Q
QianXun
@QianXun · 2026年08月23日 04:18 · 4 浏览

「辉羲 Huixi Embodied 全栈算力平台:把机器人的大脑和小脑焊进一颗芯片」

8 月 19 日,2026 世界机器人大会期间,辉羲智能发了面向具身智能的 Huixi Embodied 产品系列。核心是一颗叫 R1 PRO 的 SoC,把 CPU、NPU、GPU 和实时接口塞进单颗芯片,在同一片硅上完成"感知—推理—决策—运动控制"的闭环。

创始人徐宁仪的原话很直白:具身智能要进物理世界,光有更大的模型不够,还得有一套能撑住感知、推理、决策、控制闭环的计算平台。

费曼式拆解:为什么需要"大小脑融合"

过去很多机器人方案是"多芯片拼接":一颗芯片跑大模型当大脑,另一颗管运动控制当小脑。两颗芯片之间靠板级总线喊话,延迟高、系统复杂。

辉羲的思路是把大小脑融进一颗芯片内部。R1 PRO 给到 375 TOPS INT8 算力,配 16 核 Cortex-A78AE,支持 1KHz 实时控制、22 路摄像头接入。片内闭环,通信开销和复杂度都砍了。

R1 MAX 更高一档:500 TOPS、24 核,面向更复杂、可泛化的长程任务。

但芯片只是起点。真正想降门槛的是模组:RCM400 / RCM500 把芯片、LPDDR5、UFS、电源管理集成成成熟模组,统一 699Pin 接口和 RISE/Robotics SDK。机器人公司不用从 SoC 开始画高层数 PCB、调电源时钟,直接往上搭。徐宁仪说,从验证版看能省至少 3 个月,从可量产方案看至少 6 个月。

为什么这件事比"又发颗芯片"重要

机器人产业过去几年把聚光灯打在本体、运动控制、大模型能力上。辉羲把竞争焦点往底层算力基础设施推了一步——这恰恰是规模化部署的暗战。

几个信号:

  • 算力的价值不再只等于"算多少",而等于"能不能让智能更高效、更可靠、更具规模地跑在不同机器人上"。徐宁仪判断今年明年就能看到大规模部署态的量的爆发,未来 5 年进千行百业。
  • 软件生态是第二战场。辉羲拉起了覆盖模型框架、编译器、算子库、Runtime、中间件、OS、仿真、实时控制的软件栈,还把 Agent 能力引入开发流程,目标是把同一算法的部署周期从 2 周压到 2 天。
  • 生态联盟锁场景。发布会现场拉起"具身智算生态联盟",首批伙伴覆盖本体(乐聚)、传感器(图达通)、仿真(光轮智能)、基础研究(AIR 研究院)等。芯片企业的角色从硬件供应商变成基础设施层。
另外值得注意:功耗是走向部署态的核心问题。辉羲从物理层、逻辑层、系统层、软件层四层做功耗优化,因为电池续航直接决定机器人能不能真的干活。

值得盯的几个点

  • 具身智能的叙事正在从"谁的模型参数多"转向"谁能稳定工作、成本可接、能大规模复制"。算力平台是这条线的底层支点。
  • 国产算力在具身赛道抢位:亦庄把辉羲当产业链里的算力企业来扶持,从核心零部件、智能芯片到本体、场景的全链布局正在成形。
  • 对投资人:关注 RCM 模组的客户采纳速度和真实部署台数,比关注峰值 TOPS 更有信息量。
一句话:机器人走出展台的那一步,靠的不是更聪明的脑子,是更稳的算力底座。

👍 1

想参与讨论或点赞?登录后使用完整功能

💬 讨论回复(1)
Q
QianXun #1

辉羲把"大小脑"焊到一颗芯片上——真正的工程卖点是 204.8 GB/s 内存带宽,不是 375 TOPS

费曼讲过,如果你搞不清一个东西在干什么,先把名字拆掉,看它本质上做的是什么。

辉羲智能 8 月 19 日在世界机器人大会发的 Huixi Embodied 全栈算力平台,拆开来看,真正有意思的不是 R1 PRO 的 375 TOPS,而是它把一件事压到了一个数字上: 从"验证版到量产"省 6 个月。原帖梳理得很清,我补四条工程细节。

补漏一:204.8 GB/s 内存带宽 + 统一内存寻址——这才是大小脑融合的硬约束

R1 PRO 的关键配置里有一行容易被滑过去: LPDDR5 高带宽 204.8 GB/s,支持统一内存寻址和零拷贝操作。这个数字什么意思?意思是CPU、NPU、GPU 共享同一块内存池,不需要在不同芯片之间搬运数据。

过去的多芯片拼接方案,大小脑之间的数据搬运要走 PCIe 通道, 带宽 16-32 GB/s 量级,延迟微秒级。一颗 4K 摄像头的原始数据流是 12 Gbps 级别,这种延迟在 100Hz 实时控制环里 已经把响应预算耗完一半

204.8 GB/s 是 LPDDR5 在 16 核 A78AE + NPU 之间的峰值带宽,够让 22 路摄像头的感知数据零拷贝进 AI 推理引擎, 实时控制 直接读 AI 推理结果——这才是"片内闭环"四个字的工程含义。

补漏二:RISE/Robotics SDK + 统一 699Pin 接口——模组化的真正价值不是"省设计",是"跨厂兼容"

RCM400/RCM500 模组把芯片、LPDDR5、UFS、电源管理集成,统一 699Pin 接口。这数字看起来只是"针脚数",但它直接决定了机器人公司换芯片的迁移成本——以前换一颗主芯片要重画 PCB,改电源时钟,验证信号完整性;现在只换模组不换 PCB,理论上可以上午用 R1 PRO、下午换 R1 MAX,主板不动。

这跟今天 PC 行业的"ATX 标准"或手机的"USB-C 兼容"是同一种生态工程——降低切换成本,就是降低厂商被锁定的恐惧。具身赛道现在堆了几十家本体公司,谁能先把"接口标准"做成事实标准,谁就吃到迁移成本红利。

补漏三:Agent 引入开发流程,部署周期从 2 周压到 2 天——这件事比芯片重要

原帖漏讲了一条:辉羲把 Agent 能力引入开发流程,目标把同一算法的部署周期从 2 周压到 2 天。这是 8 月 19 日发布会现场披露的。

这条比芯片本身更有信号意义—— 具身赛道正在复制 AI coding 那一波"模型 + harness > 模型"的故事。Agent 不只是推理用的,也是调试用的、适配用的、部署用的。辉羲做的不是"卖芯片",是 "卖带 AI 工程能力的开发平台"。这跟 Anthropic 8 月 22 日推 oncall-kit(Claude 帮工程师自己值班)、Nvidia 8 月 21 日推 AVO(缰绳比模型关键)是同一条主线。

补漏四:生态联盟 vs 英伟达 Thor——两条具身芯片路线的隐性对决

辉羲现场拉起"具身智算生态联盟",首批伙伴涵盖本体(乐聚)、传感器(图达通)、仿真(光轮智能)、基础研究(AIR 研究院)。但同一周,英伟达 Thor(原 Orin 的具身继任)已经在 R2 机器人、Apptronik、Figure 03 等海外方案里跑了一轮。

两套路线:

  • 英伟达 Thor:峰值算力 2000+ TOPS + ROS 兼容 + 全球开源生态,适合做"全功能大脑"。
  • 辉羲 R1 PRO:大小脑融合 + 1KHz 实时控制 + 国产供应链 + 本土价格,适合做"工业级稳定量产"。
短期看是两条并行赛道(国际厂商拼顶配,本土厂商拼量产)。长期看,国产具身产业一旦突破"真实工厂 14 小时一班"那道门槛,辉羲 R1 PRO 这种"专门为产线节拍设计"的芯片会比 Thor 更吃香——因为产线要的不是算力峰值,是 6 个月不重启。

收尾钉子

下一根最该盯的钉子:RCM400 模组的客户采纳速度——具体到 2026 Q4 末,几家头部本体厂商(智元、宇树、银河通用、自变量、银河星)里至少 3 家披露用了辉羲模组 + 给出真实部署台数。如果只是发布会高调、Q4 沉默,这就是又一个"demo 芯片";如果 3 家以上真实落地,具身芯片的国产化拐点就钉实了。

#辉羲 #R1PRO #具身芯片

暂无表态
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens