两者的科研教育定位，也决定了他们均未针对工业级实时性、可靠性进行优化，更多适用于非关键任务原型开发。

这种方案下开发的机器人不适合大规模部署或商用机器人产品化。若开发者想进一步升级迭代机器人，则需要更换别的开发方案以适应性能要求。

三类方案虽然各有亮点，但要同时满足「算力强、控制准、开发快、生态全」的要求，仍然存在瓶颈。

行业需要的，是一种集成度高、算控协同、工具链完整的新一代开发平台。

业内首款 SoC 算控一体计算平台：RDK S100

地瓜机器人新推出的 RDK S100，成为行业中的新解法。

RDK S100 是地瓜机器人面向具身智能领域推出的一款机器人开发套件，拥有 80/128TOPS 两种算力规格。

地瓜机器人开发者生态副总裁胡春旭介绍，如果人的大脑是整个计算中心，RDK S100 就相当于大脑的物理部分。

大模型、算法等 AI 技术与机器人数据的传输都需要硬件作为载体。

RDK S100 就可以充当这个硬件载体。除此之外，它还集成了相应的软件、文档及开发工具。RDK S100 在机器人开发方面具备三大优势。

首先，RDK S100 是算控一体的，采用大小脑协同的设计，单个开发套件就能实现具身智能机器人「感知-决策-执行」的闭环。

算，指的是大脑的感知决策；控，则指的是小脑的运动控制。

以往的机器人开发平台是算控分离的，大小脑由不同的开发板控制，需要通过外接的线连接，由于硬件堆叠，需要额外布线，开发成本上升，难度也变大。

RDK S100 最大的亮点在于 CPU+BPU+MCU 的异构架构，充分释放了不同计算单元的算力，将大脑的计算推理与小脑的控制功能都集成到一块开发板上，解决了软硬件分离导致的集成与成本难题，部署更为简单快速，性能效率也更高。

具体来看，RDK S100 中的架构分为两个板块：

CPU+BPU：共同组成大脑。

6 核 CPU：负责通信与逻辑推理；

BPU：针对 Transformer 优化的全新一代纳什架构，是提供核心算力的硬件引擎，负责模型推理；

MCU：小脑。

4 核 MCU 为运控核心，负责底层高频运动控制。

RDK S100 的第二大优势是软硬一体，提供了机器人开发的相应算法模型以及全链路工具链，生态资源丰富。

在算法模型方面，RDK S100 支持部署多种主流 AI 模型，地瓜机器人既提供官方调优，适用于 RDK S100 的 AI 模型仓库 ModelZoo，也通过机器人算法中心 NodeHub 为客户提供 200+开源算法和应用示例，帮助用户快速完成算法部署。

算法要部署到硬件上，通常需要进行适配才能高效运行，即模型转换。

在工具链方面，地瓜机器人一方面提供完善的模型转换工具链，通过多种模型转换辅助工具与仿真环境加速算法落地；另一方面提供基于 ROS2 的硬件加速功能包 TogetheROS.Bot，提升机器人应用开发的易用性。

RDK S100 的第三大优势，是跨场景与多形态的通用适配能力。

RDK S100 能够针对不同场景需求，高效切换多种模型，应对园区巡检、末端配送、商业清洁等场景，并适配四足机器人、半人形机器人与全尺寸人形机器人等不同形态，满足多样化机器人形态的实时推理需求。

RDK S100 的部署速度也很快。将 RDK S100 部署到逐际动力的 TRON1 双足机器人上仅需 1 小时。

三重优势，使得 RDK S100 既具备科研的开发性，也具备场景的应用性。

例如，以宇树科技的 G1 人形机器人为载体，开发者在 RDK S100 成功部署了优化后的 ASAP 框架（由英伟达和卡内基梅隆大学联合研发的框架），让 G1 能够跳舞，并且大幅降低部署工程的资源占用，BPU 推理占用率仅 2%，CPU 占用降 250%，为复杂任务释放算力。

在智能交通、工业检测、果园检测等检测场景，RDK S100 支持多种摄像头接入与多路视频流并行处理，可实现微小目标的精准识别，提供极其细腻的图像感知信息。

不过，产品做得好只是第一步，如何推动下游产品应用与落地，还要看开发生态如何构建，以及产业趋势如何演进。

谁能定义下一代开发平台？

机器人开发正在成为一片快速升温的「蓝海」。

中商产业研究院数据显示，中国具身智能市场规模不断扩大，预计 2027 年有望达到 1.25 万亿元。

国信证券预测，人形机器人是有望超过智能手机、新能源汽车市场规模的兆亿元级赛道，应用潜力巨大。

与此同时，面向机器人应用的开发平台却凤毛麟角，能够贯通从底层硬件到上层应用的完整体系更是稀缺。

目前机器人开发领域的玩家大致可以分为两类。

一类是芯片企业。代表企业主要是英伟达、地平线（地瓜机器人）。它们的策略是从开发工具切入，构建底层标准。

英伟达强在仿真平台与生成式 AI 生态，优势偏向云端部署；

地瓜机器人更聚焦端侧，强调控制能力。

英伟达在 2018 年开始就向机器人方向布局，以开发平台（计算中心）、硬件产品、基础模型三大类产品为主，围绕仿真、开发与训练环境打通「云端机器人栈」，适合云训练、大模型推理等场景。

地瓜机器人则从地平线孵化而来，虽然同样具备云端协同能力，但产品布局重心明显偏向端侧——它更关注机器人真实运行过程中的控制精度、实时响应与系统闭环能力。

地瓜机器人产品布局

地瓜机器人在端侧布局了芯片、RDK 开发套件、机器人操作系统，在云侧提供云端开发环境、NodeHub 机器人算法中心。

目前芯片为地瓜机器人的主要营收核心，迄今出货量已超过 500 万片，搭载于科沃斯、云鲸等行业头部客户的热销产品中。

在具身智能领域，地瓜机器人基于 RDK S100，已与 20+具有行业影响力的具身智能领域头部客户建立合作，包括乐聚机器人、逐际动力、维他动力等。

此外，RDK S100 还获超过 50 家客户开展测评。

背靠地平线芯片能力，叠加地瓜机器人在服务机器人赛道积累的实践经验，它正试图打造一条适用于科研、教学、产业多场景的通用开发平台路径。

另一类机器人开发的玩家，是人形机器人整机厂商，它们主要从上往下反哺生态。

这类玩家的代表有智元机器人、宇树科技、众擎机器人等。

它们通过提供完整的机器人本体，以及与机器人产品配套的开发资料来完成商业化。

相比芯片企业，它们更擅长将软硬件系统打包成工程化产品，开发者可基于本体接口快速部署视觉识别、动作模仿等任务。

两类机器人开发市场的主要玩家，发展路径有明显差异：

芯片企业提供「硬标准」——即面向开发者的标准化硬件平台和工具体系，需要开发者自行搭建机器人系统；

整机企业提供「软接口」——即将本体搭建好，开发者只需调用其预设接口进行功能二次开发。

它们之间并非直接竞争关系，而是构成一种协同共生的生态网络：芯片企业打通底层、整机企业提供功能开发，未来有希望连接场景。

这些企业不约而同瞄准了机器人开发，而非场景应用，主要原因有两个。

一方面，开发平台对应的科研与教学市场是当前最明确、可持续的商业化通路。

另一方面，一旦开发者习惯在某平台上完成从建模到部署的全过程，这个平台就具备了对下游厂商、整机商甚至操作系统层的向上影响力。

做机器人开发平台，不仅意味着短期内的产品出货机会，还有望主导下一代机器人产业格局。

这种路径已经在消费电子和 PC 产业领域被反复验证成功。地瓜机器人的定位，可类比手机时代的高通、安卓，或是 PC 时代的英特尔、英伟达。

手机时代，高通提供统一的硬件能力，安卓和苹果建立开发生态，共同撑起移动互联网十年黄金期；

PC 时代，英特尔、英伟达在底层制订标准，开发工具和操作系统则推动整个行业走向规模化。

具身智能时代，也将诞生类似的「生态型企业」：既有控制底层的芯片和平台能力，又能搭建上层的开发工具和应用生态。

机器人产业的第一批赢家，可能就是那个既能降低开发门槛、又能定义开发范式的平台型企业。

       原文标题 : 具身智能落地难：卡在「算控分离」的开发困局