摘要：

在英特尔研究院副总裁宋继强看来，具身智能真正要走进工厂、走向家庭，必须跨过“可靠性”这座大山——而方法，是给机器人装上三套系统。

科技 出品

作者｜于浩

编辑｜董雨晴

1月20日，英特尔研究院副总裁、英特尔中国研究院院长宋继强接受了包括在内的媒体采访。

“今天的具身智能机器人，像是一个‘天才儿童’：在理想状态下表现惊艳，一旦遇到意外，就可能手足无措。”宋继强如此描述当前行业面临的共同挑战。

在他身后的屏幕上，展示着一个三层架构的系统框图——这正是英特尔为应对上述挑战提出的“三重系统”方案。

随着 ChatGPT 掀起的大模型浪潮逐渐渗透至物理世界，具身智能（Embodied AI）已成为全球科技竞赛的下一焦点。从特斯拉的 Optimus 到小鹏汽车推出的 Iron，机器人正被赋予前所未有的理解和决策能力。

然而，从演示视频走向真实场景，一道关乎“可靠性”的鸿沟横亘在眼前。宋继强指出，当前基于视觉语言模型（VLA）的机器人，其动作生成的准确率“大概在百分之六七十左右”，幻觉、环境适应性差、长任务规划能力弱等问题仍未解决。

“如果我们希望它在3年左右实现真正落地，且不出现因安全问题导致的重大事故，就需要尽早建立相关框架，凝聚行业共识。”宋继强说。

01

系统架构：为机器人装上“三重保险”

在宋继强的阐述中，一套可信赖的具身智能系统应由三个层次构成：主系统（Primary System）、安全系统（Safety System）和后备系统（Fallback System）。

主系统承载了机器人的“智能”，负责决策、规划与行动生成。英特尔力推的“神经符号AI”方法是其核心，旨在结合神经网络的泛化能力与符号逻辑的可靠性与可解释性。

“它既运用了神经网络的泛化能力，避免机器人局限于单一场景和单一方案，又能将传统基于符号、规则与知识的方法融合进来。”宋继强解释，这相当于“抬高机器人的下限”，确保其不会因幻觉等问题产生灾难性后果。

然而，现实世界充满意外。执行器故障、传感器错误、未知障碍物、地面打滑……这些都在主系统的认知边界之外。为此，需要引入更底层的保障。

安全系统是一个轻量、高可靠的监控层，持续比对机器人的执行状态与预设安全规则（如“不得碰撞人类”、“持尖锐物体需保持安全距离”），一旦发现偏离即刻告警或干预。

若安全系统也无法处理，例如机器人即将摔倒，后备系统将被激活。它的目标不是让机器人“急停”，而是引导其进入一个可靠的降级状态。

“例如，机器人可以像汽车一样慢速靠边停靠；若即将摔倒，可选择无人区域，通过锁定部分关节实现缓慢摔倒。”宋继强说。

这套“PMDF”框架(分别是具身智能主控系统、监控系统、安全决策和故障处理和恢复)，已被写入英特尔联合多家合作伙伴发布的《具身机器人智能安全子系统白皮书》中。宋继强透露，发布后反响良好，不少学术界和业界单位希望参与推进。

02

专用芯片未至，英特尔押注“传统优势”

当话题转向硬件，科技提出了一个问题：未来机器人领域会否出现专用芯片？面对特斯拉、小鹏等车企自研芯片的趋势，英特尔的机会何在？

宋继强的回答坦诚而务实。他明确判断，目前机器人市场规模尚小，专用芯片在经济上不可行。“核心原因在于机器人市场的规模目前还很小，对于芯片厂商而言，专门为机器人定制芯片难以实现盈利。”

当前行业普遍复用手机、汽车、PC等领域的成熟芯片，进行改造适配。更深层的原因在于，机器人的“工作负载”尚未定型。“我们无法明确，芯片是应针对VLA的工作负载进行优化，还是为后续的世界模型工作负载提供支持。”

在这种情况下，通用芯片是更稳妥的选择。宋继强预计，只有当行业形成标准化的工作负载后，专用芯片（ASIC）才会出现，其研发周期可能在10-18个月。

那么，英特尔的机会在哪里？宋继强将答案指向了英特尔在工业控制领域长期被忽略的“隐形冠军”地位。

“在传统工业自动化领域，英特尔的市场地位可以用‘绝对优势’来形容……在工业场景的高精度、高频率运动控制领域，大部分工控产品和工控板都基于英特尔的CPU开发。”

他总结了三大优势：一是技术迁移，将工业运动控制经验迁移至机器人的动作控制层；二是资源调度优化，确保运动控制等毫秒级任务不被其他任务干扰；三是多系统融合能力，实现隔离监控与快速安全响应。

对于当下炙手可热的酷睿Ultra等集成AI算力的芯片，宋继强视其为“稳定的硬件底座”。若算力不足，可额外配置AI算力卡。他预判，未来的主流部署模式将是“机器人终端+边缘服务器”，在低延迟前提下，将大模型部署于边缘，形成跨网络的异构计算资源池。

03

现实瓶颈：数据孤岛、VLA幻觉与成本悬崖

尽管蓝图清晰，但通向可靠具身智能的道路上布满荆棘。宋继强在回答多个问题时，勾勒出了当前最主要的几大瓶颈。

首当其冲的是VLA（视觉语言模型）的能力天花板。 宋继强直言，当前VLA的准确率仅在百分之六七十，存在显著幻觉问题，且对视觉环境变化敏感，泛化能力弱。“它并未真正理解场景的本质，不具备对场景中物体三维关系、因果关系的认知能力。”

这也是行业转而关注“世界模型”的原因——为其补充物理定律和因果关系认知。但世界模型自身也面临与真实场景融合的挑战。

更深层、更根本的挑战来自于数据。 宋继强指出，数据问题是行业核心痛点。具身智能需要场景理解、任务规划和机器人本体三类数据，但现状是“数据孤岛”严重。

“不同行业场景、不同机器人本体、不同任务类型所需的数据差异极大。”他列举了四个统一数据标准建立的难点：数据完整性定义不明（是否需要触觉等）；操作精度和频率无统一要求；机器人本体无公认最优方案；数据采集视角未确定。

“因此，当前行业仍处于各自探索的阶段，短期内会维持‘百花齐放’的状态。”

最后一个关卡是量产与成本。 宋继强提醒，目前展会上的机器人多是“手工制作的原型机”，零部件未达到车规级或工业级标准，一致性差。“机器人整体价格的下降也依赖于大厂的入局。”

他以特斯拉为例，指出行业看好其的核心原因之一正是强大的量产能力。只有通过工业化量产压硬件成本，同时智能能力达标，机器人才有可能走向更广阔的商用乃至消费场景。

04

未来三年：从“展示天才”到“可靠工匠”

面对如此多的挑战，具身智能的落地时间表究竟如何？宋继强给出了一个审慎的预测。

“要将这些能力整合为一套可靠的解决方案，把VLA的准确率从目前的百分之六七十，提升到工业级应用要求的99%以上，预计还需要两三年的时间。”

他描绘了一条清晰的落地路径：

短期（1-2年），在物流分拣、工厂搬运、标准件组装等半结构化场景实现小规模部署。这些场景用工成本高、环境相对可控，能容忍机器人初期的高成本。

中期（3年左右），随着智能能力可靠性提升、行业安全框架形成共识，在以上场景中扩大应用规模。

长期，则取决于量产一致性和成本控制的突破，需要大型车企等具备工业化生产能力的企业入局推动。

“这一发展路径符合Gartner成长曲线的规律。”宋继强总结道，先以技术预期吸引投入，快速提升能力；后在部署中解决问题，在早期场景中验证商业化；最终大厂入局，推动规模化。

在采访的最后，宋继强反复强调“融合”与“解耦”这一对看似矛盾的关键词。

融合，是新老技术的融合——将前沿的AI模型与历经验证的传统控制技术、安全工程相结合。解耦，是软硬件在能力层面的解耦——让上层的感知规划模块能适配不同机器人本体，降低开发成本。

“具身智能的发展不会依赖单一技术突破，而是需要新老技术的叠加融合。”宋继强说。一个未经充分验证的新技术无法直接用于关键任务，只有与成熟技术结合，才能形成完整可靠的解决方案。

这或许正是英特尔在这场具身智能竞赛中的独特定位：不做最激进的颠覆者，而是做最可靠的整合者。用其在工业领域数十年的“隐性知识”，为狂奔的AI“天才少年”，装上经受过物理世界锤炼的“小脑”与“反射神经”。

当机器人离开聚光灯下的展示台，走进嘈杂、混乱、充满不确定性的真实世界时，决定其价值的将不再是它最惊艳的瞬间，而是它最不会出错的下限。而这，正是一场关于“可靠”的漫长工程的开端。