黄仁勋再放大招：2070TFLOPS端侧算力助力人形机器人

作为人形机器人领域的铁杆粉丝，黄仁勋最近再度发力，推出了一款算力高达2070TFLOPS的端侧算力解决方案Jetson T5000，专门为人形机器人设计。

黄仁勋，这位造芯片的科技巨头，再次将人形机器人的端侧算力推向新的高峰。在不依赖云计算的情况下，这款新品能够在本地执行更多AI推理计算和多模态传感器数据的实时处理，为人形机器人带来了前所未有的性能提升。

这意味着，最新的模型侧和传感器技术成果，在人形机器人上的应用将变得更加迅速和高效。我们见证了2000多T的端侧算力为人形机器人产业带来的巨大潜力。

当然，这更多是理论上的推导，那么实际上，现在的人形机器人又需要多少算力呢？

01 无人不喜爱机器人

作为科技产品的终极形态，机器人，尤其是人形机器人，在科技界占据着举足轻重的地位，也吸引了众多科技巨头的关注。

其中，两位科技大佬——马斯克和黄仁勋，他们对人形机器人的推崇，直接让这一领域从边缘地带跃升到了科技领域的巅峰。

马斯克，这位科技狂人，成功发射商业运载火箭、打造卫星互联网、研发自动驾驶汽车，同时还在探索脑机接口技术。在2021年的AI Day上宣布进入人形机器人领域后，仅用一年就造出了人形机器人原型机。

由于马斯克的众多壮举，当他宣布要造人形机器人时，这一曾经坎坷的概念再次被推向了历史舞台的中央。

另一位则是全球市值最高的公司——英伟达的创始人黄仁勋。他不仅是位铁腕管理者，更是一位对技术极为敏感的企业家。在英伟达的发展历程中，黄仁勋早在技术萌芽期就预见到了人工智能和机器人的重要性。

早在深度学习还未成潮流的2014年，黄仁勋就关注到了人工智能，并坚信其未来前景。因此，英伟达设计的GPU在随后的几年里成为了美国老教授训练神经网络的利器。甚至在GTC 2015上，他直接宣布“我们不是硬件公司，我们是AI公司”，将人工智能写入英伟达的企业战略。

另一个让黄仁勋早早布局的领域是机器人。英伟达的Jetson系列计算平台，早在当前这波人形机器人浪潮之前就已研发推出。

2014年发布的Jetson TK1作为系列首款产品，标志着英伟达在嵌入式AI和机器人领域的战略转型。

十年来，英伟达Jetson系列平台持续进化，从最初的Jetson TK1（不到1TFLOPS算力）到如今拥有2070 FP4 TFLOPS算力的Jetson AGX Thor。在此过程中，Xavier、Orin、Thor成为了英伟达在机器人产业中的三代重要计算平台。

以Jetson AGX Xavier为例，京东和美团曾基于这一产品打造自家的物流配送机器人；主流工业机器人厂商如发那科也采用了这款产品打造工业机械臂。

随后推出的Orin系列产品，拥有100 TFLOPS算力，成为了国内诸如智元、宇树等人形机器人明星产品背后的AI算力平台。

在某种程度上，如果说马斯克让人形机器人的商业价值被全世界看到，那么黄仁勋则是一步步提升了机器人算力平台的性能，让人形机器人在端侧有了越来越强的算力支持。

尽管如此，黄仁勋依然觉得“机器人”这个概念不够性感。于是，他提出了一个新概念——物理AI（Physical AI），这体现了他更大的野心。

02 既要大算力也要小模型

那么，人形机器人到底需要多少端侧算力呢？

这是过去几个月里我与行业专家交流中经常被提到的问题。当然，这也是一个没有标准答案的问题。

从目前市场上的人形机器人来看，大多搭载的是100-200T的端侧算力。这并非因为100T是顶配，而是这样的算力对于现阶段的人形机器人而言已经足够使用。

关于人形机器人的技能应用，现在有一个共识：它们主要执行抓取、分拣等简单动作。在具身模型的推动下，正在不断突破长程任务的执行。

执行这些任务时，100T的算力已经足够进行AI推理。如果要处理更复杂的多传感器数据融合以及运行更大规模的端到端模型，则需要更高的算力。但以往的方法是依赖云端算力。

另一个解决方案则是将端侧模型做得更小。不久前，波士顿动力公布了Atlas的近况视频。采用端到端LBM模型的Atlas能够在各种干扰情况下很好地执行抓取、分拣、折叠等任务。

免费vps云服务器高防服务器