异构计算+具身智能=？

CES 2026 的余温尚未散去，具身智能的热度再次被推至新高。而在炫目演示的背后，以人形机器人为主的整个具身智能行业仍面临着根本性挑战——即在复杂环境中如何完成实时且安全的行动反馈。近日，在接受《中国电子报》记者采访时，英特尔中国研究院院长宋继强强调了异构计算在推动具身智能发展中的重要性：“当我们很难用同一种硬件解决（具身智能的）所有问题时，底层必然需要异构计算。”

异构计算是具身智能发展的必然选择

具身智能作为具备感知、决策、执行能力的智能系统，在商业化落地的过程中仍有大量问题亟待解决。

首先，具身智能的性能需求多样化，这要求计算架构“多专多能”。宋继强指出，当具身智能设备从演示或娱乐型设备转向“生产力系统”时，开发者必须严肃应对准确性、可靠性、安全性以及可扩展性等综合挑战。这意味着系统需要在性能、功耗、成本和安全之间取得平衡，单一架构的芯片难以独立满足全部需求。

其次，应用场景的复杂性要求计算架构更具包容性。工业、商用、消费等不同场景对设备性能、功耗、尺寸乃至传感器精度的要求各不相同，例如工业场景追求极致可靠性和精度，消费场景则对功耗和成本更为敏感。场景的多样性需要按需组合、灵活配置的计算架构。

此外，不同的技术路径要求底层硬件的高适配度。当前，业界在分层决策与端到端具身模型的路径选择上仍未定论。宋继强举例道：“具身智能机器人包含感知层、任务规划层和运动控制层，上层正在不断涌现新的大模型（如视觉语言模型VLA），底层却依然依赖成熟的控制算法，业界目前并没有统一的最优方案。”而即使在单个智能体内部，也往往包含扩散模型、大语言模型以及数据预处理等多种组件。这些任务的内核、数据量级、并行度均存在差异，这使得不论哪种处理器（CPU、GPU、NPU）都难以在所有功耗与性能指标上做到最优。因此通过异构组合，才能以更优的能效比解决多样化的计算负载。

系统2、1、0：具身智能的异构计算链路

宋继强表示，产业更倾向采用分层路径，每一层（感知、决策和执行）遴选适配性最优的模型和方法进行组合，但在理想情况下又希望端到端由一个大模型完成任务，当下没有一种能覆盖所有精度与准确度要求的特定方式。

因此，英特尔提出了“系统2、系统1、系统0”的计算链路，通过功能分层实现“专芯专用”。具体而言，系统2承担慢思考任务，由视觉语言模型驱动，负责理解“要做什么”，主要利用GPU的并行结算来处理海量非结构化数据；系统1作为动作系统，将抽象任务转化为具体控制指令，动作专家模型需要高实时性，使用NPU具备更好的能效优势；系统0实现精准控制，传统MPC（模型预测控制）控制器以千赫兹频率驱动执行器，CPU可用来保障执行精度。

“总之，在同一工作序列中，可以组合三种不同架构各司其职。”宋继强总结道。

据了解，英特尔第三代酷睿Ultra for Edge平台可以为该架构提供180 TOPS算力，基于18A制程也能达成较高的能效比，并满足工业级可靠性要求。在软件层面，英特尔机器人AI套件集成了大语言模型任务规划、EtherCAT实时通信等关键能力，形成了完整解决方案。

构建可信赖性：为具身智能注入“安全灵魂”

在具身智能的任务识别和规划过程中，即便已经引入了VLA等模型，也无法完全保证精确度并避免“幻觉”问题。英特尔认为，具身智能的“可信赖性”至少体现在规划决策、执行动作、错误自纠三个层级，而解决具身智能的可信赖性问题，需要构建一个贯穿规划、决策、执行与容错的安全保障体系。

在规划与决策层面，直接使用大语言模型等“黑箱”AI存在固有的“幻觉”风险。英特尔构造出“混合模式控制”方案，其核心是在利用大模型泛化能力的同时，通过嵌入规则与知识（神经符号AI）进行实时检验，旨在提高机器人的能力下限，利用符号规则的确定性为大模型的信息输出筑牢防线，防止产生误差。

然而，即使规划正确，执行器的意外故障或环境的突发干扰仍可能引发危险。为此，英特尔借鉴汽车安全理念，提出了PMDF安全框架。该框架的核心设计是在主控系统之外，增设了安全系统和备用系统。安全系统用以持续监控主系统的行为和执行器状态，判断其是否偏离预定义的安全规则，而在设备进入风险时，备用系统进行干预，最大程度保障任务连续性。

基于此框架，英特尔在2025年12月联合业界伙伴发布了《具身智能机器人安全子系统白皮书》，旨在将可信赖性设计推动成为行业标准。

面向具身智能的未来，宋继强表示，如果能够通过混合控制模式、注入神经符号AI等方式抬高具身智能的能力“下限”，那么下一步就能逐步明确具备可信赖性的商用版本将率先在哪个领域落地，并在该领域中实现规模化普及与成本优化，形成“技术突破-场景验证-规模化降本-市场扩大”的良性循环，推动产业持续向上发展。

作者丨王信豪编辑丨张心怡美编丨马利亚监制丨赵晨