高通技術公司副總裁兼ADAS和機器人業務總經理Anshuman Saxena本週在高通美國聖迭戈總部與媒體交流時透露，高通在今年年初發布的躍龍IQ10平台已交付多家客戶，眾多客戶正基於該平台進行產品開發。他還表示，多款基於高通躍龍的產品正在中國量產，用於不同型別的機器人。
高通在物理AI領域持續加大投入，機器人被視為物理AI下一個重要應用方向。高通在AI計算模組、硬體、軟體基礎設施以及面向ADAS和機器人的物理AI軟體棧方面已有大量進展。高通已公開宣佈與Figure AI、NEURA Robotics等機器人公司合作，並宣佈在日本成立機器人中心。許多合作伙伴正處於對IQ10的早期評估階段，Saxena表示，機器人行業在評估和驗證新方案上需要時間，相關工作正在積極推進，接下來不久會有更多客戶和合作夥伴加入。
在中國機器人領域，高通擁有廣泛的客戶合作和相當大的客戶基礎。Saxena強調，高通在汽車領域積累的技術，如智慧座艙的人機互動邏輯，與機器人系統高度相通，可複用至機器人領域。他將此稱為混合關鍵級任務處理，其中代表性方案是高通Flex融合方案，該方案確保使用者互動與安全操作在機器人系統中共存。
關於機器人規模化落地的瓶頸，Saxena指出，除AMR（自主移動機器人）和機械臂等已發展一段時間的形態外，整個機器人行業仍處於早期階段。要打造具備通用能力的機器人解決方案，需攻克多層挑戰：一是資料，要讓機器人具備泛化技能，需針對每項任務積累大量資料；二是感測器、機械臂和執行器與不同任務的適配，每個場景需求不同，不存在通用機械臂能適配所有場景；三是系統架構，許多公司主張用一台強大計算機解決一切問題（“單一大腦”方案），但高通認為這未必正確有效。低時延、功耗管理、通訊能力必須在系統層面統一解決。
以抓取動作為例，讓機器人抓玻璃杯或軟塑膠瓶時，對物體的識別和抓取力度判斷應在機械臂端完成，這裡不能執行大型GPU，必須採用低功耗、低時延並能直接處理感測器資料的解決方案，同時資訊需傳輸到“大腦”用於更長時間跨度的動作規劃。中間還需解決連線性問題，可通過多機器人協同或網路基礎設施統一排程，而不必將所有任務集中在一個大型控制器中。高通重點關注資料收集、模擬、模擬到現實、現實到模擬，以及可擴充套件的SoC和硬體平台，並構建完整全棧方案，配合支援不同技能的基礎模型。
在機器人晶片和模型路線方面，Saxena認為，機器人系統甚至比汽車系統更復雜，不存在能解決所有問題的晶片，智慧必須更靠近執行器，即分散式智慧。成本與功耗是兩大要點，只有控制成本才能規模化，而成本合理需要可擴充套件的解決方案。高通擁有涵蓋通訊、感測器、計算等環節的完整可擴充套件方案。
模型方面，今年CES上高通展示了用VLA（視覺-語言-動作）模型控制的人形機器人，該模型由高通自己訓練。Saxena提到，市場普遍一開始使用通用VLA模型，再根據需求訓練，但高通重點在於系統層面最佳化。直接使用很大的通用VLA（幾十億、上百億引數）執行速度會很慢。VLA、感知語言模型存在侷限性，因為動作執行需等待對現狀的感知，缺少物理要素。更前沿的方向是WAM（世界動作模型），涉及物理引擎，模型會非常龐大，需針對特定用例進行蒸餾。構建WAM並訓練、蒸餾時，實際上仍在探討物體的真實物理特性及行為方式，這是機器人系統的最終目標。
Saxena認為，業界距離確定最終機器人形態還有很長的路要走。安全約束會影響機器人的尺寸和任務範圍，各類形態將在不同應用場景中存在，但具備雙足行走能力和機械臂的人形機器人將是最終形態中最高階的解決方案之一。高通重視生態系統，擁有AI模型、硬體、電機、感測器等合作伙伴，之所以覆蓋完整技術棧，是因為真正的技術積累和價值在於從系統層面解決問題。合作伙伴可將自研AI模型接入高通平台，由高通提供平台其他部分，幫助推動量產。
總體來看，高通在物理AI領域的角色是搭好地基、定義介面、驗證系統，讓合作伙伴的模型、模組及解決方案快速量產落地。基於分散式智慧、可擴充套件硬體、系統級最佳化和生態協同策略，高通正佈局長線大局，在中國市場，這套邏輯正被越來越多客戶驗證。