当俄罗斯首款AI人形机器人“艾多尔”，伴随着电影《洛奇》的主题曲蹒跚登场时，所有人都以为，某个高光时刻即将来临。
但它，迅速失去了平衡，倒地抽搐，被工作人员匆忙拖走。
这并非个例。9月，特斯拉的Optimus因反应迟缓而被吐槽；1X Robotics的预售款演示，后被曝出系远程遥控。业内人士对此并不意外。大量机器人的演示，高度依赖人工操控。它们连“站稳完成操作”都极为困难。
在工厂里，“插个dongle、贴个膜”，这类看似简单的动作，对当下的机器人而言，堪比“登月”。
是什么，阻挡了它们踏入生产一线？
在近日于重庆举行的一场英特尔技术大会上，当训练数据、应用场景、算法模型等问题被一一摆上台面后，一个答案被反复提及：
算力平台，正成为横在具身智能规模化落地面前，最大、也最根本的门槛之一。
机器人身体里的“两套班子”
目前，业内已量产、相对成熟的人形机器人，大多采用一种“大脑+小脑”的分布式算力架构。
-
“大脑”： 负责深思熟虑。它承担着运行语言大模型（LLM）、视觉语言模型（VLM）等一系列对世界进行建模和理解的工作。它需要强大的AI推理能力。
-
“小脑”： 负责“让身体动起来”。它对反应速度极度敏感，掌管着3D定位导航、机械臂控制、步态平衡等实时任务，其控制频率动辄达到500Hz至1000Hz。
过去，机器人主要依赖传统的运动控制卡。如今，动作生成模型、多模态感知与大模型推理层层叠加，其算力需求呈几何级增长。
一位现场嘉宾提到：“我们用的很多其它行业厂家的芯片，即使达到了100到200 TOPS的稀疏算力，但依然是不够用。”
算力飙升之下，不少企业只能被迫采用一种“拼凑”方案：用英特尔的酷睿处理器跑“大脑”，再用英伟达的Jetson Orin跑“小脑”。
一个机器人的身体里，存在着“两套班子”。它们需要进行跨芯片通信、跨系统协同。
结果可想而知。
当“大脑”的视觉指令，在传输给“小脑”的过程中，出现了哪怕是毫秒级的延迟，“艾多尔”的摔倒，便不可避免。当前困扰人形机器人的精度、效率问题，乃至端侧控制器的性能瓶颈，有相当一部分，都“归功于”这场发生在机器人身体内部的、低效的算力“内战”。
一本算不过来的经济账
算力平台，不仅是一个技术问题，更是一个关乎落地的经济问题。
“真正到后面小批量落地的人形机器人，ROI（投资回报率）肯定是我们第一个考虑的指标。”一位嘉宾直言。
制造业对ROI的考核，尤为严苛。机器人不仅要能干活，“稳不稳定、安不安全、贵不贵、耗不耗电”，都是企业主必须算清楚的账。
显然，“两套班子”的硬件堆叠方案，在开发成本、散热、功耗、价格、部署与可扩展性上，都无法满足这些苛刻的要求。
现场嘉宾认为，机器人需要同时利用CPU、GPU、NPU等多种异构算力。如何将这些算力高效地整合到一块小体积、低功耗的芯片里，并让它们高度协同、被开发者轻松调用，是一道极大的挑战。
“解药”：大小脑的“单系统融合”
英特尔给出的“解药”，是一种“大小脑融合”的方案：
用一颗SoC（片上系统），将智能认知与实时控制，统一到同一个架构之中。
这颗SoC，就是其酷睿Ultra处理器。
它在单一封装内，集成了CPU、英特尔锐炫GPU和NPU，并让这三者协同工作。AI推理能力、高性能CPU计算与工业级实时控制，被“一手”掌握。
“酷睿Ultra在保持类似功耗的情况下，实现了约100 TOPS的AI算力。”英特尔公司副总裁Dan Rodriguez在大会上表示，“用户不需要重构系统，只要升级CPU，就能让原有产品具备AI能力。”
-
内置的GPU： 拥有77 TOPS的AI算力，专门负责处理最重的视觉与大模型任务。
-
NPU： 负责轻负载的常驻任务，如持续监听语音唤醒、动态物体检测等，以极低的功耗保证系统长期在线。
-
CPU的价值被进一步放大： 得益于英特尔在传统机器人运动控制领域的积累，以及对底层指令和架构的深度优化，CPU在执行运动规划、平衡控制、手眼协调等对延迟极敏感的环节时，比过去更快、更稳。其实时抖动，可以被控制在20微秒以内。
这种将多种异构算力，高效整合在一颗芯片里的设计，让原本必须依赖“两套班子”才能完成的“大脑+小脑”任务，如今在一套“班子”里就能搞定。
从硬件到生态的开放路径
算力之外，英特尔同时提供了一整套开放的软件栈，覆盖了从底层驱动、实时控制，到上层应用框架的全流程。
其核心，是oneAPI——一条贯通CPU、GPU、NPU的“算力高速路”。开发者只需编写一次代码，系统便会自动决定在哪颗计算单元上运行，实现全自动的调度与优化。
与动辄“全家桶、一锅端”的封闭路线不同，英特尔的“大小脑融合”方案，选择的是一条更开放、更有弹性的技术路径。
主流的AI框架、模型、ROS2等开源算法库，全部开放支持。企业可以按需自由组合，而无需推翻其既有的系统，也无需被某一家供应商彻底锁定。
过去几个月，英特尔已与国内数十家具身智能厂商展开了深入合作。
在技术与市场都充满不确定性的具身智能赛道里，这种开放、融合的体系，正成为越来越多机器人企业，愿意尝试并押注的技术路线。
