01英特尔研究院宋继强访谈
产品：酷睿 Ultra 9 285K Intel CPU【ZOL中关村在线原创访谈】1月初，我奔赴美国拉斯维加斯参加了CES 2026。逛展期间感受颇为深刻的有两点：一方面是来自中国的大大小小的科技厂商比以往更多，另一方面则是随处可见的具身智能产品或技术演示，而且其中中国厂商或团队的占比非常高。英特尔研究院副总裁、英特尔中国研究院院长宋继强近日接受采访时也谈到，“今年CES把具身智能的热潮再次推高”。
从去年年初春晚的机器人转手绢，到年末王力宏成都演唱会上六台宇树G1人形机器人伴舞，短短一年时间里，具身智能领域进展之快令人咋舌。曾经在波士顿动力演示Demo上看到的颇为夸张的机器人行为，如今已经真正走入街头巷尾。有时候你甚至能在北上广深这些大城市的繁华街区，看到有人拉着机器狗、机器人逛大街。
正如宋继强所言，“无论是具身智能还是物理AI，其实所讲的是一件事——我们需要把智能能力和实体设备结合起来。这个设备要能够感知外界，能够理解环境并做出决策判断，更重要的是，做出判断之后要能给物理世界带来某种改变。”
·异构计算为何在具身智能时代尤为重要
具身智能与早期智能机器人最大的不同就在于，它们不只会语音交互问问天气、听听新闻或播放视频，而是以物理实体通过某个执行器去改变世界，例如使用机器人完成运送任务，将物体从A点运送至B点。之后，它造成的改变又会对后续的操作和决策产生影响，从而形成闭环。而能够形成这种闭环的设备，才叫做具身智能。
具身智能领域的爆火与飞速发展，给诸多行业带来了新的机会，尤其是半导体芯片行业将深受其益。但是想要抓住这次机会，宋继强认为“异构计算”在其中会非常重要。
具身智能最终一定是落在物理实体之上，这个实体包含感知、理解与决策、推动执行，以及执行后继续观察的环节，是一个完整闭环。因此单台设备的计算需要更为复杂和多元化。而且根据设备操作的复杂度和实时性要求，对计算与感知能力的要求并不一样。
例如一台具身智能机器人需要较强感知和决策能力的同时，需兼具一定的执行能力，而执行又有时间与精度的要求。同时，工业、商用、消费等不同场景对于这些能力的要求也完全不同，设备性能、功耗、尺寸差异，传感器精度的高低等等，很难通过单一架构硬件来解决所有问题。因此，异构计算在具身智能时代就显得尤为重要。而英特尔近年来一直坚持XPU战略，并在芯片架构设计、先进封装技术等方面确保XPU异构战略顺利推进。这意味着具身智能领域的发展，对英特尔而言是一个巨大契机。
在异构计算基础之上，多智能体的想像空间被彻底打开。智能汽车、机器人或是未来其他具身智能形态，都能被承载起来。因为异构计算承载的是具身智能系统，而系统可以被无缝对接到各种形态的具身智能体上，它们最终承载怎样的业务，其实取决于人类在系统层面之上放入什么。例如当下最流行的业务构建方式不再是预先编程，也不再是预先做好一组功能库再用程序框架去调用，而是通过多智能体方式，按照用户要求、业务流可能的变化，甚至按照场景变化，自主构成业务流，再利用AI的生成能力生成相应智能体，构造智能体去完成需求。其未来愿景是：一个能力丰富的物理设备，能够支撑多智能体系统运行。
·基于异构计算的多智能体系统面临诸多挑战
当然，现在能看到的挑战也很多，因为具身智能不只是演示或娱乐型设备，所以在准确性、可靠性、安全性、可扩展性等方面，必须要在真正部署生产力系统时经过深度考量。同时，系统性能还包括系统运行时能否以较好的成本结构、较快的响应速度来完成，这些方面也存在挑战。
另外，一旦引入AI，系统安全与以往相比就发生了根本性变化。宋继强表示，“以前主要是传统信息安全问题，现在还要考虑AI系统安全；同时，物理AI在环境里服务人或工厂，它与人交互、与环境交互，还存在物理安全问题。有时并不是决策本身的问题，而是环境问题导致物理安全风险，这些也需要解决。同时，安全都是额外成本。不是一定要做到‘最高安全’，但为了达到一定安全级别，总要付出相应成本，因此需要进行权衡。”
尽管异构计算优势显著，但在多智能体协同场景中仍面临三重核心挑战：
其一，算力调度复杂性。多智能体需同步处理个体感知与群体协同决策，不同智能体的任务优先级动态变化，导致异构资源分配的实时性与合理性难以平衡；
其二，数据协同壁垒。激光雷达、3D 摄像头、力传感器等异构设备产生的多模态数据，在时间戳同步、格式标准化、语义一致性上存在技术鸿沟，影响协同决策精度；
其三，成本与可靠性矛盾。工业级具身智能要求 7×24 小时连续运行，而多智能体的异构算力集群需在高温、振动等恶劣环境下保持稳定性，这对硬件耐久性与成本控制提出双重考验。
宋继强在接受媒体群访中也提到，“当前多智能体系统的 ‘数据孤岛’问题尤为突出，不同场景、不同本体的机器人数据标准不统一，导致异构算力的通用性难以发挥，这进一步加剧了技术落地难度。”
·智能体为何需要异构系统框架？
智能体对异构系统框架的需求，本质是对 泛化能力与执行效率的双重追求。单一计算架构的局限性在非结构化环境中暴露无遗，即纯CPU架构无法支撑大模型推理，纯GPU方案能耗过高难以边缘部署，而纯NPU则缺乏复杂逻辑处理能力。
异构系统框架通过三大核心优势，可以解决这些问题：
首先是任务适配性，将计算任务按需分配至最优架构单元，如英特尔方案中CPU负责1000Hz级运动控制、GPU处理大模型推理、NPU承载低功耗实时感知；
其次是扩展灵活性，支持根据场景需求增减计算单元，例如工业机器人可扩容GPU提升复杂任务处理能力，家用服务机器人可优化NPU能效比；
最后则是技术兼容性，能够融合传统控制算法与前沿AI模型，形成“神经符号AI”神经符号AI混合模式，既保证创新能力又守住安全底线。这种框架让智能体能够在不同场景中快速适配，实现从专项能力到通用能力的进化。
此外，智能体通常是一个完整单元，能够接收输入、进行决策并推动执行。它往往由多类人工智能组件构成，比如可能包含扩散模型，包含MCP来构造多智能体交互，包含大模型在prefill、decode上不同的计算需求，还会有常规的数据预处理、后处理以及媒体处理等。
这些任务的内核、数据量级、并行度都不一样。而且即便已经有CPU、GPU、NPU等不同计算单元，其实也并不意味着同一种设计的计算单元就能在功耗与性能上都做到最好。而进一步拆分的话，还可以用中端或高端的CPU、中端或高端的GPU分别处理不同负载。若采用异构组合，就能以更好的能效比来解决问题。
近年来各种人形、半人形、非人形具身智能机器人系统，从感知层、任务规划层到运动控制层，尤其是运动控制对控制精度的要求越来越高。而且近年来一方面涌现出很多新的大模型，如多模态大模型、VLA等，另一方面底层则越来越贴近传统的机器人运动控制。因此，从方案上看，业界目前并没有统一的最优方案，但异构计算是当下能够解决诸多核心问题的、很有效的方案。
·英特尔发布第三代酷睿Ultra For Edge
其实在月初的CES上，英特尔发布了第三代酷睿Ultra处理器，它是Intel 18A先进制程工艺下的首个移动端处理器平台，除了消费级新品之外，其中也包含了“第三代酷睿Ultra For Edge”。这里的“Edge”覆盖工业级应用与物理AI，而具身机器人显然是重要应用领域之一。它与消费级、商用级电脑版本不同之处在于：它强调工业级要求，例如温宽、耐用性、10年可靠性；同时针对机器人和工业领域对高实时性、高确定性的精度要求做了增强。
其核心优势体现在三方面：
其一是极致的异构性能。第三代酷睿Ultra平台是典型的集成CPU、GPU、NPU的XPU架构，最高算力达180TOPS，支持多模态AI工作负载协同处理，能够更好地匹配具身智能的算力需求。
其二是工业级可靠性。支持宽温运行，可配置不同的TDP范围，无风扇设计适配密闭空间部署。通过英特尔Silicon Integrity Technology与FSEDP技术，加速机器人功能安全开发，满足工业场景7×24小时连续运行要求。
其三是广泛场景适配。从工厂自动化的高精度抓取，到智慧医院的AI辅助诊断，再到智慧城市的数字安全监控，第三大酷睿Ultra处理器凭借更高性能、更低功耗等特性，成为跨行业具身智能部署的首选硬件底座。
宋继强认为，“异构是‘跨网络资源池’的概念，不需要限定在终端上。它可以是终端加边缘，甚至终端加边缘加云，都可以形成异构资源池。只不过资源放在不同位置，会带来不同的代价，价格不同、延迟不同、功耗也不同，这是可预期的。”
·英特尔机器人AI套件为全流程落地提供工具链支撑
除了全新的异构硬件之外，英特尔在去年年中还发布了“英特尔机器人AI套件”，并且每个季度都会进行升级。
该套件包含机器人领域常用的软件包，同时英特尔还与合作伙伴共同开发了一款机器人AI板级套件组合提供给厂商使用。整体来看，这块板卡体积小、功耗控制在机器人本体可承受范围内，既能跑传统视觉模型，也能跑优化过的大模型（包括VLA），基本可满足机器人常规的感知、规划与操控应用。而且如果需要更强的模型能力扩展，还可以通过EtherCAT，以及其它满足更强实时要求的互联平台，把它与边缘AI连接起来。
此外，英特尔也把“具身智能SDK”相对以往机器人SDK的新增点做了梳理：主要新增在于对大语言模型的支持——例如基于大语言模型做任务规划，而不是完全依赖原来的专家系统或预置规则；同时把EtherCAT支持正式纳入软件堆栈，并在实时库支持方面补齐。其余很多部分则复用英特尔在工业机器人与服务机器人领域长期使用的软件开发包与能力积累。
·如何确保具身智能的可信赖性
有了硬件以及软件的支撑，下一步要考量的就是“如何确保具身智能的可信赖性”。
具身智能要走进工厂、家庭，必须要突破“演示很惊艳，但实战不可靠” 的瓶颈。当前基于VLA模型的机器人，动作准确率也仅有60%到70%，而且幻觉、环境适应性差等问题突出。为此，英特尔提出三重系统来构建具身智能的可信赖性：
第一是规划决策层的可信赖。采用神经符号AI混合模型，将规则与先验知识引入神经网络，当模型决策违反安全规则时强制重新计算，抬高智能体的能力下限。宋继强认为，“如果下限能稳住，也就是说它逐渐能在一些领域里推动落地。我们之所以认为可以通过混合智能模式、领域支持注入，加上一些符号学检测逐步抬高下限，是因为这样我们就能明确哪些领域可以先做出来一个可靠版本，这个版本能推动在该领域部署。比如目前大家比较认可的落地方向是物流分拣。工厂里带移动能力、场景有一定变化的收取与放置；以及一些相对标准、器件不太复杂的产品的拼装、组装等。这些属于半结构化场景，领域知识相对明确，可以在有限范围内做好训练，从而先推动部署。”
第二是推动执行层的可信赖。引入汽车领域的安全监控系统，持续检测传感器、执行器状态，对电机故障、未知路况等意外情况实时告警；
第三是反馈层的可信赖。即系统出错时整体是否仍可信赖。配备后备应急系统（Fallback System），当安全风险发生时，引导机器人进入降级状态。其中，Fallback是既要让系统回到可靠状态，又希望回到可靠状态后不是直接放弃任务，比如摔了就不动了。理想情况是即便出现风险，也能以可行方式继续，类似汽车的“慢速靠边”而不是突然急停。宋继强说，“对机器人而言，如果可能要摔倒，可以选择方向、选择没有人的地方，卡死某些关节让它慢慢摔，甚至让它沿某个方向慢慢移动到边上。”
通过三重保障层层递进，既保留了AI模型的泛化能力，又通过传统控制技术弥补了当前大模型的可靠性缺陷，实现创新与安全的平衡。
以往关于工业机器人、服务机器人的安全，以及网络信息安全、电子器件方面的安全，已经定义了很多。但由于规划失败、规划出错，或者物理环境出现问题，在物理风险高时如何处理成为新的问题。
基于此，英特尔在去年12月的英特尔中国学术峰会上，联合几家业内合作伙伴发布了《具身智能机器人安全子系统白皮书》，并且提出了PMDF解决框架（Primary System 主控系统、Monitoring System 监控系统、Decision-making 安全决策、Fallback 故障处理与恢复），其与异构具身智能硬件平台对应，通过监控系统，能够自主判断主控系统是否出问题，一旦出问题就会触发Fallback。
宋继强说，“用PMDF方案作为未来提升具身智能机器人可信赖性的设计框架，第一版发布后反响很好，学术界和业界都有单位表示希望参与推进落地，我们也在积极开展合作。基于英特尔的理念，以及我们与合作伙伴正在构建的具身智能机器人系统，结合第三代酷睿Ultra for Edge平台，我们希望尽快推动可信赖的具身智能机器人在产业里落地。”
·结语
其实不难看出，异构计算之所以重要，是因为它为具身智能提供了可以处理复杂和多元计算任务的算力底座，再加上可信赖方案筑牢安全根基，以助力具身智能领域的快速发展。
宋继强在接受媒体群访中也坦言：“具身智能真正要走进生活，未来三年是关键期。我们需要通过异构计算打破算力瓶颈，通过PMDF框架建立安全共识，让机器人从‘天才儿童’成长为‘可靠工匠’。我们在机器人及控制技术体系的实践中深刻认识到，不存在能够解决所有复杂场景问题的‘万能钥匙’或单一技术范式。真正的完整解决方案，必然是通过前瞻性地融合创新技术与经过验证的成熟方法，将其系统性地工程化，这样才能稳健落地。”
当异构计算的算力优势与PMDF的安全保障形成合力，具身智能将加速从实验室走向产业界，在工业、服务、医疗等领域绽放真正价值，这既是技术发展的必然，也是科技服务人类的初心所在。
