6月11日，国内高性能GPU（图形处理器）领域的领军企业沐曦股份，与被誉为“人形机器人第一股”的优必选，在南京市正式携手签署了战略合作协议。双方决定合资成立曦选创智科技（无锡）有限公司（简称“曦选创智”），共同致力于具身智能芯片的研发与大规模生产。

据徽声在线记者从快思慢想研究院院长、特邀评论员田丰处获悉：“沐曦股份将借助优必选在场景验证方面的强大能力，成功打开数据中心GPU架构向边缘计算场景延伸的大门。同时，优必选也将依托沐曦股份在芯片设计领域的深厚底蕴，弥补自身在底层算力定义权上的不足。”

天使投资人、资深人工智能专家郭涛在接受徽声在线记者采访时也表示：“优必选与沐曦股份的此次合作，布局端侧AI芯片，是具身智能领域‘以场景需求推动技术落地’的重要举措。”

图片来源：徽声在线媒资库

携手攻克端侧难题，共铸机器人“智慧之芯”

据悉，曦选创智将由沐曦股份董事长陈维良亲自担任公司董事长，优必选创始人、董事会主席兼CEO周剑则出任副董事长。同时，原新华三集团高级副总裁、行业BG总裁杨献波将出任CEO，全面负责公司的战略规划、技术研发以及市场化运营。

杨献波，作为国内ICT（信息与通信技术）行业的资深专家，曾在新华三集团负责统筹政府、企业、金融、能源、交通、教育、医疗等多个行业的市场与解决方案业务，拥有丰富的行业经验。

杨献波透露，曦选创智将依托沐曦股份在异构计算、智算推理等芯片领域的深厚积累，以及优必选在具身智能核心技术、产品及落地场景方面的独特优势，精准聚焦具身智能端侧芯片及整体解决方案的研发、迭代与量产。产品计划于2027年下半年完成流片，并于2028年正式实现量产。

具身智能，作为人工智能的一个重要分支，可分为本体、小脑和大脑三大部分。目前，本体和小脑的发展已经相对成熟，而大脑部分则正在迅速进步中。机器人大脑，类似于大语言模型，需要强大的算力、先进的算法以及海量的数据作为支撑。

与大语言模型主要依赖云端服务器算力不同，机器人大脑所使用的端侧算力更加注重功耗的控制，而非单纯追求算力的极致密度。

当前，机器人大脑在发展过程中面临着诸多挑战，如世界模型、VLA（视觉语言动作）模型等既缺乏高效的算法，也缺乏充足的数据，更缺乏能够支撑其运行的算力芯片。

郭涛指出：“当前机器人存在‘大脑能力不足’的瓶颈，这种不足并非仅仅源于算法的缺失，更重要的是缺乏与之相匹配的端侧算力支撑。机器人大脑需要实时处理视觉、触觉等多模态数据，并在毫秒级时间内完成环境感知、路径规划、动作调整等决策，这对芯片的算力密度、能耗比、响应速度提出了极高的要求。”

具身智能端侧芯片的发展瓶颈何在？

陈维良表示，具身智能是人工智能从数字世界迈向物理世界的关键一步，而芯片则是这场跨越的“大脑”。沐曦股份与优必选成立曦选创智，是“算力”与“身体”的深度融合。沐曦股份在高性能GPU领域的技术积累，加上优必选在人形机器人场景的深耕细作，将共同打造具身智能的算力基石，让每一台人形机器人都拥有自主可控的“中枢神经”。

对于优必选与沐曦股份的此次合作，郭涛认为：“优必选作为人形机器人的领军企业，其产品在运动控制、环境交互等方面对实时算力的需求极为苛刻。端侧芯片直接决定了机器人的响应速度、决策精度，而当前依赖通用芯片或海外专用芯片，不仅存在算力冗余导致的能耗过高问题，还面临着供应链安全的风险。”

郭涛进一步表示：“现有的通用芯片难以满足机器人在边缘场景的严苛需求。要么算力过剩导致功耗过高，要么算力不足限制功能的实现。因此，端侧AI芯片是机器人大脑的核心载体，其性能直接决定了机器人的智能化水平。这也是优必选与沐曦合作的关键逻辑：通过定制化端侧算力，让机器人真正具备‘在物理世界自主思考’的能力。”

值得注意的是，GPGPU（通用图形处理器）追求的是极致的算力，而具身智能则依赖电池供电，因此不仅追求算力密度，还需要极致的低功耗。

田丰表示：“这是一次架构跨度极大的‘降维’尝试，其风险往往被低估。沐曦股份的核心积累在数据中心GPU，即高功耗、高带宽、依赖主动散热的架构。而具身智能端侧芯片的约束则是低功耗、强实时确定性、被动散热的电池供电系统。将‘数据中心GPU架构裁剪到边缘’和‘从零设计边缘芯片’是两种截然不同的工程范式。”

田丰举例称：“历史上，Intel（英特尔）曾尝试用Atom系列将x86架构压缩进移动设备以对抗Arm，但最终在功耗效率上失利。根本原因并非制程落后，而是架构哲学本身没有为低功耗场景重新设计。曦选创智能否成功，关键在于沐曦股份团队是否真正进行了‘从零开始的边缘架构设计’，而非仅仅是‘GPU架构的瘦身版本’。”

这是因为，英特尔作为桌面级PC（个人电脑）的“王者”，其产品基本上是插电使用，功耗并非首要考虑因素。而基于Arm架构的手机处理器，则是使用电池供电，功耗是作为第一优先级来考虑的。

具身智能领域亦是如此。田丰进一步解释称：“‘大脑’能力的瓶颈，本质上是能量密度问题，而非算力密度问题。人形机器人电池系统的总功率预算通常在数百瓦量级，扣除电机和传感器功耗后，留给计算芯片的功率预算往往只有十几瓦到几十瓦。而数据中心GPU（如H100）的功耗则在700瓦量级。这意味着端侧芯片的‘算力上限’从一开始就被电池供电系统的热设计约束所锁死，并非仅靠制程节点就能单独解决的问题。”

田丰认为：“具身智能端侧芯片与智能手机SoC（系统级芯片）的演进历史高度相似。Arm架构最终战胜x86移动化方案的核心并非峰值算力，而是性能功耗比。因此，机器人芯片的设计目标函数应该是‘单位瓦特能完成多少次有效决策延迟’，而非仅仅关注TOPS（处理器运算能力单位）数字本身。”