7月15日，借助参加地瓜机器人媒体沟通会的机会，对这家公司有了更深一层的理解。

过去在观察地瓜公司时，人们容易将其理解为一家专注于机器人芯片的企业。而在听完这场媒体沟通会并观看了产品演示之后，则更倾向于将其置于另一个位置：它正在搭建具身智能进入量产时代所必需的底层基础设施。

本次活动的主题表达得非常直接：借助旭日S600来开启具身智能机器人量产的新纪元。

在现场得以见到地瓜机器人的创始人王丛，也得以看到石智航、帕西尼、智在无界、章鱼动力等生态伙伴，以及旭日S600算力平台和RDK S600开发套件。

表面上，这场媒体沟通会所讲述的主要内容是一颗芯片、一个开发平台以及一些客户进展情况；但从更深层次来看，地瓜机器人真正想要回答的问题在于，当机器人从Demo阶段走向量产阶段时，行业所缺乏的是能够让机器人实现批量、稳定且可复制落地的底层系统。

现场最明显的感受是，地瓜在看待产品、技术以及商业这些方面时，均会采用以终为始的方法来开展决策。王丛身上有一种很稳定的战略判断：不急着给行业下判断，而是要把地瓜打造成具身智能的基础设施。

这里面其实带有一点存在主义的味道：并非先由环境对自己是谁进行预设，而是在一次次行动当中对自己所扮演的角色进行定义。

今年具身智能领域所发生的最大变化，在于它要从Demo阶段走向量产阶段。

其中，工厂客户所更关心的在于：机器人进行干活的性价比怎么样？如果换一个工序，那么它还能不能稳定地跑起来？批量部署难不难？

旭日S600正是围绕这个问题来的。

从硬件角度来看，旭日S600是面向具身智能的大算力SoC，搭载4核Nash BPU以提供560TOPS INT8端侧算力；配备18核CPU来进行复杂任务调度；另外采用6核R52+ MCU来实现实时控制；内存带宽达到204.8GB/s。

这些参数的意义，不只是算力大。

随着客户需求的持续提升，机器人需要同时对多路视觉信息、语音交互内容、空间感知数据、任务规划方案以及VLA、VLM和LLM推理过程进行处理，同时还要对几十个关节、电机以及传感器开展控制工作。它既需要运用“大脑”来进行感知决策，也需要借助“小脑”来实现实时控制。

所以，为什么需要特别强调端侧计算？云端虽然可以承担模型训练、高层任务规划以及大规模数据计算这些工作，但当机器人真正进入工厂环境之后，网络出现的抖动、延迟或者断连情况，都可能会转化为动作执行失败、节拍时间损失，甚至引发停线这样的风险。因此，实时控制、反馈纠偏以及安全响应这些关键功能，必须尽量在机器人本体侧来完成。

因此，S600的关键之处在于，它把大模型推理、多模态感知以及运动控制这些环节全部纳入到一个端侧闭环系统之中。

RDK S600开发套件则解决了如何将其运用起来的问题。

在此需要明确区分两种不同形态：RDK S600模组主要面向量产集成环节，能够直接装入客户自身的机器人控制器以及整机系统当中；RDK S600开发者套件则主要面向原型验证和真实机器调试工作，它支持MIPI相机，并且能够借助扩展板来接入GMSL相机、PCIe、USB、网络外设以及自定义扩展接口，从而方便工程师连接各类传感器、运行模型并调试算法。

前者所解决的是如何将其装进机器人内部的问题，而后者则解决了如何让其快速跑起来的问题。

RDK S600模组支持从-40℃到105℃的宽温工作范围，它借助11项可靠性验证来确保稳定性能，这些验证覆盖了高温、高湿、振动以及高负载等各类真实工况。机器人需要进入工厂、仓库、户外以及家庭等场景当中，而不是仅在恒温机房里运行各类模型。算力无论看起来多么出色，如果它无法在物理世界中保持稳定运行，那么就失去了实际意义。

地瓜真正所要做的工作，是把这些环节有机地连结起来：首先借助开发者套件来跑通Demo，然后运用模组进入真实场景开展调试工作，最后依赖于产业链伙伴来走向千台以及万台级的量产。

此外，这条通路还不能仅仅依赖于硬件本身。地瓜这次还介绍了Moss Agent Engine、RoboGo以及RDK Studio所组成的这一套工具链。

RoboGo所负责的是对云端的数据生成、模型训练、仿真验证、评测、量化以及端侧部署这些环节开展处理；RDK Studio则可以解决PC端的设备连接、应用开发和调试这些方面的工作；Moss Agent Engine则是面向机器人硬件开发的AI Agent框架，它能够理解硬件文档、调用调试工具、辅助生成代码并且完成设备调试的任务。

这表明地瓜所想要打造的基础设施，是从算力、模组以及开发套件，再到模型部署、仿真训练以及开发工具的一整套工程系统。对于那些注重效率的机器人创业公司而言，这套系统所具备的价值在于帮助他们避免走弯路、减少重复造轮子的工作，从而把更多精力放回到场景和产品本身。

二、当它实际进厂开展验证工作时，所检验的正是地瓜所具备的硬核功夫。

在本次沟通会当中，最具分量的一个案例，便是地瓜与石智航之间所建立起来的合作关系。

石智航全新一代A3轮式双臂具身工业机器人全面搭载了旭日S600，面向工业、汽车以及科研等场景开启了规模化落地量产进程。双方针对3B参数级具身大模型完成了S600平台适配以及性能调优工作，首期仅耗时5天便成功实现了真机部署。

它所要做的工作是对柔性线束装配进行处理。这类任务在工业自动化领域之中被称作“哥德巴赫猜想”，这是因为线束在过程中会出现变形、会出现遮挡、位置也会发生偏移，而且接触状态也比较复杂，所以对环境感知、物理预判、力控精度以及自主纠错这些方面所提出的要求都很高。

因此，它所需要的并非是一块普通的算力板，而是一套能够让通用大脑在真实产线环境中实时且稳定地开展运行的端侧算力底座。

石智航联合创始人陈同庆在现场阐述得非常明确：过去两年时间里行业并不缺乏那些会跑动、会跳跃以及会端送咖啡的机器人演示版本，然而当这些机器人真正进入到工厂环境开展作业的时候，客户所关注的并非某一次高难度动作是否可以成功完成，而是机器人能否长时间地、稳定地并且连续不断地创造出实际价值。

他还进一步把产线所面临的问题拆解为三笔具体的账来进行衡量，其中涵盖成功率、节拍效率以及部署成本这些关键方面。

每一次推理过程出现延迟、每一次规划过程发生卡顿、每一次失败之后开展重试，这些情形都会转变为实际的产能损失；如果一个新场景上线时还需要进行月级的调试工作、大量专家的介入以及重新训练，那么就无法实现规模化的复制。

这正是地瓜能提供价值的地方。

陈同庆所讲的一句话显得尤为关键：石智航负责打造通用大脑，而S600则提供了让这个大脑能够在真实产线环境中实时且稳定地开展运行的端侧算力底座。端侧算力并非一项可选项，而是构成了具身智能实现产业化的基础设施。

石智航所关注的也不仅仅只是模型的参数指标。在现场交流的过程当中，石智航方面提到，模型首次就能够在端侧大算力平台上成功实现实时且高帧率的运行状态，这样的进展完全超出了他们的预期；与此同时，地瓜团队在模型适配工作、工程支持方面以及生态参考方案的提供上响应速度非常快，这一点能够有效帮助他们把整个开发链路顺利跑通。

这就表明，地瓜所提供的并非单点芯片供给，而是涵盖S600端侧算力、RDK S600硬件体系、模型适配能力、软件工具链、产业链伙伴以及工程联调能力这些关键要素。

这其实更像是一次双方共同创造价值的过程，而并非一种单向服务供给。

三、朋友圈越是广泛，其实就越能够证明行业所要寻找的正是这样一个可以依赖的底层底座。

地瓜在本次活动中对相关信息进行了披露，其中旭日S600已经成功与20多家头部客户达成了合作关系，并且以此为基础联动100多家产业链伙伴共同完成了协同适配的工作。简单一句话可以总结为：地瓜的人品很好、朋友很多、底座能力很强。

地瓜所构建的朋友圈涵盖了石智航、千寻智能、自变量机器人、智在无界、优必选、帕西尼、北京人形机器人创新中心、人形机器人（上海）公司以及小雨智造等合作伙伴。这些合作伙伴所覆盖的方向包括人形机器人、工业具身、3C柔性作业、具身大模型以及全模态感知等多个关键方面。

这件事不能仅仅理解为因为朋友的数量增加了，从而让场面显得更加热闹。

这一现象说明，那些最接近真实落地场景的一批人，已经形成了共识：具身智能如果要实现量产，就不能仅仅只有本体，不能仅仅只有模型，也不能仅仅只有一颗芯片。它需要端侧算力、工具链、工程支持、供应链以及开发者生态共同走向成熟。

虽然这些客户的具体需求各不相同，但他们在底层所面临的核心问题却是相似的。

千寻智能需要对Spirit v1.5进行端侧适配工作；智在无界的世界模型需要进行端侧实时推理；帕西尼对触觉和全模态感知进行处理，关注复杂非结构化场景里的感知闭环；北京人形、人形机器人（上海）这样的本体平台，更看重算力底座能不能进入量产验证。

地瓜所要做的工作，就是对这些共性问题进行沉淀，从而形成平台能力。

这里也可以看出王丛在打造地瓜公司时所采用的底层方法，那就是先开展行动，然后再对自身角色进行定义。地瓜公司并没有先去宣布自己是“机器人时代的基础设施”，然后等待行业对其进行承认；而是依赖于在一个个具体项目当中，把自己逐步塑造成为这个角色。

很多需求并非通过一次访谈就能够获取得到，而是在两三个月联合调试的过程当中一点一点地逐步形成的。对地瓜来说，这种需求的积累，要比一句漂亮的定位表述显得更为重要。

四、基础设施不是位置，是信任关系

王丛押注基础设施，这就意味着地瓜需要承担起另一种责任：不去伸手抢夺客户的具体场景，也不把自己转变成客户所面临的潜在压力。

这点很关键。

王丛表示，地瓜公司开展自研算法的工作，目的是为了协助客户完成芯片适配的任务，他们会首先把基础模型以及基础算法顺利跑通，然后客户就可以在此基础之上迭代自身所具备的场景能力。更重要的是，地瓜公司绝对不会获取客户的业务数据。

机器人公司未来最值钱的资产，除了本体之外，还有从真实场景中所获取的数据以及所积累的工艺经验。如果一个底座公司既要销售芯片，又要获取数据，还要介入到客户最核心的场景资产当中，那么其生态就很难长大。

因此地瓜公司当前所做出的选择，是将自身置于更为底层的战略位置之上。

这是一种克制，也是一种野心。

面对英伟达所构建的生态体系，王丛承认如果客户切换芯片架构，那么一定会产生适配成本。但他的判断是，英伟达方案如果要跑出高效率，同样需要开展深度量化以及端侧优化工作，只是大家已经熟悉了那套路径。

这不是硬碰硬，而是两套玩法。

当然，这条道路不会没有挑战。英伟达不会停在原地，摩尔线程、沐曦、高通以及更多国产AI芯片公司，都在对具身智能方面进行关注。

此外，具身智能领域本身目前仍处于早期发展阶段。对于世界模型应当如何运用、真实数据与仿真数据应当如何进行配比、端侧模型在未来会增长到怎样的规模，以及500TOPS的算力是否能够长期满足需求这些问题，目前都还没有形成标准答案。

然而地瓜仍然值得看好的原因在于，它所抓住的是一个更底层的问题。

中国机器人产业要真正发展壮大起来，就不能仅仅依赖于自身的本体部分，也不能仅仅局限于自身所打造的大脑模型。它还需要构建起属于自己的芯片、系统软件、开发工具以及开发者生态。

所以，地瓜机器人真正所提供的，也并不仅仅局限于一颗芯片或一块开发板。

它所打造的是机器人迈向量产阶段时最为稀缺的能力：将一次次不确定的试错过程，转变为可复制的工程确定性，从而让行业得以重新定义自身。

这或许才是王丛押注基础设施这一路径所蕴含的最深层逻辑。

7月15日，作者借助参加地瓜机器人媒体沟通会的这一机会，对这家公司开展了更深一层次的理解工作。
在过去观察地瓜公司的时候，人们容易将其理解为一家专注于机器人芯片的企业。而在听完这场媒体沟通会并且观看了产品演示之后，则更倾向于将其置于另一个位置：它正在搭建具身智能进入量产时代所必需的底层基础设施。
本次活动的主题表达得非常直接：借助旭日S600来开启具身智能机器人量产的新纪元。
在现场得以见到地瓜机器人的创始人王丛，也得以看到石智航、帕西尼、智在无界、章鱼动力等生态伙伴，以及旭日S600算力平台和RDK S600开发套件。
表面上，这场媒体沟通会所讲述的主要内容是一颗芯片、一个开发平台以及一些客户进展情况；但从更深层次来看，地瓜机器人真正想要回答的问题在于，当机器人从Demo阶段走向量产阶段时，行业所缺乏的是能够让机器人实现批量、稳定且可复制落地的底层系统。
现场最明显的感受是，地瓜在看待产品、技术以及商业这些方面时，均会采用以终为始的方法来开展决策。王丛身上有一种很稳定的战略判断：不急着给行业下判断，而是要把地瓜打造成具身智能的基础设施。
这里面其实带有一点存在主义的味道：并非先由环境对自己是谁进行预设，而是在一次次行动当中对自己所扮演的角色进行定义。
今年具身智能领域所发生的最大变化，在于它要从Demo阶段走向量产阶段。
其中，工厂客户所更关心的在于：机器人进行干活的性价比怎么样？如果换一个工序，那么它还能不能稳定地跑起来？批量部署难不难？
从硬件角度来看，旭日S600是面向具身智能的大算力SoC，搭载4核Nash BPU以提供560TOPS INT8端侧算力；配备18核CPU来进行复杂任务调度；另外采用6核R52+ MCU来实现实时控制；内存带宽达到204.8GB/s。
随着客户需求的持续提升，机器人需要同时对多路视觉信息、语音交互内容、空间感知数据、任务规划方案以及VLA、VLM和LLM推理过程进行处理，同时还要对几十个关节、电机以及传感器开展控制工作。它既需要运用大脑来进行感知决策，也需要借助小脑来实现实时控制。
所以，为什么需要特别强调端侧计算？云端虽然可以承担模型训练、高层任务规划以及大规模数据计算这些工作，但当机器人真正进入工厂环境之后，网络出现的抖动、延迟或者断连情况，都可能会转化为动作执行失败、节拍时间损失，甚至引发停线这样的风险。因此，实时控制、反馈纠偏以及安全响应这些关键功能，必须尽量在机器人本体侧来完成。
因此，S600的关键之处在于，它把大模型推理、多模态感知以及运动控制这些环节全部纳入到一个端侧闭环系统之中。
RDK S600开发套件则解决了如何将其运用起来的问题。
在此需要明确区分两种不同形态：RDK S600模组主要面向量产集成环节，能够直接装入客户自身的机器人控制器以及整机系统当中；RDK S600开发者套件则主要面向原型验证和真实机器调试工作，它支持MIPI相机，并且能够借助扩展板来接入GMSL相机、PCIe、USB、网络外设以及自定义扩展接口，从而方便工程师连接各类传感器、运行模型并调试算法。
前者所解决的是如何将其装进机器人内部的问题，而后者则解决了如何让其快速跑起来的问题。
RDK S600模组支持从-40℃到105℃的宽温工作范围，它借助11项可靠性验证来确保稳定性能，这些验证覆盖了高温、高湿、振动以及高负载等各类真实工况。机器人需要进入工厂、仓库、户外以及家庭等场景当中，而不是仅在恒温机房里运行各类模型。算力无论看起来多么出色，如果它无法在物理世界中保持稳定运行，那么就失去了实际意义。
地瓜真正所要做的工作，是把这些环节有机地连结起来：首先借助开发者套件来跑通Demo，然后运用模组进入真实场景开展调试工作，最后依赖于产业链伙伴来走向千台以及万台级的量产。
此外，这条通路还不能仅仅依赖于硬件本身。地瓜这次还介绍了Moss Agent Engine、RoboGo以及RDK Studio所组成的这一套工具链。
RoboGo所负责的是对云端的数据生成、模型训练、仿真验证、评测、量化以及端侧部署这些环节开展处理；RDK Studio则可以解决PC端的设备连接、应用开发和调试这些方面的工作；Moss Agent Engine则是面向机器人硬件开发的AI Agent框架，它能够理解硬件文档、调用调试工具、辅助生成代码并且完成设备调试的任务。
这表明地瓜所想要打造的基础设施，是从算力、模组以及开发套件，再到模型部署、仿真训练以及开发工具的一整套工程系统。对于那些注重效率的机器人创业公司而言，这套系统所具备的价值在于帮助他们避免走弯路、减少重复造轮子的工作，从而把更多精力放回到场景和产品本身。
二、当它实际进厂开展验证工作时，所检验的正是地瓜所具备的硬核功夫。
在本次沟通会当中，最具分量的一个案例，便是地瓜与石智航之间所建立起来的合作关系。
石智航全新一代A3轮式双臂具身工业机器人全面搭载了旭日S600，面向工业、汽车以及科研等场景开启了规模化落地量产进程。双方针对3B参数级具身大模型完成了S600平台适配以及性能调优工作，首期仅耗时5天便成功实现了真机部署。
它所要做的工作是对柔性线束装配进行处理。这类任务在工业自动化领域之中被称作“哥德巴赫猜想”，这是因为线束在过程中会出现变形、会出现遮挡、位置也会发生偏移，而且接触状态也比较复杂，所以对环境感知、物理预判、力控精度以及自主纠错这些方面所提出的要求都很高。
因此，它所需要的并非是一块普通的算力板，而是一套能够让通用大脑在真实产线环境中实时且稳定地开展运行的端侧算力底座。
石智航联合创始人陈同庆在现场阐述得非常明确：过去两年时间里行业并不缺乏那些会跑动、会跳跃以及会端送咖啡的机器人演示版本，然而当这些机器人真正进入到工厂环境开展作业的时候，客户所关注的并非某一次高难度动作是否可以成功完成，而是机器人能否长时间地、稳定地并且连续不断地创造出实际价值。
他还进一步把产线所面临的问题拆解为三笔具体的账来进行衡量，其中涵盖成功率、节拍效率以及部署成本这些关键方面。
每一次推理过程出现延迟、每一次规划过程发生卡顿、每一次失败之后开展重试，这些情形都会转变为实际的产能损失；如果一个新场景上线时还需要进行月级的调试工作、大量专家的介入以及重新训练，那么就无法实现规模化的复制。
陈同庆所讲的一句话显得尤为关键：石智航负责打造通用大脑，而S600则提供了让这个大脑能够在真实产线环境中实时且稳定地开展运行的端侧算力底座。端侧算力并非一项可选项，而是构成了具身智能实现产业化的基础设施。
石智航所关注的也不仅仅只是模型的参数指标。在现场交流的过程当中，石智航方面提到，模型首次就能够在端侧大算力平台上成功实现实时且高帧率的运行状态，这样的进展完全超出了他们的预期；与此同时，地瓜团队在模型适配工作、工程支持方面以及生态参考方案的提供上响应速度非常快，这一点能够有效帮助他们把整个开发链路顺利跑通。
这就表明，地瓜所提供的并非单点芯片供给，而是涵盖S600端侧算力、RDK S600硬件体系、模型适配能力、软件工具链、产业链伙伴以及工程联调能力这些关键要素。
这其实更像是一次双方共同创造价值的过程，而并非一种单向服务供给。
三、朋友圈越是广泛，其实就越能够证明行业所要寻找的正是这样一个可以依赖的底层底座。
地瓜在本次活动中对相关信息进行了披露，其中旭日S600已经成功与20多家头部客户达成了合作关系，并且以此为基础联动100多家产业链伙伴共同完成了协同适配的工作。简单一句话可以总结为：地瓜的人品很好、朋友很多、底座能力很强。
地瓜所构建的朋友圈涵盖了石智航、千寻智能、自变量机器人、智在无界、优必选、帕西尼、北京人形机器人创新中心、人形机器人（上海）公司以及小雨智造等合作伙伴。这些合作伙伴所覆盖的方向包括人形机器人、工业具身、3C柔性作业、具身大模型以及全模态感知等多个关键方面。
这件事不能仅仅理解为因为朋友的数量增加了，从而让场面显得更加热闹。
这一现象说明，那些最接近真实落地场景的一批人，已经形成了共识：具身智能如果要实现量产，就不能仅仅只有本体，不能仅仅只有模型，也不能仅仅只有一颗芯片。它需要端侧算力、工具链、工程支持、供应链以及开发者生态共同走向成熟。
虽然这些客户的具体需求各不相同，但他们在底层所面临的核心问题却是相似的。
千寻智能需要对Spirit v1.5进行端侧适配工作；智在无界的世界模型需要进行端侧实时推理；帕西尼对触觉和全模态感知进行处理，关注复杂非结构化场景里的感知闭环；北京人形、人形机器人（上海）这样的本体平台，更看重算力底座能不能进入量产验证。
地瓜所要做的工作，就是对这些共性问题进行沉淀，从而形成平台能力。
这里也可以看出王丛在打造地瓜公司时所采用的底层方法，那就是先开展行动，然后再对自身角色进行定义。地瓜公司并没有先去宣布自己是“机器人时代的基础设施”，然后等待行业对其进行承认；而是依赖于在一个个具体项目当中，把自己逐步塑造成为这个角色。
很多需求并非通过一次访谈就能够获取得到，而是在两三个月联合调试的过程当中一点一点地逐步形成的。对地瓜来说，这种需求的积累，要比一句漂亮的定位表述显得更为重要。
王丛押注基础设施，这就意味着地瓜需要承担起另一种责任：不去伸手抢夺客户的具体场景，也不把自己转变成客户所面临的潜在压力。
王丛表示，地瓜公司开展自研算法的工作，目的是为了协助客户完成芯片适配的任务，他们会首先把基础模型以及基础算法顺利跑通，然后客户就可以在此基础之上迭代自身所具备的场景能力。更重要的是，地瓜公司绝对不会获取客户的业务数据。
机器人公司未来最值钱的资产，除了本体之外，还有从真实场景中所获取的数据以及所积累的工艺经验。如果一个底座公司既要销售芯片，又要获取数据，还要介入到客户最核心的场景资产当中，那么其生态就很难长大。
因此地瓜公司当前所做出的选择，是将自身置于更为底层的战略位置之上。
面对英伟达所构建的生态体系，王丛承认如果客户切换芯片架构，那么一定会产生适配成本。但他的判断是，英伟达方案如果要跑出高效率，同样需要开展深度量化以及端侧优化工作，只是大家已经熟悉了那套路径。
当然，这条道路不会没有挑战。英伟达不会停在原地，摩尔线程、沐曦、高通以及更多国产AI芯片公司，都在对具身智能方面进行关注。
此外，具身智能领域本身目前仍处于早期发展阶段。对于世界模型应当如何运用、真实数据与仿真数据应当如何进行配比、端侧模型在未来会增长到怎样的规模，以及500TOPS的算力是否能够长期满足需求这些问题，目前都还没有形成标准答案。
然而地瓜仍然值得看好的原因在于，它所抓住的是一个更底层的问题。
中国机器人产业要真正发展壮大起来，就不能仅仅依赖于自身的本体部分，也不能仅仅局限于自身所打造的大脑模型。它还需要构建起属于自己的芯片、系统软件、开发工具以及开发者生态。
所以，地瓜机器人真正所提供的，也并不仅仅局限于一颗芯片或一块开发板。
它所打造的是机器人迈向量产阶段时最为稀缺的能力：将一次次不确定的试错过程，转变为可复制的工程确定性，从而让行业得以重新定义自身。
这或许才是王丛押注基础设施这一路径所蕴含的最深层逻辑。

来源：地瓜机器人进入量产现场，王丛押注具身智能的基础设施 | OFweek机器人网