阅读时间大约5分钟(1780字)
出品:机器人产业应用
最近半年,机器人行业里一个不太显眼但值得注意的变化是:关于“芯片”的讨论,正在从采购部门的内部会议,走向创始人、CEO的决策桌。
这不只是因为芯片贵,或者缺货。更直接的原因是,越来越多的机器人公司发现,通用芯片不一定能满足自己的需求——要么功耗偏高,要么某些用不上的功能占了面积,要么算法移植起来不够顺手。于是,一种新的博弈开始了:本体企业不再满足于“买芯片”,而是试图用合资、入股、联合定义、甚至自研的方式,参与到芯片的定义中去。
在展开聊之前,先放一张总表,把过去一段时间具身智能 × 芯片企业重点合作做个概览,方便大家快速建立一个整体印象。

2025—2026.06 具身智能 × 芯片企业重点合作概览
这张表应该能让你一眼看明白过去半年里,机器人公司跟芯片厂之间到底在“怎么玩”——有人直接合资做新公司,有人拿钱入股锁定供应,也有人坐下来联合定义一颗新芯片。之前我们谈到了优必选和沐曦股份的合作,在此不再赘述,可参考:复刻优必选 × 沐曦合作模式 !慕尼黑上海电子展,具身智能闭门会限时招募。下面我们挑选中间其他几个有代表性的模式,做一个拆解。
01
战略入股:智元机器人入股辉羲智能
比合资更轻量、也更常见的方式是战略入股。
2026年2月,智元机器人完成了对辉羲智能的战略入股,具体持股比例未披露,但辉羲的注册资本因此增至3091.45万元。这是一次典型的“用资本绑定算力未来”的操作。
辉羲智能是一家专门面向具身智能时代做算力平台的芯片公司,主打高算力通用具身智能芯片和全栈工具链。它的团队核心成员来自清华、港科大等高校,在AI芯片架构和高性能计算领域有多年积累。与大多数AI芯片公司不同,辉羲不卷大模型训练,而是聚焦“端到端场景下的低延时、易部署”,这个定位天然契合机器人需求。
智元入股辉羲,解决的是“明天”的算力自主。通过成为股东,智元可以在下一代芯片的架构定义阶段就参与进去——比如指令集要不要针对VLA模型做优化,存储带宽怎么配,工具链怎么方便算法团队移植。
一个佐证是:入股前一个月,智元刚刚在英伟达Jetson Thor平台上把自己的π0.5 VLA模型推理帧率从1.4Hz优化到了22.1Hz,提升了15倍。这说明智元内部对“榨干芯片性能”已很有经验,现在入股辉羲,无非是想从“优化别人的芯片”升级到“定义自己的芯片”。

02
联合定义芯片:银河通用 × 芯驰科技
如果说优必选是“合资造芯”,智元是“入股定义”,那么银河通用和芯驰科技代表的是第三种模式:不做资本绑定,但共同定义一颗新芯片。
2025年11月,双方签署战略合作协议,围绕下一代具身机器人芯片、操控系统及工具链展开联合研发。

芯驰科技是国内车规级芯片的头部量产派。成立于2018年,聚焦智能座舱、网关和车控场景,截至目前全系列车规芯片累计出货超1200万片,量产车型超100款,客户覆盖中国全部前十大OEM。
2026年6月,芯驰刚完成近1亿美元C轮融资,加码AI座舱与具身智能。银河通用则是具身大模型头部企业,拥有百亿级机器人训练数据集。
合作具体做三件事:一是联合定义芯片规格——银河通用把实际场景中的算力、存储、接口需求告诉芯驰,避免通用芯片“功能过剩”;二是共建工具链,缩短算法模型移植周期;三是打通供应链,芯驰把车规级的量产管理经验迁移到机器人领域。芯驰CTO孙鸣乐说得很直白:“汽车与机器人在实时性、安全性、AI算力上高度同源。芯驰希望把车规级技术沉淀系统化移植到机器人领域,定义出真正的‘原生芯片’。”
03
大模型全栈合作:智平方 × 摩尔线程
最后的案例是目前唯一一个从云端到端侧把整条链路都打通了的——智平方和摩尔线程的合作。
2026年5月,双方签署战略合作协议,聚焦具身智能大模型的“云边端”全栈协同。

摩尔线程是国产GPU第一股,2025年底在科创板上市,市值一度突破3000亿元。创始人张建中曾任英伟达全球副总裁,核心团队多来自英伟达、AMD。
摩尔线程走的是业内最难的全功能GPU路线,自主研发的MUSA架构在单芯片上同时支持AI计算、图形渲染、物理仿真和视频编解码,是国内极少数能覆盖“训练—仿真—推理”全链条的企业。详见我们之前写过摩尔线程的文章,定义权之战:摩尔线程如何用“软件生态”破局具身智能计算?智平方则专注于端到端具身大模型,自研Alpha Brain,已落地汽车、半导体等高端场景。
合作在芯片层面分三步:第一,云端训练——智平方的Alpha Brain部署在摩尔线程的夸娥万卡智算集群上,模型算力利用率达60%;第二,仿真验证——使用摩尔线程发布的MT Lambda仿真平台,基于全功能GPU实现渲染、物理、AI计算“零拷贝”协同,大幅缩短“Sim to Real”周期;第三,端侧推理——Alpha Bot搭载摩尔线程MTT E300 AI模组,提供50TOPS本地算力,支持不联网状态下的实时推理。三层打通,从训练到仿真再到部署,在芯片层面实现了国产大模型+国产GPU的全链路闭环。
最后,回到一开始的问题:谁在掌握机器人“大脑”的命门?到目前为止,还没有一个确定的答案。但可以确定的是,这个问题已经不再只属于芯片公司。本体企业的参与程度——无论是通过合资、入股,还是联合定义研——正在成为影响答案走向的重要变量。
