0
“比較幸運的是，我們堅持了最開始相信的事。” 在被問及黑芝麻智能如何在機器人賽道守住先發優勢時，黑芝麻智能 CMO 楊宇欣語氣篤定。
日前，黑芝麻智能于其機器人平臺產品發布會上正式官宣布局機器人業務，推出業界首個機器人商業化專屬部署平臺——SesameX?多維具身智能計算平臺，包含Kalos（視覺驅動）、Aura（感控協同）、Liora（認知進化）三大核心模塊，已應用于物流車、四足機器人等場景。
對于此次機器人平臺的布局，楊宇欣明確表示，這并非跨界之舉，而是業務的自然延伸。據雷峰網了解，黑芝麻智能的機器人業務在2024年底啟動，截至目前已有多個項目成功落地。該業務在公司整體營收中占比仍較低，尚處于戰略布局階段，但卻是其從智能汽車計算芯片向全域智能計算平臺拓展的關鍵里程碑。
黑芝麻智能堅定扮演 “賦能者” 角色，它并未選擇親自下場造機器人，短期內也無專為機器人研發芯片的計劃，而是立足芯片主業，最大限度復用智駕領域的技術與生產經驗，在工具鏈、IO 等維度適配現階段機器人客戶的場景需求。
從商業落地來看，黑芝麻智能為機器人業務線錨定了 “卡位 + 布局” 的核心定位。“卡位” 是指在未來機器人產業鏈中明確自身技術邊界，“布局” 則是提前鎖定潛在優質客戶、理順上下游產業關系。
從智駕芯片龍頭向機器人算力平臺拓展，黑芝麻智能試圖卡位機器人賽道，成為 AI 時代的端側 AI 計算平臺供應商。
以下為黑芝麻CMO楊宇欣、機器人業務線負責人徐勁與雷峰網等媒體的對話內容，雷峰網(公眾號：雷峰網)作了不改變原意的編輯：
Q：機器人平臺發布之后，商業化進程大概是怎樣的？大概多久能夠在推進過程中看到一些收益體現？
楊宇欣：實際上，黑芝麻的機器人業務早在 2024 年底就啟動布局，之所以現在才發布相關平臺，是因為目前機器人市場仍處在非常早期的階段，很難說我們已經摸清了市場的邊界。
但從業務落地的角度來看，黑芝麻機器人業務在去年底今年初就已實現首批項目落地并產生了收入。當前階段，隨著黑芝麻機器人平臺邊界的清晰和行業共性需求的提煉，未來其機器人業務的商業化進程將迎來加速。
Q：此次共公布了三大平臺十款產品，但為何未提及與智駕芯片對應的具體型號？
徐勁：黑芝麻進入機器人領域并非跨界，而是智能汽車領域諸多能力的自然延伸，芯片便是其中之一。此次推出的機器人芯片與智駕芯片存在一定對應關系。之所以沒有逐一列出具體型號，一方面是機器人當前出貨量遠低于汽車，單獨售賣芯片顯然不具備可行性；
另一方面是兩者的應用需求存在差異，機器人的軟硬件體系均未成熟，僅提供芯片無法實現業務落地。因此，我們希望將芯片整合定義為模組，在 IO 接口上更適配機器人的需求，并在此基礎上疊加底層軟件工具鏈，包括各類算法模型，通過更上層的 “原子模型層” 為機器人產業賦能。
楊宇欣：盡管機器人業務所用芯片底層仍是車規級芯片，但實際上我們并未將其型號與智駕芯片完全對應。原因在于不少機器人廠商是算法出身，并不擅長底層嵌入式開發與工程化落地工作。如果直接向其提供芯片，我們需要投入的技術支持資源，會遠超服務一家車企的投入，這對雙方而言都不是最優解。倘若未來出現年出貨量達千萬級的機器人企業，我們的商業模式也會隨著產業鏈的發展而動態調整，從而實現合作共贏。
Q：此次機器人“模組” 的概念是否與過往黑芝麻智能 Tier2 的定位有所偏差？是否意味著比過往做的事情更多了？
楊宇欣：首先，機器人產業鏈尚未形成像汽車行業那樣清晰的 Tier1、Tier2 分工，相關分工概念本身就源自汽車行業；
其次，黑芝麻智能的核心定位始終是 “賦能”，即無論采取何種方式，只要能更好地賦能客戶，我們就會選擇當下最合適的商業模式與技術邊界。
模組只是平臺能力的硬件載體，在模組之上，底層操作系統、通用操作系統、中間件及參考模型，都能為客戶提供更全面的支持。最終要回歸商業化落地的本質，與我們合作的對象既可以是機器人終端廠商，也可以是方案集成商，比如與華為電力的合作，我們雙方之間仍需要中間人，很難用傳統汽車行業的 Tier1 或 Tier2 標準，簡單界定我們的角色。
Q：機器人業務何時能釋放商業利好，形成實質性合作或落地？機器人業務是否以獨立子公司形式運作？目前人員與資源配置情況如何？
楊宇欣：機器人業務是在上市公司體系內推進的，公司當前最重要的目標是把現有業務經營好。從資源投入來看，芯片、底層軟件和工具鏈等底層技術，均來自集團研發資源，屬于各業務可共享的資源，只是會根據機器人業務的需求進行二次開發；機器人業務的投入更多集中在平臺側和產品側，目前整體投入規模總體可控。
商業利好方面，我們今天已公布了部分已落地場景及正在合作的客戶。不過，當前機器人業務收入相較于公司總體收入而言并不突出，內部對機器人業務線的定位是 “卡位 + 布局”：
“卡位” 是指在機器人產業鏈中明確自身的業務邊界，“布局” 則是指提前對接未來可能成長為行業頭部的合作伙伴，厘清產業鏈上下游的合作關系。
徐勁：公司已將機器人業務確定為 “第二增長曲線”，在該業務上的投入決心非常堅定。關于機器人業務具體的組織架構、人員數量及后續投入方案，公司將持續研究判斷，相關基本策略后續可能會在合適的時間另行披露。
Q：機器人產業目前多復用汽車芯片，未來是否會出現 “機器人級” 專用芯片？如果會，黑芝麻在產品線上有何規劃？
楊宇欣：現階段行業內尚無明確的 “機器人芯片” 技術邊界定義，當前機器人技術迭代速度較快，類似七八年前智能駕駛的發展階段。目前我們在技術選擇上，往往需要犧牲一定效率來換取產品的普適性，比如在 Transformer 模型與 GB/GPU 的選型上便是如此。待未來機器人芯片的技術邊界逐漸清晰后，我們會根據市場的演進方向，對產品線進行重新調整。
徐勁：黑芝麻現有芯片已能覆蓋當前機器人在傳感（含視覺、激光雷達）、計算架構及 IO 接口等方面的核心需求。短期內，我們會繼續以車規級芯片為核心，不會為機器人業務單獨開發全新芯片。單獨研發一款全新芯片的成本極高，現階段我們僅通過機器人業務單元（BU）的需求反饋，進一步加深對機器人場景需求的理解。
Q：隨著景區、電網等應用場景增多，公司需投入的資源是否會呈線性放大？如何平衡場景拓展與業務邊界控制？
楊宇欣：當前機器人領域的公司多為初創企業，這類企業技術實力較強，但市場資源相對薄弱，行業內存在較大的商業落地鴻溝。黑芝麻在堅守 “計算平臺供應商” 這一賦能角色的同時，會依托上市公司在市場與產業資源方面覆蓋較完整的優勢，整合政府資源與市場化資源，協助合作方開拓應用場景，主動 “創造需求” 并撮合場景方與客戶對接，最終形成商業閉環。
Q：黑芝麻如何判斷并解決從原型到量產之間 “斷點” 這一關鍵問題？
徐勁：機器人行業即便進入量產階段，整體量產規模仍然有限，且 “從原型到量產” 的標準基線本身并不清晰，這恰恰是我們當前面對的最大問題。相比之下，在汽車端，我們已經完成過大平臺級別的量產項目，相關芯片與軟件架構都經歷過嚴苛的驗證，團隊能力和技術路徑也都接受過類似量產考驗，因此將這套成熟體系遷移到機器人平臺時，過渡會相對順暢。現階段機器人行業真正的出貨量還不算大，所以這一 “斷點” 對黑芝麻來說，并不是不可逾越的障礙。
Q：黑芝麻機器人平臺除國產化替代外，與英偉達等競品相比核心優勢何在？
徐勁：這個領域還是一個非常早期的領域，很多東西并沒有定形，英偉達也不例外。
從算力角度看，當前在中國市場，我們芯片的算力是最接近英偉達的，而且下一代芯片在部分技術指標上甚至已實現領先。我們的芯片團隊有長期且深厚的積累，擁有長期且深厚的技術積累，因此我們并不懼怕與英偉達同臺競爭。
在生態建設層面，我們確實與英偉達存在一定差距，但這也被我們視為突破的機會。盡管國內機器人企業現階段的開發工作大多基于英偉達的方案，但一旦項目涉及成本控制與本地化技術支持，這類企業必然會將中國本土合作伙伴納入考量范圍。
Q：黑芝麻智能在智能汽車領域已建立成熟的國際市場布局，這些全球化經驗如何遷移至機器人業務？公司對海外機器人市場有何具體規劃？
楊宇欣：關于技術復用，中高算力 AI 推理芯片的大規模商業化經驗目前集中在自動駕駛領域，幾十 T 乃至上百 T 算力的芯片已在自動駕駛領域大規模應用，工具鏈、底層軟件、算子適配、Transformer/VLA 模型落地等均在汽車行業經歷過驗證。機器人對工程化、應用優化的要求略低于汽車，模型挑戰仍是最高的，算力越高，能承載的任務越多，支持的模型也越復雜。關于國際化策略，黑芝麻已與多家全球 Tier-1 合作，機器人業務正尋找合適的海外切入機會。中國是機器人落地進展最快的國家，海外市場更偏場景。我們不會單純對接海外機器人廠商，而是和合作伙伴共同推進海外場景落地。
徐勁：黑芝麻的基因是 “born international”，國際化是優勢而非劣勢。中國機器人產業鏈與海外市場的付費意愿、價格體系間形成了 “時差紅利”。黑芝麻不做機器人本體，如何依托國際化優勢形成機器人業務商業化閉環，目前仍在探索中。
Q：黑芝麻如何保證長周期里的商業化效率，同時平衡研發成本？
楊宇欣：一方面，活下來靠 “共性”。芯片公司是賦能角色，對行業共性理解越深、提取越準，越能立足，我們已看到海外和國內成功提取共性的案例。另一方面，要成功上量。黑芝麻從汽車領域切入機器人行業并非從零開始，而是自然演進，底層技術相通性強，上量就代表成本優勢，這是芯片行業很現實的問題。投入層面，黑芝麻盡量復用原有技術體系，在研發可控的前提下增加機器人業務的支撐部分。
徐勁：第一，需求端已出現 “最大公約數”。過去一年黑芝麻與不同機器人廠家對接，發現在感知、路徑規劃、語言交互、大模型等方面需求共通，正是這種共性，讓我們有了發展機會。第二，打造 “商業落地最佳平臺”。目前的三款方案是基于 “最大公約數” 得出的、可覆蓋最大范圍場景的成果，后續還會持續升級。第三，通過軟件將更多技能映射為底層任務，實現更高程度的通用化。
Q：演講中提到的 “單腦控制到雙腦協同、左右腦平衡、全腦協同”，是否可理解為人類生理大腦？為何要模擬這種人類左右腦結構？“類人腦” 設計是否真的比 “感知→決策→執行” 鏈路更優？能否舉例說明哪些機器人功能必須依賴左右腦分域協同才能實現？
徐勁：左右腦只是概念，并非要在硬件上復刻人類左右腦，核心是不能將功能做孤立劃分。我們研究大量論文并結合實踐經驗發現：通常大家會認為大模型可解決所有問題，但學術界有一派觀點強調世界模型的必要性，純語言模型的能力存在局限。比如 DeepSeek-OCR，我們曾認為文本處理必然是語言層面的工作，后來卻發現引入視覺通路后，整體效果反而更好。
人腦的諸多機制可被借鑒，比如人與人對話交流時，除了獲取語言文字信息，還會接收表情等信號，諸多信息處理環節是同步進行的，這就涉及到左右腦協同。至于是否要通過與人腦相似的硬件來實現該能力，這是值得探討的技術路線問題，而業界已普遍認可視覺與語言協同的必要性。
Q：這款大計算平臺 SoC 做了創新性硬件設計，是否使其更適配當下以 VLA 為主的機器人場景？
徐勁：我們確實在芯片層面做了獨到嘗試，且已將自家產品指標與市面最強芯片進行對比，我們的效能具備明顯優勢。我們觀察到，傳統視覺處理的帶寬曲線呈現輸入帶寬高、中間計算帶寬低、輸出帶寬低的特征；而大語言模型的帶寬曲線則為輸入帶寬低、中間計算帶寬高、輸出帶寬低。
我們的目標是在同一顆芯片上，同時高效運行視覺與語言相關任務，且兼顧帶寬、算力與 SRAM 成本。為此，黑芝麻通過一種新穎架構實現了兩種模態計算的高效處理，相關技術細節暫不便公開。
Q4：傳統商學院的 “第二曲線” 通常要在第一曲線過了破局點之后啟動，現在黑芝麻第一曲線是否已經過了破局點？為何此時啟動機器人業務？汽車領域的經驗如何遷移至機器人賽道實現 “彎道超車”？
楊宇欣：黑芝麻進入機器人領域，并非完全意義上的第二曲線，而是非常自然的業務過渡。公司官方很少使用 “第二曲線” 一詞，因為其定義是進入全新市場、團隊研發與市場相對獨立，這與我們技術復用度極高的實際情況不符。
徐勁博士此前負責智能影像部門，相較于封閉的汽車市場，機器人場景更為豐富，其產業鏈布局與諸多工業品、消費品高度相似。黑芝麻在汽車領域積累的安全認知，以及大算力芯片商業化落地的經驗，均能遷移至機器人領域，且現有汽車客戶，也是潛在的機器人客戶與合作伙伴。
Q：有試過跑幾個 VLA 嗎？速度和效果怎么樣？
徐勁：我們內部做過測試，雖尚未正式發布，但從目前結果來看，比業界最領先的方案還要好一點。這得益于我們長期的技術積累，以及對前沿算法的持續跟蹤，能夠將芯片算力高效發揮出來。
Q：現在行業對人形機器人 VLA 路線信心不足，黑芝麻面對終端廠商技術路線的變化，會不會調整原有設計？作為芯片廠商，該怎么應對不停變化的技術路線？
徐勁：黑芝麻既不是算法廠商，也不是終端廠商，我們核心是推出通用架構，最大程度滿足各類計算需求。新架構會繼續支持 V（視覺）和 L（語言），追求 “最大公約數”。我們會關注新的技術架構，但不會去判斷算法的發展方向。
楊宇欣：去掉 “L” 對算法的挑戰很大。現在大模型能落地應用，正是因為基于 Transformer 的大語言模型，能力會隨算力提升而暴增，語言就是它的核心中樞；要是直接做 V-A，很多基于 Transformer 的大模型都得重構。
作為芯片公司，我們通常只關注模型，只要模型基于 Transformer，我們就能做加速，我們最新的 NPU 本身就原生支持這個模型。但 Transformer 未必是具身智能時代最好的模型。
我們已經在研究 Mamba 等新架構了，一旦行業形成下一代模型的共識，我們的 NPU 就會適配新架構。現在模型迭代相對慢，十年前模型一年一換，芯片根本跟不上。
黑芝麻能活到現在，也說明我們當時的技術判斷是對的。現在為了保證前瞻性，我們有專人每天跟蹤學術論文。我們需要關注模型的演進方向，讓 NPU 更好地適配新模型，同時攻克衍生的算法問題。
Q：黑芝麻處在 AI + 機器人的交叉領域，其估值體系有可能從智能汽車芯片切換到全域智能終端芯片，估值會有多大提升？會通過哪些業務或節點來體現？
楊宇欣：很難把業務發展、定位和二級市場的估值邏輯直接匹配，但估值最終還是要體現在對市場的把握、業務落地和實際業績上。
我們希望未來黑芝麻能成為 AI 時代端側 AI 的計算平臺與芯片供應商。接下來，公司會更強調端側 AI 能力，未來具身智能會成為繼自動駕駛之后，端側 AI 又一個復雜應用場景。目前黑芝麻還在并購一家小算力 AI 芯片公司，因為算力越小，對應的產品出貨量往往越大。我們認為未來所有電子設備都需要算力支撐，希望能打造覆蓋全場景算力的產品線。
每個時代都有能站穩腳跟的芯片公司，AI 時代也會誕生新的頭部企業。尤其是當下中國能發展本土供應鏈，和過去手機、汽車領域跟隨海外供應鏈的模式不同，機器人廠商對本土供應鏈的使用意愿和接受度更高，機器人或具身智能時代的供應鏈本土化會更徹底。黑芝麻的定位是端側 AI 芯片及品牌廠商，未來隨著覆蓋場景增多、產品線日趨豐富，有望獲得與之匹配的市場估值。
Q：在機器人行業當前應用的芯片中，是否有可對標今天發布的三款產品的參照物？比如和英偉達芯片相比，存在哪些區別？
徐勁：黑芝麻在機器人領域并不會刻意強調芯片和算力，因為機器人場景的需求和其他領域不太一樣，算力高也未必實用。我們也做過相關評估，黑芝麻的 Kalos、Aura 可分別對標 NX 系列，Liora 可對標 Thor，但相比單一芯片，整套平臺方案的價值其實更重要。
英偉達芯片存在 IO 接口不足、基礎知識有短板的問題，在部分場景下黑芝麻具備自身優勢，后續我們會公布更詳細的產品規格。
Q：在智駕芯片競爭白熱化、友商同樣可能切入機器人賽道的背景下，黑芝麻如何鎖定先發優勢？您如何看待接下來機器人芯片的市場格局？
楊宇欣：現在談市場格局還為時過早，但我們希望未來黑芝麻能在這個領域占據一席之地。任何芯片細分市場成熟后，通常只會留存兩三家芯片公司來覆蓋不同類型客戶；而機器人場景更為分散，最終存活的企業可能不止兩三家。黑芝麻和多數汽車芯片廠商有本質區別，我們本身就有成熟的工業及消費級業務，且每年能產生可觀收入。目前真正完成中高算力智駕商業化閉環的公司本就不多，我們在智駕領域已形成先發優勢，始終快人一步，再疊加現有資源與技術支持，這一優勢也將持續保持。
黑芝麻比較幸運的是，我們始終堅持了最初的信念。截至目前，公司戰略從未出現過大的調整，堅守自身理念也是我們的企業文化。
Q：從業績增長角度來看，成為產業鏈鏈主是不是會比單純直接賣產品帶來的附加服務價值更高？
楊宇欣：我個人認為，公司經營和商業運作不需要劃定非常明確的邊界。在行業發展早期，只要不觸碰客戶的核心利益，凡是對公司經營有幫助的事都可以去做，這也是我們會協助客戶拓展應用場景的原因。未來還會涌現更多商業模式，相關收益也會體現在我們的業績中。隨著行業邊界逐漸清晰，我們的商業模式也會朝著更成熟、更聚焦的方向收斂。
Q：黑芝麻想和什么樣的生態伙伴長期共跑？
徐勁：黑芝麻的自我定位是 AI 解決方案公司，核心能力是算力芯片。應用場景的規模足夠大，是我們尋找合作伙伴的重要考量。此外，我們希望能為合作創造價值，為客戶創造的價值越大，自身未來的價值也會越高。
Q：現在的數據多為孤島，不僅成本高還難以復用，黑芝麻已啟動全域大腦融合，在技術層面有沒有可能實現更多的數據閉環與提煉？
徐勁：在數據層面，我們更多是提供工具、發揮賦能作用。作為芯片公司，直接收集相關數據并不現實，但我們會提供配套工具，協助客戶完成這類工作。雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
