关于具身智能，英特尔不只是提供了第三代酷睿Ultra for Edge

在CES 2026上，英特尔展台上除了PC产品之外，还破天荒的展示了一款人形机器人——RoBee，这款由Oversonic Robotics打造的人形机器人身高约 1.8 米，搭载人工智能核心技术，专为需要毫秒级即时决策的场景设计 —— 无论是执行复杂的工业生产任务，还是为阿尔茨海默病、帕金森病等神经系统疾病患者提供辅助服务，都能从容应对。

机器人需要拥有极速的反应能力，真正实现实时落地决策，而这正是本地端侧处理的核心价值所在。依托英特尔第三代酷睿Ultra边缘处理器的算力支撑，RoBee的语音识别、语音合成、逻辑推理及指定视觉处理任务，均由机器人本地完成全流程运算。

第三代酷睿Ultra for Edge，也是英特尔首次推出专门针对边缘应用的酷睿平台，将应用场景拓展至个人电脑之外，可适配边缘侧的嵌入式与工业级应用场景，包括机器人、自动化、医疗健康及智慧城市领域。

具身智能的突破挑战

具身智能近两年间得到了公认的发展，大语言模型 (LLM)、视觉语言模型 (VLM) 以及视觉语言动作端到端模型 (VLA) 等关键技术的迭代创新，显著提升了机器人在交互感知和泛化能力方面的表现。然而，要实现具身智能技术的大规模商业化应用，行业仍需突破以下关键挑战。

缺乏统一的平台架构：传统方案通常采用独立的大小脑计算系统处理各种负载，平台的开发复杂性较高，系统间的通信还会带来不可控的延迟。此外，成本、尺寸和功耗的优化也受到诸多限制。

难以兼顾性能、成本与功耗：更高的性能通常伴随着硬件成本与功耗的增长，开发者常常需要在这三者之间进行痛苦的抉择。

难以平衡操作精度与泛化性：面向特定场景的传统机器人产品难以实现不同场景和不同工作的自适应，而针对通用场景的具身智能产品在精细操作方面常常无法满足要求。

难以实现规模化落地：受限于实时性、系统可靠性、安全性、操作能效等问题，很多具身智能产品停留在实验室阶段，无法实现规模化落地。

英特尔中国区研究院院长宋继强表示，具身智能想要真正实现生产力级别部署，目前遇到的挑战很多，包括准确性、可靠性、安全性、可扩展性等，同时还要考虑成本结构、完成能力等等。

同时，其还特别强调道，一旦引入AI，系统安全与以前不同：以前主要是传统信息安全问题，现在还要考虑AI系统安全；同时，物理AI在环境里服务人或工厂，它与人交互、与环境交互，还存在物理安全问题。有时并不是决策本身的问题，而是环境问题导致物理安全风险。同时，安全也是成本，要根据场景规划合理的安全等级，进行相应的权衡。

异构计算可以解决部分难题

英特尔凭借多年在机器人控制器领域的技术积累，构建了坚实的运动控制算法和计算能力优势。如今结合兼具高性能与成本效益的GPU及NPU方案，可以通过软硬件协同优化能力，提供具身智能中关键的 AI+ 控制综合解决方案，解决当下具身智能的痛点。

宋院长表示，智能体天然需要异构框架，这是因为智能体内部的功能组件及需求并不完全相同。宋院长将机器人系统拆解为系统2、系统1和系统0。其中“系统2”是慢系统，强调理解，与语言逻辑抽象层相关，输出语义层级更高、准确度更高的结果，主要运行VLM模型，理解视觉输入，并根据语言要求产生“要做什么”的规划。

“系统1”是任务映射层，将VLM模型划分的任务映射到关节电机等执行器中，输出频率大约为200Hz。

“系统0”则是执行层，通过1000Hz以上的高频电机控制，实现丝滑的响应。

在这一链路上，各个阶段执行的任务不同，对于处理器的需求也不同。比如系统2的大模型需要处理高通量视觉输入，更适合GPU；系统1更专用、实时性要求更高、功耗要求更低，因此用NPU更合适；而系统0则要求最强的实时性与快速响应，并涉及高精度浮点运算，适合CPU。也正因此，通过单一且异构的SoC，实现了大小脑的有机结合，既优化了产品统一开发流程，方便软件业务开发，同时也削减了成本及尺寸等。

从第三代酷睿Ultra看异构计算

与消费级、商用级电脑所搭载的版本相比，第三代酷睿Ultra For Edge最大的差异化优势的在于针对工业进行的优化。一方面严格遵循工业级标准，在温宽适应性、耐用性以及长达10年的可靠性上达到行业严苛要求；另一方面针对机器人与工业场景对高实时性、高确定性精度的核心需求，进行了性能优化，为设备稳定运行提供底层保障。

该处理器完整继承了酷睿Ultra系列的架构及制程优势，AI算力可达180 TOPS级别，搭配先进的Intel 18A制程工艺，实现了更高的能效比表现。

宋院长指出，当前机器人领域主流方案仍采用“CPU+AI加速硬件”的分离架构，酷睿Ultra则是将算力整合至单颗SoC中。以本次展示的第三代酷睿Ultra For Edge为例，180 TOPS的AI算力由多模块协同贡献：CPU提供约10 TOPS算力，NPU贡献约50 TOPS算力，剩余算力主要由搭载多个Xe核心的GPU承担。另外，英特尔具有完整的处理器组合，客户如果对于算力需求较高，也可采用独立的CPU与GPU。

第三代酷睿Ultra For Edge

和英伟达的Jetson Orin相比，第三代酷睿Ultra For Edge在大语言模型、图像分类、VLA以及每瓦成本上均领先于Orin。

软件生态层面，英特尔提供了面向机器人场景的软件SDK，为开发者提供集开发、测试、优化于一体的综合环境，同时配套软件框架、库、工具、最优配置（BKC）、教程和示例代码，且每个季度都会持续升级。例如此次升级，就提供了大语言模型相关支持，相比传统机器人开发套件更适合具身智能需求。另外，英特尔也提供了机器人硬件开发套件，降低了产业伙伴开发门槛。

英特尔的软硬件开发套件

宋院长指出，当前具身智能机器人行业大致由两部分人构成，一部分是传统机器人厂商，另外一部分则是AI能力更强的新兴厂商，这部分厂商在在大模型及VLA调优、视觉处理或路径规划等上层智能领域具备优势，但底层运控能力相对薄弱。

作为深耕工业与机器人行业的多年的英特尔，深谙底层技术要求，能够为新兴厂商提供关键的资源调度指导——在开发上层任务时，协助其合理处理、分配、调度底层CPU核、内存、I/O等资源，通过虚拟化隔离、内核绑定、跨操作系统直接透传等技术手段，确保底层的严苛实时性。

英特尔SDK核心为 ROS2 中间件驱动的分层架构

宋院长指出，解耦是降低机器人软硬件开发成本的关键，但目前具身智能存在局限，以VLA为例，上层VLM的感知与动作序列规划，是可以解耦的。但是后面执行层映射，牵扯到具体执行层面，与机器人本体有很大关联，无法解耦。

但无论是否实现解耦，异构的硬件都需要统一的混合编排层，把异构资源整合起来，包括计算资源、存储资源、内存资源，以及互联带宽，打包之后提供API，而不是直接调用底层异构算力的API，这样才可以更加灵活。

构建安全可信赖的具身智能

宋院长指出，大语言模型、VLA 等基于统计的人工智能方法进行具身智能的识别和任务规划，已经具有一定的精度和泛化能力，但与此同时，幻觉难以避免，这对于具身智能的安全可信赖带来了巨大挑战。

具身智能的可信赖性，可从三个核心层级界定：一是规划决策的可信赖，二是动作执行的可信赖，三是系统出错时的整体可靠性。

宋院长更倾向于混合模式控制，在神经网络系统中嵌入规则与知识体系，从而对大语言模型的决策结果进行检测。

神经符号AI（Neural-Symbolic AI）就是这类代表，不只在单一场景或方案下有用，同时融合传统的符号、规则、知识方法，提高机器人的下限。下限要确保机器人不会因为幻觉或其他问题产生灾难性后果，而上限则依靠大模型能力逐步提升。

另外，具身智能还应该引入安全系统。安全系统是轻量级系统，持续通过传感器输入、执行器状态监控等，判断系统执行是否与上层主要目标一致、是否存在安全风险。这些安全风险可以预先定义并持续监控，比如不能碰到人，比如拿着尖锐物体时，机器人操作范围必须与某些物体保持一定的距离等。

第三，则是有一套备用系统，可以让系统回到可靠状态，理想情况是即便出现风险，也能以可行方式继续，比如汽车遇到故障后要“慢速靠边”，机器人也可以有类似的解决方案，比如要摔倒，就找个没人的地方慢慢摔下去。

基于决策、执行、风险应对的全流程安全思考，在去年 12 月的英特尔中国学术峰会上，英特尔联合业内合作伙伴发布了《具身智能机器人安全子系统白皮书》。

宋院长表示：“目前工业机器人、服务机器人的硬件、网络信息安全已有成熟定义，但具身智能因规划失误、物理环境突变引发高风险，是行业的新问题。白皮书提出了PMDF 解决框架，该框架要求配套自主监控系统，以判断主控系统运行状态，一旦检测到问题立即触发备用系统。”

作为提升具身智能机器人可信赖性的设计框架，其发布后获得了学术界与产业界的广泛认可，多方已参与到落地推进中。

英特尔在嵌入式边缘持续发力

英特尔正在通过广泛而开放的边缘生态系统，为上下游企业提供全方位便利，加速产品上市进程，共同推动边缘AI的普及。其中的重要举措如下：

面向OEM和ODM： 提供AI边缘系统，助力交付AI就绪的解决方案，并已合作认证了40+边缘AI系统。

面向ISV、系统集成商和解决方案开发商： 提供边缘AI套件，包含参考应用、示例代码和基准测试，加速AI应用开发和规模化。

面向OSV、ISV和系统集成商： 提供开放边缘软件，包含工具包、AI库和英特尔最新的软硬件性能优化，并通过GitHub社区分享代码，助力开发者充分利用硬件优势。