電子發(fā)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(yè)展會上看到了類似的demo。

機器人市場的白刃戰(zhàn)已經不再僅僅是運動控制系統(tǒng)和視覺感知系統(tǒng)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(fā)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(fā)布，就獲得了機器人行業(yè)生態(tài)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(fā)生態(tài)擁有100萬開發(fā)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(yè)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(fā)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(fā)過程中的挑戰(zhàn)。自去年第四季度英偉達開始供貨以來，今年新發(fā)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(fā)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(fā)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(fā)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(wěn)步推進著機器人的開發(fā)。在去年，地平線推出了國內首個軟硬一體的機器人開發(fā)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(fā)板。

Hobot平臺除了包括旭日3芯片外，還包括機器人操作系統(tǒng)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(tǒng)的同時，對旭日芯片進行了底層優(yōu)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(fā)者套件，基于此原先的旭日X3派升級成了RDK X3，上半年也發(fā)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(fā)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(fā)者創(chuàng)享日上，地平線又發(fā)布了RDK X3 2.0以及RDK Ultra。RDK Ultra則是地平線為機器人開發(fā)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(fā)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(fā)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(fā)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(fā)者創(chuàng)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(fā)，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(jié)點化，從而使得不同類型的機器人只需將這些節(jié)點串聯(lián)起來即可完成應用開發(fā)，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(guī)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(fā)，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(yōu)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(yè)級的機器人，諸如工業(yè)協(xié)作機器人、醫(yī)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(yè)、醫(yī)療等環(huán)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(zhí)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。