Watson
深圳发布《具身智能机器人技术创新与产业发展行动计划（2025-2027）》，重点布局Chiplet芯片架构、VLA/VTLA大模型推理加速、低功耗多模态芯片等核心技术，旨在构建全球领先的具身智能产业生态。这一战略不仅涉及芯片设计、算法优化等底层技术创新，更聚焦于机器人本体与人工智能的深度融合，推动从“感知-决策-执行”全链条的智能化升级。
Chiplet（芯粒）通过将复杂芯片拆分为多个独立功能模块，经先进封装技术集成，实现性能与成本的双重优化。在机器人领域，Chiplet可灵活组合不同制程的芯粒——如7纳米计算模块搭配28纳米控制单元，既保障高算力又降低整体成本。深圳计划支持Chiplet在AI芯片中的扩展应用，结合具身智能VLA/VTLA大模型推理加速需求，提升多模态处理的能效比。例如，通过UCIe标准实现芯粒间高速互连，可支持机器人视觉、语言、动作数据的并行处理，解决传统单芯片因面积增大导致的良率下降问题。此外，Chiplet技术还能促进产业链协同，例如晶圆厂可专注芯粒制造，封装厂负责集成，形成模块化生产体系。
视觉-语言-动作（VLA）及视觉-触觉-语言-动作（VTLA）模型，通过统一框架整合多模态信息，实现从“看、听”到“做”的闭环控制。VLA模型以Google RT-2为雏形，将视觉编码器、语言模型与动作控制器结合，直接从摄像头图像和自然语言指令生成机器人操作序列。例如，在自动驾驶中，VLA模型可解析“前方红绿灯右转”指令，结合实时路况生成平滑转向轨迹。VTLA模型则进一步融入触觉反馈，提升灵巧手操作的精度，如通过电子皮肤感知物体纹理，调整夹持力度。深圳重点研发具身智能基座大模型，支持长序列推理与自主学习，例如在医疗护理场景中，机器人可通过VTLA模型理解患者“请扶我起身”的请求，结合触觉传感器判断支撑力度，完成安全搀扶动作。
低功耗芯片是机器人持久运行的关键。英特尔Loihi神经形态芯片通过异步电路设计，将功耗降至传统CPU的1%，同时支持高密度神经元计算，适用于机器人室内建图、电子皮肤传感等场景。深圳计划研发支持多传感接口、存算一体架构的AI芯片，结合Chiplet技术实现算力与能效的双重提升。例如，采用存算一体架构的芯片可减少数据搬运能耗，配合低延时驱动接口，实现机器人关节的精准控制；而类脑视觉传感器则通过模拟人眼处理机制，在低功耗下完成高精度场景识别。此外，低功耗设计还需考虑散热管理与电池兼容性，例如通过动态电压频率调节技术，根据任务负载实时调整芯片工作频率，平衡性能与能耗。
深圳目标到2027年培育10家以上百亿估值企业、20家营收超十亿企业，落地50个十亿级应用场景，关联产业规模超1000亿元。为此，行动计划部署三大方向：核心技术攻坚，包括高精密关节模组、六维力传感器、仿生灵巧手等；公共服务平台建设，如福田实验室攻关感知-移动-决策-交互技术，光明实验室推动昇腾算力生态；应用场景开放，在政务服务、医疗健康、交通等领域试点，如“未来护工”机器人通过VLA模型理解患者需求，完成送药、搀扶等动作。此外，深圳将组建产业联盟，支持企业出海，深化国际技术交流，如举办高交会、灵巧手大赛，推动标准制定与知识产权协同。通过“揭榜挂帅”机制，吸引全球人才与资本，例如设立专项基金支持初创企业研发，或通过“项目经理人制”推动跨学科团队协同攻关。
尽管前景广阔，具身智能仍面临技术融合难题。Chiplet需解决芯粒间互连标准与封装工艺兼容性，例如不同晶圆厂生产的芯粒如何通过UCIe标准实现无缝对接。VLA模型需平衡训练成本与泛化能力，例如如何通过迁移学习让模型适应新场景，同时减少对海量数据的依赖。低功耗芯片需突破材料与架构限制，例如开发新型半导体材料提升能效比，或探索量子计算在特定场景的可行性。深圳通过创新机制，如“赛马制”支持多技术路线并行，或建立共享实验室降低中小企业研发门槛。未来，随着50个应用场景的逐步落地，具身智能机器人将深度融入智能制造、助老护幼、危险作业等领域，形成“技术-产业-场景”的良性循环，最终构建具有全球影响力的产业科技创新中心。例如，在工业领域，具身智能机器人可替代人工完成精密装配；在家庭场景中，可提供个性化健康管理；在应急救援中，可执行危险环境探测与物资投送任务。通过持续的技术迭代与生态共建，深圳有望成为全球具身智能产业的领航者，推动从“中国制造”向“中国智造”的转型升级。
