德州仪器

英伟达

智通財經APP獲悉，聚焦於模擬芯片與嵌入式處理解決方案的芯片巨頭——長期以來有着“全球芯片需求晴雨表”稱號的德州儀器(TXN.US)將其實時控制、傳感和電源產品組合與“全球最高市值公司”英偉達(NVDA.US)的先進機器人計算組件、基於以太網架構的傳感以及獨家仿真技術全面結合，爲開發者們提供重大技術支持，幫助他們大規模構建、部署與量產人形機器人等等被稱爲“物理人工智能”(物理AI)的終端設備。

從當前媒體報道來看，模擬芯片霸主德州儀器與英偉達的合作有望推動人形機器人智能系統向更高階段邁進，而不是簡單“聯手造機器人”這一表層。他們的最新合作更像是在底層技術棧上構建更完善、更安全、更易規模部署的機器人智能基礎設施，這對行業推進人形機器人商用化具有實質性的助力。

隨着市場對於對海量AI推理工作負載與實體執行結合的期待持續升溫，英偉達與德州儀器的合作不僅是芯片與傳感層面的疊加，而是從AI推理、實時感知到底層控制系統的協同構建，是推動人形機器人實現真實世界應用的重要基礎。

德州儀器工業自動化和機器人部門總經理喬瓦尼·坎帕內拉(Giovanni Campanella)表示：“德州儀器的全面產品組合彌合了英偉達強大AI計算能力與實際應用之間的鴻溝，使開發者能夠更早地驗證完整的類人形操作系統。”他在聲明中還提到：“這種集成方法將加速產品原型/雛形到商業化人形機器人的進化，確保這些機器人能夠安全地與人類一起工作。”

英偉達近期可謂致力於將最前沿人工智能技術推廣到更廣泛領域——比如機器人和自動駕駛車輛等被稱爲“物理人工智能”(物理AI)的終端設備，以繼續推動需求擴張併爲尋求數據中心業務之外的新增長點。根據英偉達CEO黃仁勳的見解，“物理AI”強調讓機器人/自主操作系統在真實世界進行感知、推理並完成一整套行動，而一個由“物理AI”輔助人類文明演變的時代即將到來。“物理AI”強調讓機器人/自主系統在真實世界感知、推理並行動，而這三類能力正是把模型從“只會對話”推進到“能在物理世界幹活”的關鍵工具鏈。

德州儀器聯手英偉達，針對機器人智能系統中最難的底層感知+控制+AI推理系統三層協同

作爲此次合作的一部分，德州儀器設計了一種傳感融合解決方案，通過將其毫米波雷達技術與英偉達Jetson Thor機器人技術相結合，利用英偉達獨家Holoscan傳感橋實現低延遲的3D感知和安全意識，支持人形機器人技術發展。雙方的這一最新開發成果將在即將於3月16日至19日在加利福尼亞州聖荷西舉辦的萬衆矚目的英偉達GTC活動中展示。

英偉達機器人與邊緣AI業務副總裁迪普·塔拉(Deepu Talla)表示：“人形機器人在不可預測環境中的安全運行需要非常強大的計算與處理能力，以同步極度複雜的AI模型、實時傳感數據和電機控制系統。”

通過融合高清相機和雷達數據，德州儀器與英偉達的聯合解決方案改善了物體檢測、定位和追蹤技術迭代，同時減少了假陽性/系統誤報，提高了人形機器人的實時決策能力。

業界機器人專家普遍認爲現階段距真正具備通用能力的自主人形機器人仍有若干年時間，但在感知、推理、動作協調等層面的系統性進展，是商業化部署的必要前提。德州儀器與英偉達的合作正是推動行業從“算法與仿真驗證”轉向“真實世界安全運行”階段的關鍵步驟，這將非常有助於行業整體提高開發效率、增強系統魯棒性，並最終縮短量產路徑。

在機器人研發中，Sim‑to‑Real(仿真到現實)差距一直是最大難題之一——即便AI算法在仿真模型中表現良好，在現實複雜環境下仍可能失效。英偉達Jetson Thor作爲高性能推理平臺，已被多家公司用於機器人應用，而德州儀器的控制與傳感模塊爲這一平臺增加了直接與物理世界交互的能力。兩者的結合將使開發者們能更早、更準確地驗證系統感知、動作與安全性，有效縮短原型驗證週期並降低迭代成本。

德州儀器將其實時控制器、感知傳感器(例如毫米波雷達 mmWave)與電源管理技術，與英偉達的高性能機器人計算平臺(Jetson Thor)以及 Holoscan Sensor Bridge相集成，構成了一條從傳感、控制到推理計算的完整鏈路。相比傳統僅靠視覺攝像頭 + GPU推理系統的架構，這種傳感融合方案能夠實現 低延遲的3D感知與安全意識，提升整體機器人對環境的實時理解能力，這是向實際可部署系統邁進的關鍵一環。

人形機器人執行任務時，不僅需要複雜的 AI 推理，還必須實時處理sensor fusion、多關節運動控制、邊緣安全決策等，這些功能都需要在極短時間內完成。德州儀器的毫米波雷達與以太網橋接技術能幫助機器人在複雜環境(比如玻璃門、強光/弱光、煙霧與塵埃)下比傳統攝像頭方案更可靠地檢測與追蹤物體，這種硬件感知層的提升爲實際運行打下了堅實基礎。

人形機器人超級大浪潮

多家總部位於美國的科技公司正在致力於開發高頻段人形機器人。比如馬斯克掌舵的電動汽車、AI與機器人領軍者特斯拉(TSLA.US)正在開發名爲 Optimus 的人形機器人，計劃用於工業和消費類型用途。

由微軟(MSFT.US)以及OpenAI支持的Figure AI正在嘗試打造一款能夠處理各種任務的通用類型人形機器人。Figure AI 表示：“這些機器人可以消除不安全和不愉快的工作，最終讓人類社會能夠過上更加幸福和有意義的生活。”波士頓動力(Boston Dynamics)顯然希望其Atlas機器人能夠“徹底改變工業工作環境”。

在全球範圍內，從特斯拉Optimus到Figure AI的Helix超級系統，再到其他科技企業的研發努力，都體現出資本與產業對該細分領域的密集佈局。當前行業數據表明，各類人形機器人原型在功能、感知與動作控制方面都取得顯著進展，如雙足平衡、環境感知、多模態決策等特性正在逐步成熟，疊加產業鏈成本與關鍵組件性能持續改善，同時出現了多家技術路線並存的競爭局面，這些都推動了從概念性研究向真實場景試點過渡。這種積極動態說明行業正從“熱點炒作期”邁向真正的技術積累與規模部署階段，儘管距離大規模普及還有時間窗口;市場研究機構預計未來十年內該領域的市場規模將顯著增長，代表性項目如特斯拉的 Optimus 正計劃實現高可靠性和安全性目標，並計劃在未來幾年內推進量產計劃。

當下人形機器人研發的核心推動力是AI 感知、決策與運動控制的深度融合，這包括利用大模型理解語言與視覺信息、強化學習優先級決策、以及傳感器融合(如視覺、雷達、力覺)。這類系統不僅能在受控環境中行走，還能執行更高層次任務，例如物流負載搬運、維護檢查或與人類協作的服務性工作。摩根士丹利等機構認爲，這種綜合技術突破是推動商業部署可行性的關鍵。摩根士丹利的分析師們預計，人形機器人市場最終將超過傳統汽車產業，預計到2050年，全球人形機器人市場年度營收規模將突破5萬億美元，屆時人形機器人數量有望超10億臺。

然而，加利福尼亞大學伯克利分校的教授和機器人專家肯·戈德堡(Ken Goldberg)在最近的期刊文章中表示，工程師們離製造具有現實技能的人形機器人仍有很長的路要走。

戈德堡表示：“我們都非常熟悉ChatGPT，以及它在視覺和語言方面所做的驚人工作，但大多數專業研究人員對這樣的類比非常緊張：即現在我們已經解決了所有這些問題，我們準備解決人形機器人相關的重大問題，它將會在明年發生。我不是說它不會發生，但我說它不會在兩年、五年甚至十年內發生。我們只是想重置預期，以避免創造一個泡沫，最終導致巨大的反響。”