今年投资者日，高通把公司未来画成三条线：

◎ 第一条是数据中心：用Dragonfly C1000和HBC冲进服务器市场；

◎ 第二条是平台化：从卖硅片到卖完整的硬件软件AI开发者解决方案；

◎ 第三条，叫"智能体和物理AI计算"。

CPU去打英特尔AMD，HBC去打HBM，收Modular补软件短板，都是清晰的技术路径。

第三条乍一听有点抽象：物理AI到底是什么？高通高级副总裁Nitin Duggal，高通在汽车上验证了十年的商业模式，正在被移植到工业IoT和机器人两个新战场。

01

高通怎么做机器人，

物理 AI 是核心底层逻辑

高通对物理AI的定义是能感知、能思考、能行动，在本地实时完成，不需要把所有数据传回云端等结果。

◎ 第一层，高通叫"仪表化AI"。理解物理世界的状态。工业PLC、智能电表、IP摄像头都属于这一层。做的事是测量、计算、激活/关闭，然后收集数据上报。不需要和人互动，但需要持续不间断地感知环境。

◎ 第二层，"人机交互AI"。理解人在说什么、要什么，然后在数字世界里行动。商场里的交互屏、警察身上的执法记录仪、餐厅的点餐机器人，都是这个层次的设备。它们的核心能力是听懂指令、收集数据、给出反馈。

◎ 第三层，"具身AI"。直接作用于物理世界。自动驾驶汽车、双足人形机器人、四足机器人、机械臂。这一层的设备不仅需要前两层的感知和交互能力，还需要实时运动规划、精细操控、多智能体协同。

这三层的AI经济价值总量从2025年的3000亿美元爬到2035年的1万亿美元。其中增量最大的部分，恰好是具身AI，汽车、机器人、无人机开始大规模进入物理作业场景。

高通在汽车上证明从零进入一个完全陌生的硬件市场，靠计算平台而不是靠单一芯片的性价比，十年内做到全球头部的车载芯片供应商。

90万辆以上的智能座舱用了五代骁龙计算平台，450款新车搭载骁龙，25家以上OEM在量产车上用骁龙Ride智驾方案跑在60个国家，23个连续季度同比两位数增长，650亿美元设计订单储备。

高通找到了一套可以复制的打法"：先进入一个硬件形态相对确定的市场，然后用自己的计算基因（低功耗、高性能SoC、多模态感知、全栈软件）把产品从单颗芯片升维成平台方案，最后在这个市场里建立品牌、渠道和客户信任。

汽车打过了。现在这套打法正在被平移到工业IoT和机器人两个新市场。

02

一台机器人是三个系统

高通发布了机器人计算架构里最有意思的一个概念：机器人不是一台电脑，是三台。

机器人和手机、电脑不同。手机只有一个工作流：屏幕亮了以后跑APP。

机器人的工作流是三条同时跑的并行线，要想（推理和规划）、要动（运动控制和轨迹跟踪）、要感知（实时的传感器数据处理和环境交互）。

一个人形机器人在产线上拧螺丝。

◎ 它的"大脑"需要知道今天是拧哪种型号的螺丝、拧几圈、扭矩多大（这是推理，System 2）；

◎ 它的"小脑"需要把"拧螺丝"三个字翻译成每个关节转多少度、按什么顺序发力（这是运动规划，System 1）；

◎ 它的"神经"需要在毫秒级别把每个伺服电机的电流波形控制到位、同时监测触觉传感器反馈回来的力度数据、一旦感觉拧不动立即刹车（这是实时控制，System 0）。

三条线不能串行。不能等大脑想完小脑再动。必须同时跑，而且互相之间不能干扰。

高通的方案是把SoC架构设计成三个独立又协作的计算域：

◎ System 2，推理层。 

18核CPU（含实时处理器），700 TOPS多NPU，64GB内存，超过270GB/s带宽。用来跑VLA（视觉语言动作）大模型、长时间规划和智能体编排。这一层和手机的旗舰SoC基因最接近。

◎ System 1，行动层。 

实时控制感知。把System 2的高层决策转化成具体的关节运动指令。这一层的技术门槛来自汽车的ADAS——高通在自动驾驶的实时路径规划和车辆控制上已经跑了多年。

◎ System 0，执行层。

 触摸传感、马达控制、确定性以太网通信。这是最底层的高速实时闭环，高通专门做了一个多传感器ASIC来处理触觉反馈阵列的数据采集。

而且System 0走的是确定性以太网——不是普通工业以太网，是纳秒级同步的确定性网络，保证每个关节控制器的时钟对齐。

三个系统在物理上是分开的计算域，在逻辑上通过高速互联和确定性网络串成一个完整的机器人"大脑-小脑-神经"回路。

这个架构从手机和汽车芯片的设计经验里长出来，但最终解决的是一个手机和汽车都不需要解决的问题：如何在有限的功耗和散热预算里，同时跑通推理、规划、控制和感知四条线。

Dragonwing IQ10：高通的第一张机器人名片

高通发布了机器人参考设计Dragonwing IQ10。

核心参数：700 TOPS AI算力、18核CPU、64GB内存、超过270GB/s内存带宽（专门为大型VLA模型优化）、支持40多个传感器同时接入（摄像头、激光雷达、深度感知、热成像）、工业级可靠性和安全等级（ECC内存、锁步CPU、安全岛、SIL3认证）。IQ10已经在多种机器人形态上跑起来了。

PPT里展示了纽约大学和Neura Robotics的七自由度MAiRA认知机械臂、53自由度的4NE-1第三代双足人形机器人。

高通明确说了IQ10在Neura的设计路线上。机器人不像手机和PC，没有一个标准化的硬件规格。

高通的选择不是只卖芯片，是提供"参考设计"——把SoC、传感器接口、运动控制、确定性网络全部打包成一个可以即刻上手的平台。机器人公司在这个平台上跑自己的算法和上层应用。

这个打法和手机时代的高通一模一样。手机厂不需要从零设计基带和射频，买骁龙参考设计就能搭起一部手机。高通把同样的套路移植到机器人：参考设计→OEM定制→量产。

物理AI最难的地方不是芯片，是数据。和云端大模型不一样，大语言模型训练数据在互联网上到处都是，爬就行。机器人数据没有现成的。机器人在物理世界里的每一个动作、每一次抓取、每一次避障，都需要真实世界的交互数据作为训练素材。

高通搭了一座数据金字塔，从底层到顶层：

◎ 最底层是公开数据源：YouTube上的视频、第一视角活动数据集、开源机器人操作数据。

◎ 第二层是合成数据：用仿真器（物理引擎、渲染引擎、传感器硬件在环）自动生成各种机器人操作场景。

◎ 第三层是高通的生态数据：全球开发者社区和合作伙伴的触觉传感器采集数据。

◎ 到了塔尖，才是真实部署场景里的数据：机器人在产线上实际运行中采集的触觉和运动数据。

高通在工具链上也做了配套。

◎ 收购Edge Impulse（ML Ops平台）解决了模型从训练到部署的端到端流水线。

◎ 集成ROS（机器人操作系统）解决了算法开发者的工具链问题。

◎ 和Arduino合作，200多美元的开发板就能跑IQ平台的入门体验——33万用户、118万次下载的Arduino社区是高通拉拢开发者生态的捷径。

还有一个信号很关键。高通发布了一款叫"Arduino Ventuno Q"的开发板，今年夏天就能在Amazon和经销商渠道买到。

上面跑的是Dragonwing芯片，任何人都可以拿它来搭自己的机器人原型。这个动作意味着高通不是在跟几家公司做定制项目，是在养一个开放生态。

高通在Physical AI三个行业，汽车、工业IoT、机器人，从骁龙/龙翼（Dragonwing）的核心计算IP出发。同一个物理AI平台。

◎ 汽车线：已经跑通的商业模式。

从智能座舱到ADAS到Robotaxi，从SoC到AI加速器到HBC，软件栈兼容多代际多级别。安蒙在投资者日上说了一个有意思的判断："汽车不是高通的一个新实验，是一个跑通了十年、每一个季度都在加速的成长故事。"

◎ 工业IoT线：正在跑。

IT-OT融合、AI嵌入工厂运作平面、视觉检测套件和工人助手方案。靠的是渠道生态伙伴——45家系统集成商、200多家硬件技术方案商、35家分销商。高通自己在PPT里说了，2024到2026年间超过77%的IoT收入是通过中间渠道出去的。

◎ 机器人线：刚起步，但架构已经拉满了。

从移动机器人到机械臂到人形机器人，从700 TOPS的IQ10到后续的IQ9和IQ8（覆盖不同算力级别和成本段），从参考设计到开发者社区到数据飞轮。

小结

三个行业，同一个IP底座。芯片架构复用率越高，研发摊薄越充分，成本优势越明显，在三个行业里卖的"芯片"形态可以完全不同（汽车是SoC加ADAS加速器，工业是边缘AI盒子，机器人是IQ10参考设计），但底层跑的都是同一套Oryon CPU、Adreno GPU、Hexagon NPU的核心IP。

       原文标题 : 高通的机器人战略，System 0、1、2架构分别是什么？