从“大脑”破局：国产机器人芯片的突围之路

当具身智能浪潮席卷全球，机器人不再只是执行预设指令的金属躯壳，而是开始具备感知、决策与交互能力的“新物种”。在这场智能革命中，芯片作为机器人的“大脑”，正成为决定其智能水平与商业化落地的核心命脉。然而，长期以来，这一关键领域被英伟达Jetson系列牢牢占据，高昂的成本与有限的本地化支持，让国产机器人厂商在智能化升级的道路上步履维艰。

如今，这一局面或将迎来转折。近日，由北京大学类脑芯片实验室（PAICORE Lab）孵化的北京维泛智能科技有限公司完成数亿元种子轮融资，成为国内首家专注研发原生机器人“大脑芯片”的企业。这支由半导体老兵与顶尖科研团队组成的初创公司，正试图用“类脑+GPU”的融合架构，打破国外芯片的垄断，为国产机器人打造一颗真正“懂思考、低功耗、可量产”的智能之脑。

类脑计算：下一代AI芯片的“降维打击”

在传统机器人芯片设计中，算力、能效与成本往往难以兼得。英伟达Jetson系列虽性能强大，但其高功耗与高价格限制了其在工业、服务、家庭等场景的大规模部署。而国产替代方案多停留在通用NPU或FPGA层面，缺乏对具身智能复杂任务的原生支持。

维泛智能的突破点，在于其自主研发的类脑启发式GPU架构（BiGPU）。这一架构巧妙融合了类脑计算（SNN）与通用GPU计算能力，既保留了GPU对Transformer、VLA等主流AI模型的良好兼容性，又通过脉冲神经网络机制大幅降低功耗。

“人脑功耗仅20瓦，却能完成复杂认知任务，这正是类脑计算的价值所在。”联合创始人殷积磊指出。通过将传统神经网络（ANN）的计算转化为SNN形式的累加操作，BiGPU在矩阵乘累加（GEMM）这一核心计算环节显著减少数据量与带宽需求，从而在同等算力下实现更低的能耗。

更关键的是，维泛智能实现了ANN与SNN在指令集与软件工具链层面的统一。这意味着开发者无需维护两套系统，可直接在统一平台上部署混合模型，极大降低了算法迁移与生态接入的成本。

从实验室到产业：北大基因的“硬科技”转化

维泛智能的成立，是高校科研成果走向产业化的又一典范。其技术根基来自北京大学类脑芯片实验室多年积累，而团队核心成员则横跨IBM、华为、腾讯等产业巨头，兼具前沿研究与工程落地能力。

殷积磊本人拥有超过20年半导体行业经验，曾主导多款高端芯片研发，深谙从架构设计到量产交付的全流程挑战。在他看来，类脑芯片的商业化难点不仅在于技术突破，更在于如何构建可持续演进的计算平台。

“我们不是简单复制现有架构，而是为未来算法预留空间。”他解释，BiGPU不仅支持当前主流的Attention机制与世界模型，还能运行类脑神经网络及二者融合的新型架构。这种“向前兼容”的设计理念，使芯片在面对AGI演进时具备更强的适应能力。

目前，维泛智能研发周期已过半，预计2027年第二季度实现芯片投产。本轮融资将主要用于扩大研发团队、完善指令集架构，并推进产品定义与量产方案落地。

国产替代的“关键一跃”

长期以来，国产机器人芯片多依赖进口方案，导致成本居高不下，且难以针对本土应用场景优化。维泛智能的BiGPU架构，正是瞄准这一痛点——通过全国产化设计，提供高性价比、低功耗、易部署的机器人核心计算方案。

未来，随着服务机器人、工业机器人、特种机器人等场景的爆发，对端侧智能芯片的需求将持续增长。而维泛智能的类脑融合路线，有望在智能安防、家庭陪伴、智能制造等领域率先落地，形成差异化竞争优势。

更重要的是，这一突破标志着中国在高性能AI芯片领域正从“跟随者”向“定义者”转变。当机器人真正拥有“中国大脑”，具身智能的规模化商用时代或将加速到来。

标签： 类脑芯片 具身智能 国产替代 机器人芯片 AI硬件