成都这家企业,给机器人注入“灵魂”

市场资讯
25 Jun

  炒股就看金麒麟分析师研报,权威,专业,及时,全面,助您挖掘潜力主题机会!

每经记者:石普宁 每经编辑:唐元

在成都高新区的产业园,想约企业老总采访也许并不是件难事,但想要预约机器人,可得提前敲定“档期”,因为它们的“行程”已经被研发攻坚和场景验证分割成需要精确排布的宝贵资源。

不久前,成都市首批智能机器人实景验证活动正式启动。由成都阿加犀智能科技有限公司(以下简称“阿加犀”)提供核心AI技术支持的具身智能机器人“通天晓”站上了成都东御街繁忙的路口,化身交通劝导员,协助交警维护交通秩序。

在混杂的车流、好奇的人群以及变幻的信号中,它每一次抬手和转向,展现的都不仅仅是机械运动,而是一次基于本地实时感知的复杂决策。用阿加犀机器人技术总监侯昱帆的话来说,“这是一个直面突发情况的‘考场’。”

这场在街头上演的“大考”,将一个深刻的技术问题抛至台前:当AI试图真正走进物理世界,以一个强大的“身体”站在这里,但它的“灵魂”——也就是它的大脑,如果仅仅依靠一根看不见的网络“脐带”连接至云端,这套体系还可靠吗?

对于阿加犀和它所代表的“端侧AI”技术路径而言,答案早已明确:“灵魂”和“身体”,皆在场。本期《创史记》,《每日经济新闻》记者和阿加犀COO史硕、机器人技术总监侯昱帆,聊了聊他们的创业故事。

从察觉风口,到踏风而行

一家公司的技术路径选择,往往源于其初创的基因。

对于成立于2020年的阿加犀而言,他们的故事并非始于机器人,而是始于更早之前的一场移动端技术革命。

随着集成NPU(神经网络处理单元)的AI芯片成为智能手机等移动设备的标配,AI算力实现了指数级跃升,一个全新的、潜力巨大的计算平台已然成型,但其潜能远未被开发。

“早在2018年,我们就发现,智能手机等移动设备的细分算力已经非常强了,但实际应用却被局限在拍照(AI增强)等少数场景中,”史硕回溯道,团队敏锐地发现,边缘侧芯片中强大的AI计算单元大部分时间处于“休眠”状态,其潜力“远远没有被发挥出来”。

正是这未被完全唤醒的边缘算力,为想象开启了广阔空间。这意味着,智能手机可以在没有网络的情况下,完成实时语音翻译等功能;安防摄像头可以在本地完成对异常入侵的识别;海量的工业与物联网传感器,也因此拥有了“就地思考”的能力,而无需将所有原始数据打包上传。

这一愿景,直接催生了阿加犀核心产品的诞生——以AidLux为代表的一系列AI开发工具。其覆盖模型训练、模型优化、转换及部署等核心环节,能够将大模型快速转化为更轻量化的形态,适配各类边缘侧芯片,实现高效推理。

位于成都高新区的阿加犀办公场所 图片来源:受访者供图

2022年底大模型的集中“爆发”,对阿加犀而言,与其说是印证了当初的战略抉择,不如说是为早已铺设好的技术轨道指明了“目的地”。

市场对“AI灵魂”的价值达成了空前共识,而这为团队深耕的端侧技术创造了巨大的需求。同样,机器人这个融合了感知、计算、决策和执行的复杂载体,恰恰是端侧AI价值最为极致的体现。

随着端侧AI爆发元年的到来,阿加犀此前的积累演变为先发优势。团队果断将技术沉淀聚焦到具身智能这个“试炼场”——通过与机器人产业链上下游厂商的合作,为机器人提供一体化解决方案。

“我们提供高性能的定制化机器人主控板作为算力基座,深度集成Linux、ROS等多种操作系统以及强大的AI能力,为客户提供从底层算力到上层智能决策的全栈技术支持。”史硕总结道,正是基于此,让他们在“具身智能”这个飞速崛起的黄金赛道中,找到了属于自己的生态坐标。

用端侧AI,回应大模型痛点

云端AI的强大毋庸置疑,但它与物理世界之间,始终存在着一条看不见的“脐带”。这条连接着远方数据中心的“脐带”,在赋予AI强大能力的同时,也带来了成本、延迟和隐私这三大根本性制约。

从成本来看,全球科技巨头们正为此付出惊人的代价。

根据公开资料,微软与OpenAI一个计划于2028年启动的数据中心项目,成本预计高达1000亿美元。

谷歌、微软和Meta三巨头明年的资本支出预计将达到1600亿美元,大部分用于购买英伟达昂贵的GPU。这种“烧钱”模式引发了关于其商业回报可持续性的质疑。

再看延迟——不同场景中,一秒之内的误差很可能招致不可设想的后果。例如,当AI需要驾驶汽车或与人协作时,网络延迟就成了不可忽视的操作性问题。“像我们在自动驾驶时,不可能把图像上传到云端用于计算再返回,这可能已经过去一两秒了,没法做及时的判断。”史硕举例谈道。

除此之外,还有难以用金钱衡量的隐私问题。

家庭机器人会记录下日常生活的私密片段,工业机器人则掌握着生产线的核心数据。“我们都不希望涉及隐私的数据被泄露,”史硕强调,像某些高度敏感的数据,天然便不适宜储存于第三方服务器中。

正是在上述背景下,端侧AI逐渐从一个技术的时髦词演变为一股行业趋势。其核心思想很简单:剪断那条连接云端的“脐带”,让算法和模型直接在智能手机、PC、汽车和机器人这些离用户更近的终端设备上运行。

在CES 2025上,阿加犀联合高通发布了其在人形机器人领域的首款原型机——通天晓(Ultra Magnus),其在展会上展现出色的智能交互能力。图片来源:受访者供图

史硕对此解释道:“我们希望未来每一个终端都有一个智慧大脑,而这个大脑一定在端侧。阿加犀为客户提供解决方案,而最终的应用落地还是要根据客户以及合作伙伴的需求来决定。”

挑战同样严峻:当前,端侧设备在计算能力、功耗控制与内存带宽方面,仍难以支撑大规模模型运行。

基于此,阿加犀便展现出它的“行业价值”——其并非否定云端的作用,而是通过一套精巧的技术方案,将云端训练好的大模型能力,适配到兼具成本优势、低延迟响应和隐私保护特性的端侧设备上。

史硕将这个过程描述为:“把参数非常庞大的模型,通过量化剪枝等方式,加速集成在边缘侧芯片上,使其实现高效推理运行,这需要解决很多技术上的挑战。”

踌躇满志,并脚踏实地

一个专注底层技术、面向全球市场的公司,扎根成都的“基因”是什么?这个问题的答案,指向了一种深层次的企业与城市的“共生关系”。

人才,是所有科技创新的第一要素。

成都不乏高等院校,但阿加犀更看重的,是这里独特的人才生态。“我们的优势首先体现在人才上,其实成都很多的优秀人才是‘回流’的,他们可能在外积累(行业经验)之后,又回到了成都安居乐业,”史硕观察到。而这批拥有大厂经验和开阔视野的人才,为成都的科创企业注入了源源不断的新鲜血液。

而当类似阿加犀的企业在本地扎根并壮大后,一个良性的“引力场”效应开始显现:本土成长起来的科技领军企业,开始主动地影响和塑造着区域的产业生态,将更多的全球资源和行业目光吸引至此。

史硕举了一个例子,“近两年来,高通面向全国举办的AI开发者大赛(高通边缘智能创新应用大赛)就落地到了成都,这其实也是在阿加犀和高通长期合作的基础上实现的。另外,我们现在有很多的合作伙伴,他们在成都的分公司也都与我们都产生了更紧密的合作。”

红灯时,交警引导车辆通行,“通天晓”劝导拦停行人 图片来源:阿加犀智能科技

除了人才和产业链,成都提供的另一种独特“养分”,是愿意将自身作为“试验场”的开放姿态。对于AI企业,尤其是需要与物理世界交互的具身智能企业而言,数据和场景是其技术和产品迭代的“燃料”。

此次具身智能机器人的实景验证,便是一个例证。侯昱帆举例说:“我们通过视觉摄像头采集交通数据,可以用于后续模型训练,让机器人能够更稳定地去适应复杂的车流环境。”

采访行将结束时,一个细节描绘出这家公司的内部肌理:在办公室的一端,我们与史硕道别;而在长廊的另一头,侯昱帆已经站在公司创始人敞开的办公室门口,快速直接地沟通着技术问题。

这恰好印证了史硕最后用来形容公司的两个词:一个是“踌躇满志”:他们看到了端侧AI与具身智能结合的巨大历史机遇;另一个是“脚踏实地”:“每一个产业,它的方案和最终技术落地都是真正做出来的”,需要一步一个脚印地去积累、去验证。

海量资讯、精准解读,尽在新浪财经APP

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10