在过去半年间，机器人行业内一个不太显眼却值得关注的变化是：围绕芯片的讨论范畴，已开始从采购部门的内部会议，逐步蔓延至创始人与CEO的决策桌上。

这一现象的驱动因素并不仅限于芯片的高昂成本或供应短缺。更直接的原因在于，越来越多的机器人制造企业逐渐意识到，市场上现成的通用芯片往往难以完全契合其特定的应用需求——其功耗水平可能偏高，其内部集成了某些实际用不上的功能模块从而挤占了芯片面积，或者其架构使得上层算法的移植与适配过程不够顺畅。正因如此，行业内开始兴起一种新的竞争与合作态势：机器人本体企业不再满足于单纯的芯片采购角色，而是积极寻求通过成立合资公司、进行战略投资、开展联合定义，乃至启动自研项目等多元途径，深度介入并影响芯片的设计与定义过程。

在展开讨论之前，首先展示一张总表，对过去一段时间内具身智能与芯片企业之间的重点合作进行概览，以便大家能够快速建立一个整体印象。

2025—2026.06 具身智能 × 芯片企业重点合作概览

这张总览表旨在使读者能够清晰把握过去半年间机器人公司与芯片企业合作的主要模式——部分企业选择直接成立合资公司，另一些通过战略投资来锁定供应关系，还有一些则通过联合定义的方式共同开发新芯片。关于优必选与沐曦股份之间的合作，相关内容已在前文探讨，此处不再重复，具体细节可参阅：复刻优必选 × 沐曦合作模式 ！慕尼黑上海电子展，具身智能闭门会限时招募。下文将选取其中几个具有代表性的合作范式展开分析。

01

战略入股：智元机器人完成对辉羲智能的战略入股

除了成立合资公司这一模式，一种在行业内更为轻量化且常见的合作范式是进行战略入股。这意味着机器人企业不再满足于仅仅扮演芯片采购者的角色，而是开始积极寻求介入并影响芯片的设计与定义过程。

2026年2月，智元机器人完成了对辉羲智能的战略性股权投资。尽管具体持股比例未被披露，但此轮融资已促使辉羲智能的注册资本规模增至3091.45万元。此项交易可被视为通过资本纽带巩固未来算力供应的典型实践。

辉羲智能是一家专门致力于为具身智能时代提供算力平台支持的芯片企业，其主打产品为面向通用具身智能的高算力芯片以及配套的全栈工具链。该公司的核心团队成员出身于清华大学、香港科技大学等知名高校，在人工智能芯片架构与高性能计算领域积累了深厚的专业经验。与业界大多数人工智能芯片公司不同，辉羲智能并不将研发重心放在大模型的训练环节，而是将研发重心聚焦于实现端到端场景下的低延迟与易部署性。这一清晰的定位，在底层逻辑上便与机器人领域的核心诉求高度契合。

智元通过入股辉羲这一举措，旨在解决的是面向未来的算力自主问题。借助成为股东的身份，智元得以在下一代芯片的架构定义阶段便介入其中，具体涉及指令集是否需要针对VLA模型进行优化、存储带宽应如何配置、工具链如何便于算法团队完成移植等方面。

一个佐证是：在入股辉羲之前的一个月，智元刚刚在英伟达Jetson Thor平台上完成了对其π0.5 VLA模型推理帧率的优化工作，将帧率从1.4Hz提升至22.1Hz，实现了15倍的性能提升。这一数据表明智元在芯片性能调优方面已积累了丰富的实战经验。此次入股辉羲，本质上是希望从"优化别人的芯片"这一既有路径，升级到"参与定义自己的芯片"这一新的发展阶段。

02

联合定义芯片：银河通用 × 芯驰科技

如果说优必选采取的是“合资造芯”模式，智元采取的是“入股定义”模式，那么银河通用与芯驰科技则体现了第三种模式：即在不进行资本绑定的前提下，共同定义一颗全新的芯片。

2025年11月，双方达成战略合作，聚焦于下一代具身机器人芯片、操控系统与工具链的联合研发。

芯驰科技已成为国内车规级芯片领域具备显著量产实力的头部企业。自2018年成立以来，该公司便专注于智能座舱、网关以及车控等关键应用场景。截至当前，其全系列车规芯片的累计出货量已超过1200万片，所支持的量产车型超过100款，客户网络已完整覆盖中国市场的全部前十大整车制造商。

2026年6月，芯驰科技成功完成了近1亿美元规模的C轮融资，此举旨在加大对智能座舱与具身智能领域芯片的投入力度。在另一边，银河通用作为具身智能大模型领域内的头部企业，则掌握着规模达到百亿级别的机器人训练数据集。

合作具体开展三方面工作：一是共同开展芯片规格的联合定义，由银河通用向芯驰方面阐明实际应用场景中对于算力、存储与接口的具体需求，以规避通用芯片可能出现的“功能过剩”问题；二是联合建设工具链，旨在缩短算法模型向芯片平台移植的周期；三是协同打通供应链，芯驰方面负责将其在车规芯片领域积累的量产管理经验，系统性地迁移到机器人芯片的研发与生产流程中。芯驰CTO孙鸣乐明确指出：“汽车与机器人技术在实时性、安全性及AI算力需求上具有高度同源性。芯驰的意图是将其在车规级领域沉淀的技术体系，有规划地移植到机器人领域，从而定义出真正契合该场景的‘原生芯片’。”

03

大模型全栈合作：智平方 × 摩尔线程

而最后这个案例的独特性在于，智平方与摩尔线程之间的合作，是目前唯一一个实现了从云端到端侧整条技术链路完整打通的实践。

2026年5月，双方正式签署了一项战略合作协议，其核心内容在于聚焦于具身智能大模型的“云边端”全栈协同。

摩尔线程作为国产GPU领域的首家上市公司，于2025年底在科创板完成上市，其市值一度超过3000亿元。该公司的创始人张建中拥有前英伟达全球副总裁的职业背景，其核心团队成员亦主要来自英伟达与AMD等国际芯片企业。

摩尔线程在技术路线上采取了业内最具挑战性的全功能GPU战略，其自主研发的MUSA架构能够在单一芯片上实现AI计算、图形渲染、物理仿真以及视频编解码等功能，这使其成为国内极少数能够覆盖“训练—仿真—推理”计算全链条的企业之一。相关详细分析请参见此前关于摩尔线程的专题文章：《定义权之战：摩尔线程如何用“软件生态”破局具身智能计算？》。智平方则将业务重心集中于端到端具身大模型，其自主研发的Alpha Brain系统已成功应用于汽车与半导体等高端制造场景。

在芯片层面上，双方的合作被明确划分为三个递进的阶段：首先，在云端训练环节，智平方的Alpha Brain模型成功部署于摩尔线程所运营的夸娥万卡智算集群之上，从而实现了高达60%的模型算力利用效率；其次，进入仿真验证阶段，合作方运用了摩尔线程发布的MT Lambda仿真平台。该平台依托其全功能GPU架构，使得渲染、物理仿真以及AI计算三者得以在同一芯片内实现“零拷贝”的数据协同，这一特性显著缩短了从模拟到现实的转换周期；最后，在端侧推理阶段，Alpha Bot设备搭载了摩尔线程MTT E300 AI模组，该模组具备了提供50 TOPS本地算力的能力，从而支持在无网络连接的条件下完成实时推理任务。通过这三个层面的贯通，从模型训练、仿真验证最终到端侧部署，整体方案在芯片基础之上，成功构建了涵盖国产大模型与国产GPU的完整技术闭环。

最后，将讨论拉回最初的核心问题：究竟是谁掌握着机器人“大脑”的核心命门？目前，这个问题尚未形成定论。然而，一个清晰的趋势是，该问题的界定权已不再局限于芯片公司单一主体。本体企业的参与程度——无论是借助于成立合资公司、进行战略投资，还是开展联合定义研发——正日益成为影响这一答案走向的关键变量。

来源：合资造芯、战略入股、反向定义：谁在掌握机器人“大脑”的命门？ | 具身研习社