从机器人到工业现场，地瓜机器人如何把端侧AI做成生意？

2026年的机器人行业，关注点正在从技术演示延伸至规模化落地。
 
从扫地机器人、智能割草机，到四足机器狗和人形机器人，AI正在推动机器人产品不断进化。但当产品走出实验室，进入家庭、仓储和工业现场，芯片算力、算法部署、整机成本与运行可靠性，都会影响产品能否真正实现量产。
 
与此同时，机器人产业与传统工业的联系也在加深。工业企业希望借助AI提升生产效率，却面临应用场景碎片化、技术人才不足、开发成本较高等现实问题。如何让AI技术更容易进入具体业务，正在成为芯片企业和方案商共同面对的课题。
 
10月12日，第二十六届中国国际工业博览会在上海开幕，集成电路专业展国芯展同期举行。首次参加工博会的地瓜机器人，带来了从旭日智能计算芯片、RDK机器人开发者套件到RoboGo软件平台的完整产品体系，进一步展示其向工业市场拓展的布局。
 
展会期间，半导体行业观察采访了地瓜机器人销售副总裁江舟。从芯片算力、软件平台到商业模式与工业战略，他谈到了机器人规模化落地背后的工程挑战，也解释了地瓜机器人希望在产业链中扮演怎样的角色。
 
从消费级机器人到工业现场
 
地瓜机器人此次展台的一个特点，是产品展示覆盖了从芯片到应用方案的多个层级。
 
旭日3、旭日5、旭日S100、旭日S600构成了不同算力段的芯片产品布局，配套的RDK X3、RDK X5、RDK S100和RDK S600开发套件，则面向不同类型机器人的开发与系统集成需求。展台还展示了AI算力盒子、空间感知相机、机器人域控制器等合作伙伴方案。
 
其中，旭日S100面向具身智能、四足机器人和无人车等应用，提供80/128TOPS算力；旭日S600则提供560TOPS算力，面向需要更强感知与推理能力的人形机器人及高性能机器人系统。
 

 
根据地瓜机器人提供的数据，旭日系列芯片累计出货量已超过800万片，经过全球400多家机器人客户的量产验证，应用覆盖扫地机器人、割草机器人、陪伴机器人，以及人形机器人、工业视觉检测等领域。
 
江舟长期深耕端侧AI SoC产业落地，曾推动扫地机器人、割草机器人等产品完成智能化升级。在他看来，机器人量产涉及芯片、算法、系统集成和供应链等多个环节，客户需要的是能够协同工作的技术体系。
 
这也是地瓜机器人将超过一半展台空间留给合作伙伴的原因。现场既有基于旭日S100打造的移远通信AI算力盒子、润芯微RBOX-S100，也有搭载旭日S600的机器人域控制器，以及用于空间感知和具身数据采集的设备。
 
这些方案将芯片能力转化为更接近客户实际需求的产品形态。对工业客户而言，AI系统还涉及传感器、控制器、软件接口和整机设计。与熟悉行业需求的伙伴合作，可以减少客户从底层硬件开始搭建系统的工作量。
 

 
“我们是卖铲子的人。”江舟这样形容地瓜机器人的定位。无论客户来自具身智能，还是传统工业领域，公司都希望提供芯片、开发工具及相关技术支持，让客户更快完成应用开发。
 
此次参展，也是这一布局的延伸。江舟表示，地瓜机器人此前已有不少业务来自工业客户，这些客户采购其芯片用于各类工业设备。通过工博会，公司希望进一步接触传统工业企业，探索新的应用方向。
 
不过，工业市场有其自身的技术标准和应用规律。江舟坦言，地瓜机器人第一年参加工博会，仍然抱着学习的心态，希望与工业伙伴共同理解需求，逐步推进落地。
 
算力之外，还要解决开发效率
 
机器人模型持续迭代，对端侧算力提出了更高要求。
 
地瓜机器人此次重点展示的旭日S600提供560TOPS的INT8算力，可支持复杂环境感知、多模态交互及机器人自主决策等任务。但在江舟看来，现阶段行业对算力的需求仍在持续增长。
 
“现在全行业都觉得算力不够。”他表示，随着模型不断压缩到端侧、补充训练数据并针对特定场景优化，计算需求还会继续变化。
 
芯片的实际价值，仍要结合模型运行效果和整机成本衡量。江舟介绍，英伟达Jetson Thor的算力大约是旭日S600的两倍，但价格也更加高昂。对于需要批量交付的机器人企业而言，计算平台的成本会直接影响整机的商业竞争力。
 
他举例说，旭日S600能够运行主流VLA模型，在特定部署条件下达到约10帧每秒的速度。客户在模型开发阶段可以使用不同平台进行验证，进入量产阶段后，则会综合考虑性能、成本与技术支持。
 
地瓜机器人希望通过模型适配和工具链优化，进一步提升芯片的实际使用效率。江舟强调，TOPS只是一个指标，模型结构、算子适配和部署工具同样影响最终表现。
 
这一思路也延伸至RoboGo软件平台。此次工博会，地瓜机器人首次完整展示了这一平台，覆盖数据处理、模型训练、仿真评测、算法迭代和量化部署等环节，连接云端研发与端侧硬件。
 

 
江舟表示，企业可以根据自身需要选择部分服务，也可以逐步将完整开发流程迁移到平台上。有的客户已经拥有成熟的算法团队，只需要解决模型部署；有的还处于技术验证阶段，则需要数据处理、训练和仿真工具的支持。
 
工业场景的碎片化，使这种灵活性尤其重要。不同企业的生产流程、设备和工艺差异很大，而具备工业知识与AI开发能力的人才又相对稀缺。若每个项目都需要企业自行组建完整的AI团队，试错成本将相当高。
 
“我们试图把这件事的人力成本至少除以5、甚至除以10。”江舟表示，地瓜机器人希望通过软件工具和生态伙伴，让工业企业以较轻的投入完成AI应用从0到1的验证。
 
围绕这一目标，RoboGo正在与泛宇智远、影眸、谋先飞、星忆智能等伙伴开展合作，探索数据处理、仿真环境和模型服务等环节。其核心工作，是帮助企业把真实场景转化为可用于训练的数据，并进一步将训练好的模型部署到实际设备中。
 
数据质量则是其中的重要环节。江舟认为，具身智能的数据采集方式仍在快速迭代，有效数据比例很难用统一数字衡量。相比之下，工业生产线和仪器设备的数据采集机制通常更成熟，数据准确性也相对更有保障，但不同企业之间的数据规范和开放程度仍存在差异。
 
对于工业数据能否开放使用，江舟认为需要时间磨合。数据保护是合作的基础，企业也需要看到数据服务的实际价值。随着技术方案和合作机制逐步成熟，相关问题有望得到改善。
 
除了RoboGo，地瓜机器人也在持续优化芯片开发工具。江舟提到，英伟达经过多年积累，拥有成熟的CUDA生态，国产平台仍需继续降低模型迁移门槛。
 
AI Coding和智能体工具的发展，则带来了新的机会。过去，模型优化需要工程师深入理解模型、算子和硬件架构；如今，一部分工作可以借助AI工具提高效率。地瓜机器人也在探索将这些能力引入开发工具，帮助客户更快地将模型从GPU平台迁移至端侧芯片。
 
构建长期客户关系
 
对于芯片企业而言，进入客户供应链只是商业化的开始。机器人产品持续迭代，客户对算力、成本和软件支持的需求也会随之变化。
 
地瓜机器人的商业模式主要包括芯片销售与云平台服务。芯片属于硬件交易，云平台则采用按月、按年等订阅方式。江舟认为，芯片、工具链和软件平台之间存在较强的协同关系，客户可以根据产品发展阶段选择不同算力平台，同时延续已有的开发经验。
 
例如，四足机器人中需要大规模交付的产品，可能更关注成本与功耗，采用旭日S100；高端旗舰机型或复杂操作任务，则可能采用旭日S600。江舟表示，已有客户同时使用不同算力平台，以适应产品线中不同的性能和成本要求。
 
在他看来，客户选择计算平台时，研发阶段与量产阶段的考量并不完全相同。新技术验证往往更关注模型支持与开发生态，而进入批量生产后，成本、稳定性和本地化技术服务的重要性会进一步提升。
 
这也是地瓜机器人持续投入工具链的原因。江舟坦言，英伟达的开发生态积累深厚，国产平台需要不断改善开发体验。不过，随着AI工具降低模型优化的复杂度，开发者使用不同硬件平台的门槛也在下降。
 
地瓜机器人还将开发者社区视为长期业务的一部分。公司提供的资料显示，其社区已拥有超过10万名开发者，并通过比赛、黑客松和创业孵化等方式支持新团队。
 
江舟以智能割草机为例。四五年前，这一品类仍处于探索阶段，一些初创团队尝试将传统割草设备升级为智能产品。随着技术和配套方案逐渐成熟，相关产品开始走向量产，产业链也不断完善。
 
他强调，社区的价值在于持续发现新团队、新需求和新市场。他认为，开放程度、长期投入和持续支持，是开发者生态能否成长的关键。
 
在工业市场，地瓜机器人准备沿着三条主线推进。
 
第一，完善工业级芯片产品。工业设备对温度、振动和长期运行可靠性有更严格的要求，产品需要经过针对性设计与验证。地瓜机器人希望通过不同算力段的工业级芯片，覆盖多样化的计算需求。
 
第二，扩大方案伙伴生态。工业应用涉及工艺、设备和系统集成，芯片企业需要与熟悉现场的伙伴共同完成交付。江舟提出，公司希望合作伙伴数量在2026年底超过100家，2027年进一步超过300家。
 
第三，继续完善以RoboGo为代表的算法开发工具，帮助客户进行模型开发与端侧部署。地瓜机器人计划跟进先进模型的发展，并加大模型端侧部署方面的投入，但目前没有自研通用模型的计划。
 
江舟表示，公司将继续服务具身智能企业和传统工业企业，并通过合作伙伴扩大应用覆盖范围。在他看来，工业市场的机会来自庞大的既有需求，以及AI技术带来的新应用方向。
 
江舟认为，随着更多工业企业开始尝试AI，地瓜机器人可以从已有客户和合作伙伴切入，逐步拓展业务。
 
写在最后
 
从旭日系列芯片到RDK开发套件，再到RoboGo软件平台，地瓜机器人希望通过硬件、工具和生态协作，降低AI应用的开发与部署门槛。
 
而对于半导体企业而言，机器人产业带来的机会正在从芯片性能延伸至系统能力。客户需要的既是计算资源，也是能够帮助产品更快完成开发、稳定运行并实现规模交付的技术支持。
 
地瓜机器人能否在工业市场复制此前的增长经验，仍有赖于具体应用的持续验证。但随着机器人与传统工业加速交汇，围绕端侧算力、开发工具和产业生态展开的竞争，已经成为芯片企业拓展应用市场的重要方向。