近日，一句看似“刺耳”的判斷，讓人形機(jī)器人賽道頗受震動(dòng)。魏哲家公開(kāi)表示，那些“能跳來(lái)跳去”的機(jī)器人“沒(méi)用，好看而已”。之所以引發(fā)巨大爭(zhēng)議，不只是因?yàn)檫@與公眾認(rèn)知相悖，更因?yàn)檎f(shuō)這話的人是掌控全球算力命脈的臺(tái)積電掌門(mén)人。而當(dāng)一個(gè)站在產(chǎn)業(yè)鏈頂端的人開(kāi)始否定最“熱鬧”的部分，往往意味著真正勝負(fù)手的關(guān)鍵已經(jīng)發(fā)生了轉(zhuǎn)移。

從“會(huì)動(dòng)”到“有用”：被誤解的人形機(jī)器人進(jìn)化路徑

眾所周知，過(guò)去兩年人形機(jī)器人最吸引眼球的能力，幾乎都集中在高動(dòng)態(tài)動(dòng)作上。無(wú)論是Tesla的Optimus，還是中國(guó)廠商頻繁展示的翻跟頭、跑酷、舞蹈，這些極具視覺(jué)沖擊力的表現(xiàn)，都很容易讓人產(chǎn)生一種直覺(jué)判斷，那就是既然人形機(jī)器人能完成如此復(fù)雜的動(dòng)作，那它一定已經(jīng)很智能。

但誤解恰恰在此。人類(lèi)傾向于用“看得見(jiàn)的動(dòng)作復(fù)雜度”來(lái)推斷“看不見(jiàn)的智能水平”，而忽略了這兩者在機(jī)器人領(lǐng)域并不等價(jià)，甚至經(jīng)常錯(cuò)位。例如人形機(jī)器人完成后空翻，本質(zhì)上是一個(gè)在高度可控環(huán)境中，通過(guò)工程手段反復(fù)優(yōu)化的結(jié)果，即依賴的是電機(jī)、減速器、傳感器以及控制算法的精密配合，是典型的機(jī)械工程與控制理論的勝利，而非真正意義上的“理解世界”。而這種認(rèn)知偏差，正好對(duì)應(yīng)經(jīng)典的莫拉維克悖論，那就是對(duì)人類(lèi)而言簡(jiǎn)單的感知與操作，對(duì)機(jī)器卻異常困難。

基于此，真正的挑戰(zhàn)，并不在于讓人形機(jī)器人完成一個(gè)標(biāo)準(zhǔn)動(dòng)作，而是讓它進(jìn)入真實(shí)世界。例如在廚房里拿起一個(gè)雞蛋，這里物品擺放隨時(shí)變化，光線與遮擋不確定，雞蛋的脆弱程度無(wú)法量化，甚至突發(fā)干擾（比如寵物）都需要即時(shí)應(yīng)對(duì)，這種情形下，單純依賴預(yù)先寫(xiě)死的控制代碼已遠(yuǎn)遠(yuǎn)不夠。機(jī)器人需要通過(guò)攝像頭、麥克風(fēng)、力矩傳感器和溫度傳感器等多模態(tài)感知硬件采集大量非結(jié)構(gòu)化數(shù)據(jù)，將其送入大模型進(jìn)行理解和推理，再在毫秒級(jí)內(nèi)輸出決策。而這正是當(dāng)前所謂“具身智能”（Embodied AI）和“物理 AI”（Physical AI）領(lǐng)域競(jìng)爭(zhēng)的核心，即如何讓具身智能體在真實(shí)世界中實(shí)現(xiàn)類(lèi)似人類(lèi)的靈活應(yīng)對(duì)，也正是在這里，“身體”和“大腦”開(kāi)始徹底分化，即驅(qū)動(dòng)關(guān)節(jié)運(yùn)轉(zhuǎn)的，是伺服電機(jī)、減速器和運(yùn)動(dòng)控制（相當(dāng)于“小腦”）；而理解場(chǎng)景、規(guī)劃動(dòng)作、與人互動(dòng)的，則是運(yùn)行在芯片上的大模型（真正的“大腦”）。

不可否認(rèn)，中國(guó)憑借強(qiáng)大的制造業(yè)體系，在機(jī)器人“身體”層面已經(jīng)建立起極高的效率與成本優(yōu)勢(shì)。

據(jù)市場(chǎng)研究機(jī)構(gòu)Omdia《通用具身智能機(jī)器人2026》報(bào)告最新統(tǒng)計(jì)，2025年全球人形機(jī)器人出貨量已經(jīng)超過(guò)1.3萬(wàn)臺(tái)至1.45萬(wàn)臺(tái)，較前一年實(shí)現(xiàn)數(shù)倍增長(zhǎng)，而其中近90%來(lái)自中國(guó)廠商，例如宇樹(shù)、智元、優(yōu)必選以及新銳 AgiBot 等。短短幾年，中國(guó)憑借電機(jī)、減速器、電池等完整供應(yīng)鏈，把人形機(jī)器人的硬件成本迅速壓低到全球最低，部分入門(mén)型號(hào)價(jià)格甚至低于6000美元。

但就如上述，真正決定機(jī)器人是否“有用”的，是它的“大腦”，而這則是另一條完全不同的競(jìng)爭(zhēng)賽道。

算力與制程：人形機(jī)器人競(jìng)爭(zhēng)真正的勝負(fù)手

如上述，當(dāng)人形機(jī)器人從“會(huì)動(dòng)”轉(zhuǎn)向“有用”，一個(gè)更底層的現(xiàn)實(shí)浮出水面，即人形機(jī)器人的核心，不在關(guān)節(jié)和電機(jī)，而在芯片。

眾所周知，2026年，AI芯片市場(chǎng)的爆發(fā)在汽車(chē)等消費(fèi)領(lǐng)域已經(jīng)產(chǎn)生連鎖反應(yīng)，具體表現(xiàn)為存儲(chǔ)芯片和算力芯片供不應(yīng)求，DDR5等關(guān)鍵存儲(chǔ)價(jià)格大幅上漲，部分供應(yīng)商甚至預(yù)告二季度價(jià)格漲幅可能達(dá)到40%以上。為此大量傳統(tǒng)車(chē)企上調(diào)售價(jià)，背后一個(gè)重要原因正是其自動(dòng)駕駛與智能座艙所需的算力和存儲(chǔ)資源，被AI工業(yè)和機(jī)器人算力需求從同一池子里“抽走”了產(chǎn)能。

與此同時(shí)，英偉達(dá)在GTC 2026推出面向具身智能的新一代計(jì)算平臺(tái)，試圖把“機(jī)器人大腦”的訓(xùn)練、驗(yàn)證和部署做成一整套閉環(huán)系統(tǒng)，即云端有專(zhuān)為具身智能優(yōu)化的世界模型和訓(xùn)練框架，中間有Omniverse/Isaac Sim這樣的高保真仿真環(huán)境，邊緣端則是持續(xù)升級(jí)的Jetson/Orin乃至Jetson Thor等機(jī)器人SoC。而對(duì)于機(jī)器人廠商來(lái)說(shuō)，一旦選定了這條技術(shù)路徑，則不止芯片，而是把整個(gè)軟件棧、開(kāi)發(fā)工具鏈乃至后續(xù)運(yùn)維都綁定在了英偉達(dá)身上。

此外，AMD、谷歌、亞馬遜以及微軟等云巨頭也在不斷推出自研AI加速器。例如微軟1月剛剛發(fā)布的Maia 200推理加速器同樣采用臺(tái)積電3納米制程，配備216GB HBM3e內(nèi)存；亞馬遜Trainium3、谷歌第7代TPU Ironwood均已量產(chǎn)或試產(chǎn)，試圖在這一賽道分一杯羹。

而它們的共同特點(diǎn)是計(jì)算和功耗密度極高，對(duì)制程和封裝的要求遠(yuǎn)超傳統(tǒng)手機(jī)SoC或通用CPU。而要想在30–60瓦甚至更低的功耗下支撐百億參數(shù)級(jí)多模態(tài)模型的實(shí)時(shí)推理，且具備一定的冗余空間，應(yīng)對(duì)算法迭代，這些芯片幾乎都必須壓在5納米、4納米甚至3納米制程節(jié)點(diǎn)，并與多堆疊HBM通過(guò)2.5D/3D先進(jìn)封裝方式緊密耦合。這幾乎將所有路徑，收斂到同一個(gè)終點(diǎn)—先進(jìn)制程能力。

也正因?yàn)槿绱耍瑹o(wú)論是誰(shuí)設(shè)計(jì)芯片，最終都要“排隊(duì)”交給臺(tái)積電等少數(shù)代工廠生產(chǎn)，這構(gòu)成了魏哲家敢于宣稱“全球95%的機(jī)器人大腦由臺(tái)積電制造”的底氣。雖然這一比例在統(tǒng)計(jì)口徑上可能存在爭(zhēng)議，但業(yè)界普遍認(rèn)為，在5納米、3納米等先進(jìn)制程以及CoWoS等2.5D/3D先進(jìn)封裝領(lǐng)域，臺(tái)積電目前的確擁有壓倒性優(yōu)勢(shì)，甚至連英偉達(dá)自家高層都公開(kāi)承認(rèn)，其旗艦GPU交付能力很大程度上被臺(tái)積電封裝產(chǎn)能“天花板”限制。

從這個(gè)意義上說(shuō)，中國(guó)企業(yè)在機(jī)器人“身體”環(huán)節(jié)拿下80%–90%甚至更多的出貨份額，并不等于掌握了產(chǎn)業(yè)鏈的話語(yǔ)權(quán)。不可否認(rèn)，在電機(jī)、減速器、結(jié)構(gòu)件、電池等部件上，中國(guó)憑借完善的供應(yīng)鏈和極致的成本控制，的確做到了全球最強(qiáng)，但在決定性能上限和利潤(rùn)率高低的AI芯片設(shè)計(jì)、制程及軟件棧環(huán)節(jié)等核心方面仍牢牢掌握在美國(guó)設(shè)計(jì)巨頭和臺(tái)積電這樣的代工寡頭手中。而這一剪刀差，也正是魏哲家站在臺(tái)上，敢于對(duì)“會(huì)跳來(lái)跳去的機(jī)器人”嗤之以鼻的底層邏輯所在，即真正決定人形機(jī)器人競(jìng)爭(zhēng)格局的，不是誰(shuí)先造出下一個(gè)會(huì)后空翻的鋼鐵俠，而是誰(shuí)擁有為它們“裝上大腦”的制程與算力。

分化中競(jìng)未來(lái)：美中路徑殊途同歸

如果我們把上述視為一場(chǎng)圍繞“算力高地”的全球布局，那么在中國(guó)，則正在進(jìn)行一場(chǎng)極其艱難卻異常關(guān)鍵的“換腦術(shù)”。

眾所周知，在美國(guó)對(duì)高端GPU和相關(guān)EDA工具、制造設(shè)備等實(shí)施多輪出口限制后，中國(guó)企業(yè)在獲取頂級(jí)英偉達(dá)GPU（如H100、H200、B200等）方面面臨嚴(yán)格約束，尤其是在大型訓(xùn)練、推理集群以及高端機(jī)器人控制平臺(tái)上，越來(lái)越難以直接采購(gòu)最新產(chǎn)品。

在這種壓力下，華為的昇騰（Ascend）系列成為中國(guó)本土算力基礎(chǔ)設(shè)施的代表，其正在通過(guò)大規(guī)模集群架構(gòu)（如基于910C/910D的AI集群）、自研AI框架MindSpore以及配套的軟件生態(tài)，試圖構(gòu)建一套相對(duì)完整的國(guó)產(chǎn)算力體系。

與此同時(shí)，中國(guó)在“機(jī)器人大腦”側(cè)的探索，并非只是昇騰這一條主線。

一方面，以地平線、黑芝麻智能為代表的邊緣AI芯片廠商，正在將原本服務(wù)于自動(dòng)駕駛的高能效推理芯片向機(jī)器人場(chǎng)景延伸，強(qiáng)調(diào)在低功耗條件下完成視覺(jué)感知與實(shí)時(shí)決策，這類(lèi)芯片雖然算力規(guī)模不及數(shù)據(jù)中心級(jí)GPU，但在實(shí)際落地中更接近“機(jī)器人控制中樞”的形態(tài)；另一方面，寒武紀(jì)、燧原科技等通用AI芯片廠商，則繼續(xù)在訓(xùn)練與推理一體化方向推進(jìn)，試圖在數(shù)據(jù)中心側(cè)提供可替代GPU的算力底座，與昇騰形成某種“多點(diǎn)支撐”的格局。

此外，一些整機(jī)廠商也開(kāi)始自研或深度定制機(jī)器人專(zhuān)用SoC，例如圍繞運(yùn)動(dòng)控制、傳感融合與多模態(tài)推理進(jìn)行異構(gòu)集成，試圖在通用GPU之外，走出一條更貼近機(jī)器人形態(tài)的專(zhuān)用計(jì)算路徑。

需要強(qiáng)調(diào)的是，雖然國(guó)內(nèi)廠商在“小腦”（運(yùn)動(dòng)控制）和“眼睛”（視覺(jué)識(shí)別）芯片上已經(jīng)能做到性價(jià)比極高，但真正的痛點(diǎn)依然在于缺乏類(lèi)似英偉達(dá)Jetson Thor那樣的“超大規(guī)模多模態(tài)通用計(jì)算平臺(tái)”，使得目前國(guó)內(nèi)大部分廠商依然處于“拼盤(pán)”階段，例如用華為或地平線的芯片做視覺(jué)感知，用國(guó)產(chǎn)高性能單片機(jī)做電機(jī)控制，再用自研算法進(jìn)行粘合。而這種“拼盤(pán)”式的做法，勢(shì)必導(dǎo)致軟件適配的“木桶效應(yīng)”、算力損耗與通信延遲以及“數(shù)據(jù)飛輪”斷層等挑戰(zhàn)。

以“數(shù)據(jù)飛輪”的斷層為例，由于國(guó)產(chǎn)廠商往往缺乏配套的高保真仿真平臺(tái)，如果用英偉達(dá)的平臺(tái)訓(xùn)練，再手動(dòng)把模型“翻譯”到國(guó)產(chǎn)芯片上，中間的精度損失和適配工作量極其驚人。又如軟件適配的“木桶效應(yīng)”，如果你用A公司的芯片做視覺(jué)，B公司的芯片做運(yùn)動(dòng)控制，中間就需要大量的底層驅(qū)動(dòng)對(duì)齊和通信延遲優(yōu)化，為此開(kāi)發(fā)者80%的精力都在調(diào)接口、對(duì)協(xié)議，而不是在優(yōu)化機(jī)器人的算法，從而導(dǎo)致產(chǎn)品迭代速度被英偉達(dá)生態(tài)甩開(kāi)。

如果說(shuō)在具身智能領(lǐng)域，“芯片決定下限、數(shù)據(jù)決定上限”已經(jīng)成為共識(shí)，那么中美在數(shù)據(jù)獲取路徑上的差異也愈發(fā)明顯。

美國(guó)以英偉達(dá)的Omniverse 與Isaac Sim等平臺(tái)為代表，試圖構(gòu)建一個(gè)高保真虛擬世界，在其中1:1復(fù)刻真實(shí)物理規(guī)律（重力、摩擦、光影等），讓成千上萬(wàn)的虛擬機(jī)器人以遠(yuǎn)超真實(shí)時(shí)間的速度進(jìn)行操控訓(xùn)練，例如學(xué)會(huì)如何拿雞蛋、避障、抓取不規(guī)則物體等。訓(xùn)練完成后再將策略和模型下發(fā)到現(xiàn)實(shí)世界中的物理機(jī)器人，由此大幅降低真實(shí)試錯(cuò)成本。

相比之下，中國(guó)企業(yè)則更多傾向于利用硬件成本優(yōu)勢(shì)采用“泥腿子進(jìn)城”的現(xiàn)實(shí)路線。既然機(jī)器人本體足夠便宜，那就先造出幾萬(wàn)甚至十幾萬(wàn)臺(tái)，讓它們直接進(jìn)入工廠、倉(cāng)儲(chǔ)中心、生產(chǎn)線等真實(shí)場(chǎng)景，在實(shí)踐中不斷摔倒、碰撞和試錯(cuò)。而對(duì)于那些成本可控、風(fēng)險(xiǎn)可管理的場(chǎng)景，損壞一臺(tái)機(jī)器人或一個(gè)伺服電機(jī)的代價(jià)遠(yuǎn)低于獲取真實(shí)世界數(shù)據(jù)的長(zhǎng)期價(jià)值。通過(guò)這種“暴力堆量”的策略，中國(guó)企業(yè)從一線場(chǎng)景中點(diǎn)滴積累“原汁原味”的物理數(shù)據(jù)，用于訓(xùn)練和優(yōu)化多模態(tài)模型。這兩條路徑，一條依賴算力，一條依賴場(chǎng)景，本質(zhì)上代表了不同資源稟賦下的最優(yōu)選擇。

寫(xiě)在最后：回望整個(gè)產(chǎn)業(yè)，我們發(fā)現(xiàn)一個(gè)熟悉的規(guī)律正在重演，那就是在技術(shù)浪潮初期，最熱鬧的是終端產(chǎn)品，但最穩(wěn)定的價(jià)值，卻掌握在“賣(mài)水人”手中。從算力、芯片到關(guān)鍵部件與數(shù)據(jù)基礎(chǔ)設(shè)施，這些看似不顯眼的環(huán)節(jié)，才是真正決定長(zhǎng)期格局的根本。

而魏哲家的那句“跳來(lái)跳去沒(méi)用”，并非對(duì)人形機(jī)器人的否定，而是對(duì)產(chǎn)業(yè)認(rèn)知的一次糾偏，即在這場(chǎng)關(guān)于人形機(jī)器人的競(jìng)賽中，肌肉會(huì)迅速貶值，硬件會(huì)不斷內(nèi)卷，唯有算力與智能，才是長(zhǎng)期稀缺資源，而也是我們必須要占領(lǐng)和奪取