随着AI能力持续演进，其应用边界正在从数字世界进一步向物理世界拓展。机器人作为具身智能的重要载体，也对计算、感知、连接以及软件系统提出了更加综合的要求。
2026年9月15日，高通技术公司产品市场总监陈本东在2026具身感知融合与多模态大模型创新研讨会上发表《软硬一体，系统协同:构建具身智能AI底座》主题演讲，分享了高通对于AI及机器人技术演进的观察，并介绍了公司在机器人计算平台、AI工具链、软件生态和参考设计等方面的布局。
据介绍，回顾过去几年的发展，AI已经经历了从文本处理到多模态，再到情境化AI的演进。进入情境化AI阶段后，AI开始持续接收来自摄像头、麦克风、位置信息等各类传感器的数据，并逐步具备理解周围环境和实时情境的能力。
在此基础上，AI正在进一步向具身智能发展，即不仅能够感知和理解世界，还能够与物理世界进行交互、操作物体并完成具体任务。机器人正是这一技术方向的重要载体之一。
机器人智能并非集中于单一节点
在高通看来，机器人是一类较为复杂的智能载体，其背后融合了消费电子、个人计算和汽车等多个产业长期积累的技术能力。
一方面，机器人需要ISP、视觉感知、语音交互和多模态理解等能力；另一方面，也需要工业级可靠性、功能安全、长期稳定运行、多摄像头输入以及高性能端侧AI计算等来自汽车等领域的技术能力。
从计算架构来看，机器人也并非依靠单一计算节点完成所有任务。
陈本东将机器人的智能化能力划分为三个层级。其中，System 0负责高速、低延迟的传感与反馈。例如机器人抓取杯子时，如果感知到杯子即将滑落，需要立即在本地调整抓握力度；System 1主要负责动作规划，并形成具体的操作流程；System 2则承担逻辑推理、长距离规划和长程推理，目前业界关注的世界模型以及VLA模型主要作用于这一层级。
不同层级对于计算、传感和连接能力有着不同要求。陈本东指出，机器智能并非集中在单一节点，而是分布于整个系统之中。因此，推动机器人进一步落地，不仅需要高性能处理器，也需要CPU、GPU、NPU、ISP、连接以及软件开发体系之间的协同。
高通跃龙IQ系列和Q 系列覆盖不同层级机器人计算需求
围绕机器人计算需求，高通目前已经推出包括IQ系列和Q系列在内的边缘侧机器人平台，产品覆盖Q2至IQ10。
其中，IQ系列为工规级处理器产品组合，面向工业应用对于可靠性和稳定性的要求。根据不同产品的算力定位，高通希望覆盖从低功耗控制节点、局部肢体智能到机器人主要计算节点的不同需求。
据介绍，随着人形机器人运动控制对CPU和NPU性能提出更高要求，IQ8也为相关计算平台的性能升级提供了新的选择；IQ9则在CPU和NPU能力方面进一步提升，并已被国内部分人形机器人和机器狗客户选用于相关产品开发；IQ10则主要面向下一代人形机器人和复杂自主系统，为相关应用提供更高的AI和CPU计算能力。
其中，IQ10面向工业级自主移动机器人和先进全尺寸人形机器人，配备18核CPU，支持20路摄像头，并可提供最高700 TOPS AI算力。
陈本东表示，机器人的不同部位涉及目标计算、连接、执行、运动控制、低功耗处理和分布式边缘AI等多个模块。因此，高通在机器人领域的产品布局也并非只围绕单一高算力处理器，而是希望通过不同层级的平台支持机器人系统中的不同计算需求。
从芯片延伸至AI工具链和机器人SDK
除了硬件平台，高通也在完善面向机器人开发的软件工具体系。
陈本东介绍，高通AI Hub目前主要提供Model Zoo和云端AI工具链两类能力。开发者可以获取已经完成量化的模型，也可以直接通过云端工具链完成模型处理和部署。
此外，高通还提供AIMET和QAIRT等工具，与行业主流AI开发流程和工具体系对齐。在此基础上，高通面向开发者的工具链仍在快速扩展，以覆盖更多模型、平台和应用场景。其中，AIMET是一款开源量化工具，开发者可以自行完成模型量化，并进一步部署至高通NPU平台。
在大模型部署方面，高通支持GenieX，可直接导入Hugging Face上的大模型，其底层由Llama.cpp和QAIRT提供支撑。同时，高通还支持ONNX Runtime和LiteRT Runtime。
针对机器人应用，高通还提供QIRP智能机器人产品SDK，其中包含大量预集成的ROS Node，开发者可以直接使用相关模块，以减少基础开发工作。
陈本东表示，高通在手机、辅助驾驶、智能座舱和物联网等不同产品线采用同一套AI工具链，相关软件之间可以实现兼容，为开发者进行跨平台开发提供便利。
推出高通跃龙IQ10机器人参考设计
在机器人开发平台方面，今年6月，高通推出了基于跃龙IQ10的Robotics Reference Design机器人参考设计。
据介绍，该参考设计并非只提供处理器，而是覆盖完整的软硬件系统，包括Linux、Ubuntu，并在软件层面兼容ROS2，同时提供统一SDK和开放的AI工具链。
高通希望通过这种方式减少合作伙伴和开发者在底层软硬件开发和适配上的工作量，将更多资源投入到应用和产品开发中，从而缩短机器人产品的开发周期。
目前，该参考设计已经向国内部分合作伙伴发布并投入使用，一些合作伙伴也开始基于这一硬件参考设计开发自身的硬件系统。
与此同时，高通QPM已经开放Pi0.5和GROOT模型的部署步骤及相关Notebook；Arduino Project Hub今年也增加了Robotics Hub分类，为开发者提供机器人相关案例参考。
关注机器人规模化后的系统运营
陈本东还谈到了机器人从技术开发进一步走向规模化应用后需要面对的问题。
他表示，当机器人平台和数据飞轮逐步完善后，行业关注的重点将不再局限于模型精度，还会进一步延伸至整个系统的运营，包括OTA升级、软件生命周期管理，以及功耗、性能和散热设计的持续优化。
例如，散热已经是人形机器人量产过程中需要面对的问题之一。高通在手机、辅助驾驶、智能座舱和物联网等领域积累的相关经验，也可以进一步应用于机器人平台。
随着AI从大语言模型向多模态AI、具身智能和物理AI发展，机器人也将逐步演进为能够感知环境、理解任务、制定规划并执行动作的智能体系统。在这一过程中，支撑机器人进一步发展的不仅是处理器性能和模型规模，还包括软硬件协同，以及覆盖开发、部署和运营全流程的平台能力。高通也希望围绕这一方向，与中国产业界及生态合作伙伴继续开展合作。
