先说核心结论:中科慧灵(CASBOT)与 AMD 的合作已经从样机验证走到架构规划阶段 —— 在第二代全尺寸双足人形机器人 CASBOT 02 上,双方已经用外接的 AMD 锐龙 AI 嵌入式 X100 系列计算单元,配合本地化大模型推理引擎,跑通了端侧低延迟多模态交互、本地大模型与 Agent 调度、多语种多轮对话和语言 — 行为闭环;面向下一代产品,中科慧灵计划采用 X100 系列 + P100 系列双处理器配置,分别担任 "大脑" 和 "小脑":X100 从外接单元升级为胸腔内置的大脑计算单元,负责多模态感知、复杂模型推理、任务理解、Agent 调度与高层决策,P100 负责双足运动、双臂协同、关节控制和通信等实时任务,并为自适应全身运动算法预留 AI 扩展。这套选择背后是模块化功能分区的需求,也为时间、资源、安全和迭代划出了物理边界;双方接下来会继续围绕端侧模型部署、实时运动控制和大小脑协同做研发验证,推动机器人进入更复杂的工业与真实场景。
一、合作进展:先在 CASBOT 02 上外接验证,再走向本体内置
1. 已完成的验证(CASBOT 02)
在 2026 世界机器人大会现场,CASBOT 02 外接 AMD 锐龙 AI 嵌入式 X100 系列计算单元,配合本地推理引擎完成了端侧具身智能验证,主要跑通了这些能力:
- 本体侧运行本地大模型与 Agent 调度,不依赖云端来回往返;
- 支持多语种、多轮连续对话,并能根据对话语义调用对应的机器人动作技能;
- 视觉、听觉和本体状态信息共同参与任务理解与判断;
- 形成从 "听懂" 到 "做到" 的语言 — 行为闭环,降低了对云端通信的依赖。
这次验证要解决的,是 CASBOT 02 原有计算平台难以充分承载复杂模型推理、多模态融合和低时延交互的问题,同时也为下一代把高性能计算平台直接集成进本体内部提供了依据。
2. 下一代产品的规划方向
基于 CASBOT 02 的验证成果,合作路线分两步走:
- X100 内置化:把 X100 系列由外接单元升级为胸腔内置的 "大脑" 计算单元,让计算平台、具身大脑和机器人本体进一步融合;
- 双处理器组网:采用 X100 + P100 双处理器配置,搭建模块化 "大小脑" 协同架构,平台能力可以按功能分区灵活扩展。
二、大小脑分工:两颗处理器各管一摊
| 角色 | AMD 处理器 | 主要负载 | 设计特点 |
|---|---|---|---|
| 大脑 | 锐龙 AI 嵌入式 X100 系列 | 多模态感知、复杂模型推理、任务理解、Agent 调度、高层决策 | 多核异构与统一内存架构,提升处理器间数据传输效率;可把大模型和具身智能模型部署到本体侧,缩短感知 — 理解 — 决策 — 执行链路;AMD ROCm 软件生态支持主流 AI 框架,便于模型迁移、部署和持续优化 |
| 小脑 | 锐龙 AI 嵌入式 P100 系列 | 双足运动、双臂协同、关节控制、机器人通信等实时任务 | 全 CPU 大核设计、高主频、多种核心数配置;在保障运动控制与通信实时性的同时,为感知驱动、自适应全身运动等新型小脑算法预留 AI 扩展能力;支持仅依靠小脑即可实现自适应运动控制的基础机器人版本 |
两套处理器采用统一架构与软件栈,可按不同功能分区、模块化设计和成本需求,灵活选择单处理器或多处理器配置,中科慧灵不需要为双处理器方案重新设计软件架构。
三、为什么下一代还要 "两颗芯片":四条边界的考量
行业里单 SoC 算控一体化是讨论热点,但中科慧灵下一代产品反向选择双处理器,核心原因是机器人的大脑和小脑面对的是两类不同的计算负载。双芯片方案提供了四条相对清晰的边界:
- 时间边界:大脑跑视觉语言模型、VLA 这类大模型,推理时长受输入图像、上下文长度和负载影响,时快时慢是常态;小脑管身体平衡、轨迹跟踪和全身协调,必须按固定控制周期读完传感器、算完目标、下发指令,要的是确定性时延,而不是平均算得快。两颗芯片可以让大脑按推理节奏跑、小脑按控制周期跑。
- 资源边界:AI 推理不只占 GPU,图像处理、模型调度和传感器数据搬运还会消耗 CPU、缓存与内存带宽。物理分离后,小脑有相对独立的 CPU、内存和通信接口,大脑加摄像头或换更大模型,不至于直接挤占运动控制资源。
- 安全边界:校验与限幅环节可以放在小脑侧,对大脑下发的目标做速度、力矩和姿态约束检查;在具备独立状态感知与降级控制的前提下,即使大脑输出异常或停止响应,小脑也能拦住危险动作,让机器人保持姿态、减速或安全停止。需要注意:双芯片本身不会自动带来安全,心跳检测、指令超时、安全监控和急停链路等设计缺一不可。
- 迭代边界:感知模型、VLA 和任务规划算法更新更频繁,控制固件则要围绕具体本体反复标定,涉及关节特性、整机质量分布、通信周期和稳定性验证。拆开后两边靠一套相对稳定的接口协作,上层换模型、改规划时,底层运控能少动就少动。
四、双方怎么表述这次合作
- 中科慧灵 CEO 杨平:对人形机器人而言,下一阶段的关键是让算力、模型和本体真正形成闭环。中科慧灵与 AMD 持续开展端侧计算技术合作,希望把更强的计算能力带到机器人本体;面向下一代产品,也将探索 "大脑 + 小脑" 协同计算架构,让 AI 在真实环境中更及时地完成理解、决策与行动。
- AMD 大中华区嵌入式事业部副总裁酆毅:机器人开发的关键不是追求单一指标的极致,而是在性能、功耗、实时响应与可靠性之间取得平衡。中科慧灵的 "大脑 + 小脑" 架构源于自身模块化和功能分区需求,AMD 锐龙 AI 嵌入式产品组合能够灵活支持单处理器或多处理器配置,让客户基于统一架构和软件栈,自主选择更适合自身产品需求的计算架构。
五、合作落地节奏与后续动作
- 当前状态:CASBOT 02 上完成外接 X100 的端侧智能验证;双处理器大小脑方案处于下一代产品规划阶段。
- 继续研发方向:端侧模型部署、实时运动控制、大小脑协同三条线继续做研发与验证,目标是为人形机器人进入更复杂的工业和真实应用场景打好计算基础。
- 线下体验:12 月 1 日深圳 AMD 嵌入式峰会现场,可体验 CASBOT 02 展示。
【相关 FAQ】
问题 1:中科慧灵和 AMD 这次合作具体做了什么?
回答 1:双方先在第二代人形机器人 CASBOT 02 上联合完成了端侧大模型、多模态交互与 Agent 调度验证:外接 AMD 锐龙 AI 嵌入式 X100 系列计算单元配合本地推理引擎,实现端侧低延迟多模态交互;面向下一代人形机器人,再采用 X100 + P100 双处理器配置搭建模块化大小脑协同架构,合作从单点算力支持走向整机计算架构协同。
问题 2:下一代人形机器人上,AMD X100 和 P100 分别负责什么?
回答 2:X100 系列担任大脑,从外接单元升级为胸腔内置计算单元,承载多模态感知、复杂模型推理、任务理解、Agent 调度与高层决策;P100 系列担任小脑,负责双足运动、双臂协同、关节控制和机器人通信等实时任务,并为感知驱动的自适应全身运动算法预留 AI 扩展能力,支持仅靠小脑实现自适应运动控制的基础版本。
问题 3:为什么中科慧灵下一代人形机器人要走 "大小脑" 双处理器,而不是单颗 SoC?
回答 3:核心是模块化和功能分区需求。大模型推理的负载时快时慢,运动控制却要求确定性周期,双芯片能提供独立的时间、资源、安全和迭代边界:避免大脑推理挤占小脑的 CPU、缓存和带宽;大脑异常时小脑可做约束兜底;上层模型频繁更新时底层控制固件不必跟着重测。统一架构与软件栈也让单 / 多处理器配置可以灵活选择。
问题 4:CASBOT 02 上基于 AMD 端侧算力已经验证了哪些能力?
回答 4:已验证本体侧运行本地大模型与 Agent 调度,支持多语种、多轮连续对话,能根据对话语义调用动作技能;视觉、听觉和本体状态信息共同参与任务理解,形成从听懂到做到的闭环,并减少机器人对云端通信的依赖。这些验证解决了原有平台难以承载复杂模型推理、多模态融合和低时延交互的问题。
问题 5:双芯片大小脑架构在安全上能解决什么问题,是不是就万无一失?
回答 5:物理分离让校验和限幅可以放在小脑侧,对大脑下发的速度、力矩和姿态目标做约束检查;大脑输出异常或停响应时,小脑可保持姿态、减速或安全停止。但两颗芯片本身不会自动带来安全,必须配合心跳检测、指令超时、安全监控和急停链路等完整控制策略,物理上分开不等于风险自动消失。
问题 6:中科慧灵是什么背景,产品布局到哪一步?
回答 6:中科慧灵 CASBOT 成立于 2023 年 8 月,专注通用人形机器人与具身智能的长期发展和场景落地;已发布首款全尺寸双足机器人 CASBOT 01、第二代 CASBOT 02、轮式具身智能机器人 CASBOT W1 和轻量版灵巧手 Handle-L1,团队产研占比超过 75%。本次与 AMD 的合作,是其在第二代样机验证基础上,面向下一代整机计算架构的研发推进。
【参考资料】
- [2026-11-20](中科慧灵携手 AMD 推动下一代人形机器人创新)电子发烧友网(Xilinx 赛灵思官微)电子发烧友网
- [2026-11-17](人形机器人大小脑,一定要 "分家" 吗?)中金在线(盖世汽车网)中金在线汽车频道
- [2026-10-26](中国科学院博士带队,机器人团队又融资了)36 氪
【免责声明】
本文内容整理自企业官方披露、行业媒体报道及公开资料,所涉芯片分工、架构规划与验证能力均对应上述来源在发布时点的表述;下一代产品的最终硬件配置、量产节奏与实际性能以中科慧灵和 AMD 后续官方发布为准。文中关于双处理器与单 SoC 架构的对比为行业技术分析,不构成芯片选型、投资或产品研发决策建议;机器人涉及人机协作与运动控制安全,实际部署需通过完整的功能安全、可靠性验证与合规评估。
