地瓜机器人将560TOPS端侧算力，加载到了20+头部团队机器人中 原创

具身智能最热的时候，公众最容易记住的画面，往往不是工厂里工位上的机器人，而是舞台上的机器人。

跳舞、翻跟头、冲咖啡、抓取物品，这些Demo足够吸睛，也足够证明具身智能技术正在日新月异，但当机器人真正走向工厂、仓储、物流和工业产线，这些往往都不是企业最关心的问题，企业最关心的问题是：

具身机器人能不能连续24小时工作？

具身机器人能不能把同一个动作重复高效做1万次？

具身机器人的标准化能力能不能从一台样机复制到一千台量产产品中？

以及，具身机器人能不能算得过来ROI？

这些也是地瓜机器人在与具身机器人团队一起在进入企业真实场景后，需要面对的实际问题。

在WAIC 2026前夕，地瓜机器人公布了旭日S600的商业成功：

自2025年11月问世以来，这款拥有560 TOPS端侧算力芯片，已经它石智航、千寻智能、自变量机器人、智在无界、优必选、帕西尼感知、北京人形机器人创新中心、人形机器人（上海）公司、小雨智造等20+头部客户产品中。

在这个过程中，地瓜机器人深刻地体会到了具身智能面临的行业需求，也让他们更真切地感受到：

具身智能已经迈过了“能不能做”的门槛，到了需要思考产业化问题的时候。

2026年，具身智能机器人来到了量产元年，具身智能的竞争也从舞台转向车间，从Demo转向交付，从模型参数转向端侧算力、数据闭环、工程化和产业协同。

01 从炫技到生产力，具身智能的考题变了

在具身智能浪潮兴起的这几年里，吸引了不少自动驾驶赛道的老兵入场创业，实际上，这些年具身智能的行业现状确实很像早期的自动驾驶行业：

技术想象力足够大，展示效果足够强，但离稳定、规模化、可商业化的系统，还有很长一段路要走。

地瓜机器人开发者生态副总裁胡春旭在WAIC 2026前期的媒体沟通会上就做了这样一个对比：

过去大家会问，机器人能不能跳个舞、翻个跟头；

现在客户会问，机器人能不能连续工作24小时，能不能重复一个动作1万次，功能能不能复用到另一款标准化产品上。

这不是问题变得无聊了，而是产业又往前走了一步。

当机器人停留在实验室和展台上时，那些考验机器人极限的复杂动作足够吸引眼球，一个Demo跑10次，只要有1次效果足够成功，就可以剪进视频里得到广泛传播，这时的机器人标定可能是手工做的，硬件一致性也显得没那么重要。

可一旦进入工厂中，规则就完全不一样。

机器人需要在高温、低温、震动、高湿等复杂环境里持续工作，硬件要一致，PCB要标准化，接口要标准化，算法不能只在某个光照、某个物体、某个工位具有可行性。

在被视为具身智能量产之年的2026年，具身智能面临的考题已经悄然改变。

就具身智能的量产难题，胡春旭总结为三方面：

第一，模型上车难，大模型如何真正跑在机器人上。

现在行业关注VLA、世界模型、多模态模型，但这些模型往往跑在云端，在实际使用场景中，经常会遇到网络延迟、抖动和实时性问题，如果将这些模型下放到端侧，又会碰到功耗、成本、带宽、量化和适配的问题。

第二，硬件算力要求高，机器人对算力的需求远比大家想的要更复杂。

机器人不是只跑一个VLA模型，它还要处理多路摄像头、传感器输入、世界模型推理，以及几十个关节电机的实时控制，也就是所谓的大脑和小脑，大脑负责理解，小脑负责运动控制，大小脑要在同一套系统里协同工作。

第三，产业协同难。

具身机器人产业链涉及芯片、模组、传感器、执行器、关节、电机、数采系统、整机厂、解决方案商，每一个环节都会影响具身机器人最终能不能量产。

这也是具身智能从炫技阶段迈向生产力阶段后最现实的变化，真正的困难不是让机器人做一次正确动作，而是从在实验室打造的标准化能力能不能从一台样机复制到一千台、一万台量产产品中。

02 旭日S600背后的具身机器人量产路径

当量产落地成为具身智能新考题，具身机器人对端侧算力提出了更高的需求。

作为国内为数不多为具身机器人提供专用算力芯片的团队，地瓜机器人面向具身机器人打造的旭日系列芯片算力范围涵盖5-560TOPS。

这其中，尤以2025年11月问世的旭日S600热度最高。

旭日S600拥有560TOPS四核BPU、18核A78AE CPU，六核R52+ MCU，204.8GB/s的LDDR5x，BPU负责模型和Agent框架在端侧推理，CPU负责复杂任务并行处理和调度，MCU负责高实时控制任务。

不过，算力并不是这款芯片最强之处。

胡春旭特别强调，旭日S600不仅是一颗高算力具身芯片，背后承载的是地瓜机器人面向具身智能量产的完整解决方案，地瓜机器人想要做的则是“机器人的母生态”。

作为旨在打造具身智能全链路基础设施的团队，地瓜机器人围绕具身智能构建起了硬件、算法、软件工具和产业链协同四层架构，贯穿从早期原型验证、算法调优到大规模交付的全过程。

不过，胡春旭也特别解释称：

地瓜机器人并不是要包办全部环节，而是构建行业最大公约数，也就是一套标准化平台，让机器人公司、算法公司、方案商和供应链伙伴能在上面共同开发。

RDK S600模组就是以这一思路打造，面向机器人大脑端侧平台，RDK S600 Module支持-40℃到105℃宽温，在高温、高湿、震动等条件下完成了11项以上可靠性验证。

这些指标也是地瓜机器人在具身智能产业多年摸索后形成的标准，例如，在具身机器人研发过程中，主控芯片往往嵌在胸腔这一狭小空间里，温度超过80℃，这就要求主控芯片要有更合适的温宽。

RDK S600开发套件进一步面向客户验证阶段，提供GMSL相机、PCIe、USB、网络外设、EtherCAT等接口，帮助客户减少反复打板和适配成本，对于一个仍处于快速试错阶段的行业，这类“少走一轮工程弯路”的工具，价值往往比参数来得更实际。

算法层面，地瓜机器人既适配了视觉、语音等机器人常用模型，也适配了PI的π0.5、千寻智能的Spirit V1.5等VLA模型，据胡春旭透露，地瓜机器人的平台上已经沉淀超过400个模型，这些模型都支持用户开箱即用，从而减少用户模型迁移工作量。

此外，我们也注意到，地瓜机器人围绕具身智能关键能力也在布局自研算法，包括三维空间感知、VO-DP+灵巧操作、HoloBrain通用操作基础模型、MultiCAM SLAM全向多目定位、WM-LOCO世界模型驱动越障等方向。

其中，VO-DP+已在旭日S600平台完成推理性能评测和真实场景验证，WM-LOCO通过预测式控制架构提升机器人对未来落脚机会的预判和决策能力，在高难度离散地形上实现稳定通过。

我们在现场也看到了，WM-LOCO世界模型驱动的人形机器人，已经可以走梅花桩。

地瓜机器人为具身智能打造的这些能力叠加起来，指向的已经不是机器人某个单一功能，而是一套闭环系统：机器人看见世界，理解自己在哪里，判断要做什么，再稳定完成动作。

实际上，不仅仅是自研算法，地瓜机器人还基于人工智能技术打造了一套AI原生开发引擎，胡春旭特别提到了RoboGo、RDK Studio、Moss Agent Engine这个开发工具：

RoboGo在云端覆盖数据采集、生成、训练、仿真、评测、量化和端侧部署；

RDK Studio在PC端负责硬件连接、应用开发和Debug；

Moss则是在开发板这一端侧，作为端侧Agent引擎。

基于这一套软件架构，用户只需要通过一句自然语言指令，让机械臂抓取面前的盒子，背后的Agent会理解目标、物体、动作和路径规划，并自主完成开发和调试过程。

这套软件架构的价值在于，它将具身智能开发从人肉串联多个软件和流程，推向了Agent原生开发流程，据胡春旭透露，过去需要几个月构建的Demo，基于这套架构现在可以压缩到数周。

从高算力芯片、高可靠模组到自研算法和模型适配，再到背后一整套AI原生开发引擎，地瓜机器人打造了一条具身机器人的量产路径。

当然，这条路径是否已经跑通，则要由更多具身机器人团队来验证。

03 千台量产部署，时机已经成熟

旭日S600已经被20+具身机器人企业用到了相应的产品中，这其中就包括它石智航。

胡春旭在媒体沟通会上对外表示，它石智航和地平线将一起实现规模化工业具身机器人落地部署。

要知道，2025年全球人形机器人总出货量，也仅有约1.8万台。

大规模工业具身机器人集群落地和规模化部署，成了地瓜机器人在2026年推动具身机器人规模化量产的第一步。

之所以能有这样体量具身机器人的落地部署，是因为地瓜机器人和它石智航已经看到了行业先行落地的可行性，它石智航联合创始人陈同庆将其归纳为以下三点：

第一，跨本体任务开始能够共享。

过去模型往往只适用于单个机器人，换一个构型或本体，性能就会明显下降，现在一些模型开始展现跨本体迁移能力。

第二，自然语言指令开始具备组合能力。

机器人不再只是执行固定脚本，而是把抓、叠、选择等基础动作，按照人类自然语言重新组合成新的任务。

第三，通用模型在部分新场景中开始超过专用模型。

专用模型通常针对一个工位、一个物体、一个光照条件优化，但环境稍有变化，能力就会下降，通用模型如果能理解几何、动力学和因果关系，迁移性会更强。

不过，陈同庆也指出，真正进入工厂，客户首先看成功率，其次看实时性和节拍，再看新场景部署成本，如果推理慢了、规划卡顿了，产线损失就会出现，如果每到一个新工位都要大量专家重新训练，也很难规模化复制。

在接受媒体采访时，谈到机器人进工厂，地瓜机器人CEO王丛则是特别提到，具身机器人会先进入人不愿意干、不能干、难招人的场景，例如，制鞋里的粘底工序，制鞋工厂环境往往不尽人意，工人不愿意做，一些生物医学实验室，人因为规则限制不能进去，搬运虽然人也能做，但招工越来越难。

这些场景不会一夜之间为具身机器人带来百万台市场，而是会从50台、100台、1000台一点点爬坡，每一次部署，都会沉淀数据、工程经验、供应链经验和客户信任。

量产的复利，也就在这一过程中慢慢长出来。