从具身智能到边缘AI：英特尔的全栈棋局到底怎么下

【ZOL中关村在线原创】全栈、开源、智能体AI——近几年，诸如此类词汇在英特尔各种大大小小的会议上开始频繁出现，这家半导体芯片公司不仅开启了AI PC时代，更是借助AI的东风，不断拓展自身边界，甚至在边缘AI以及具身智能领域，英特尔也开启了新的棋局，这可以说是英特尔“全栈”战略的直接体现。

就在刚刚结束的2026英特尔技术创新与产业生态大会上，以酷睿Ultra、至强6+、锐炫Pro等一系列硬件产品为核心的全栈布局掀开了新的一页，边缘AI与具身智能成为了继游戏、AI PC、数据中心、软件、AI NAS等领域之外，英特尔带来的“全栈”战略的新要素。

当前，具身智能行业正站在一个微妙的转折点上。实验室里的技术演示越来越多，主流机器人厂商在科研教育领域的营收占比超过70%，但真正跑进工厂、仓库和门店，或者说落地到工业场景、下沉到行业里的却还不够多。即便如此，具身智能产业依旧是被资本市场所追捧的朝阳行业。根据Counter Point Research的调研数据显示，2025年全球具身智能装机量中，中国占比超过80%。而英特尔公司副总裁兼端侧计算和物理AI事业部中国区总经理高嵩给出了更为直观衡量刻度——去年，国内机器人产量约1.5万台，今年已增至5万台，预计明年还将持续倍增。同时IDC的预测也更为大胆，2025年中国具身智能机器人用户支出约为14亿美元，到2030年将达770亿美元，年均复合增长率高达94%。《中国发展报告2025》则判断，到2030年，中国具身智能产业市场规模有望突破4000亿元。所有数据都在佐证着一件事，那就是具身智能行业的未来，潜力无限，谁抓住先机，谁就可能赢在未来。

但这些数字背后，其实是一道更难解的题。高嵩在接受媒体采访时说，“数字AI有相对固定的范式，但物理世界没有统一形态，行业不同、场景不同、任务不同。”高嵩先生将次概括为"千变万化"。物理AI落地时最常碰到的尴尬是：在某一个场景训练好的机器人，换到另一个场景就不管用了。美国Figure AI最近的研究提供了一个参照：通过特殊训练方法、不同的数据采集方式和模型架构，机器人进入未经训练新场景的成功率从9%提高到56%，进步可观。但距离"百分之百达到你想要的效果"依然遥远。

这其实描绘出了具身智能领域当前面临的一个主要问题，也就是从能运行的样机到真正可部署、可复制、可量产的商品之间，依旧隔着算力、工程化与场景落地这几道关键关卡。而这些瓶颈，恰恰是像英特尔这样的芯片厂商最擅长攻克的主场。

基于这样的背景，英特尔在本次技术创新与产业生态大会上同时亮出了面向具身智能（物理AI）和边缘AI的两套解法，而且如果把两条线放在一起看的话，其布局脉络就会逐渐清晰起来。一边用异构算力和专业开发套件托举具身智能更好地走向量产，而另一边则借助云、边、端协同把AI推进千行百业的真实应用场景之中，这或许就是英特尔面对风起云涌的AI时代交出的“全栈”答卷。

·从程序智能到泛化智能，机器人正在经历怎样的跃迁？

要理解英特尔在具身智能领域的布局，先得看清这个行业自身到底走到了哪一步。

高嵩先生把这条演进路线梳理得十分明白。十几年前是程序智能，机械手、机械臂做什么都需要进行事前编程；而几年前进入感知智能，机器人开始知道如何躲避障碍、如何做到遇人即停；到了今天，则升级成为认知智能，这得益于多模态的引入。而继续向前发展，则会进入到泛化智能阶段，包含长程记忆、世界模型、机器人模型通用化等等。

但是在这个过程中，核心问题在于VLA、世界模型这些技术路线自身依然处于演进阶段，谁也没有形成定势。高嵩坦言"大家能不能一下子看准一个，我觉得这是非常不容易的"。所以英特尔的做法是不单押某一条路线，而是构建一个庞大而敏捷的生态网络，与聚焦不同路线的客户和伙伴紧密协作，这对于平台型公司来说，或许是穿越技术不确定性的最优解。

·大小脑融合，给机器人一颗端侧算力的心脏

具身智能走进物理世界，第一道坎就是算力。

无论是环境感知、实时推理决策、还是运动控制都必须在本地完成，云端对此鞭长莫及。高嵩在采访中还原了一个一线工程人员的真实痛点：一年前做机器人，小脑（负责感知、规划、导航）用一家的产品，大脑（负责机械臂、腰部控制）用英特尔的芯片，底盘往往还有第三个控制器。不要说做起来多复杂，就是把这三者顺利整合在一起都是非常困难的事情。但这种整合却会直接关乎产品的上市周期、交付质量与最终用户体验。

英特尔给出的答案是"大小脑融合"，也就是把感知、控制、底盘控制全部整合到单颗SoC上。例如12个Xe核心的第三代英特尔酷睿Ultra处理器，凭借出色的XPU异构架构就能够胜任这个关键角色。借助4个性能核、4个能效核加4个低功耗能效核，配合基于第三代Xe架构的矩阵加速引擎，整个平台的AI算力达到180 TOPS。而且异构架构设计使得分工相当明确：CPU可以扮演"小脑"，实现4 kHz高频确定性控制，保障关节电机动作精准、实时响应；算力更强的GPU则可承担高阶AI推理，冲破推理时延瓶颈；NPU则面向视觉感知等专用负载，而且它能够提供低功耗推理能力，比如YOLOv12n推理平均抖动就可以低至3.55毫秒。

同时，机器人胸腔内部物理空间有限，不可能长期搭载三套独立的计算子系统，单控制器的工作负载整合是确定的方向，而集CPU、GPU以及NPU于一身的第三代英特尔酷睿Ultra，无疑是最为出色的解决方案。

正如“问渠那得清如许，为有源头活水来。"对具身智能领域而言，确定性的端侧算力就是那口"活水"，没有它，再聪明的大模型也只能停留在演示的环节里。

·软硬一体，不仅有好的AI，还有安全的AI

硬件算力底座之外，更大的门槛其实还在于工程化，也就是让具身智能的开发更加便捷、成本更低。所以英特尔这次正式发布了具身智能AI套件，而这里有两个细节值得注意：

其一是虚拟化软件栈。虚拟机可承载AI高阶推理，Host机负责实时感知与运动控制，把运行AI大模型的环境与实时控制系统隔离起来。这项技术并非从零起步，而是移植自英特尔在工业控制领域数十年的积淀，将传统工业对实时性、确定性、可靠性的高标准要求带到机器人运动控制的刚性需求之中。用高嵩的话说，这让系统跑起来"不仅有好的AI，还有安全的AI"。

其二是开发门槛的系统性降低。英特尔联合科通工业、神州数码推出基于第三代酷睿Ultra平台的具身智能开发套件，主打的就是开箱即用、高效性能、急速量产。套件内直接整合了架构、驱动、模型支持乃至示例代码，用户拿到即可直接编译部署，而且预计将在11月份直接上线京东开售。高嵩表示："学生能买得起，老师也能买得起，企业更能买得起，才能更好地推动具身智能的研究与发展。"

此外在软件层面，英特尔本身就有OpenVINO这样的久经行业验证的强大工具套件，并且英特尔一直以来积极拥抱开源社区的AI框架，而且自家有专门团队与客户进行从应用、Runtime到架构、模型支持的全栈联合调优，确保最新的模型能第一时间在英特尔平台上高效运行。

可以说，软硬一体的全栈支持能力，是英特尔进军具身智能领域最强的底气。

·生态协同，不做机器人公司，要做首选方案

底层芯片和开发套件解决的是能不能跑的问题，而生态解决的则是往哪里跑的问题。

在对高嵩先生的采访中，他给英特尔涉足具身智能领域划下了一条清晰的边界："我们的客户是我们的合作伙伴，我们不会跟客户竞争，不会去做一家机器人公司。英特尔要做的是打磨好底层的半导体硬件能力与基础软件架构，再与业界一起合作做更好的应用。”同时高嵩表示，"当大家在开发机器人、布局具身智能与物理AI时，希望做到他们的首选方案就是英特尔。"

事实上，国内几家头部机器人厂商都与英特尔有深度合作，而在机器人行业早期发展的过程中，英特尔也是深度的参与者。现在大家经常看到的机器人当中，有很多都采用了英特尔的解决方案。同时在此之上，英特尔搭建的是一套分层生态：头部厂商共同开发，腰部厂商通过ODM、ISV、系统集成商覆盖；初创公司则借助开发者大会或者专业社区去触达。目前，英特尔已与一批行业标杆客户展开联合验证，把具身智能场景铺向制造、建筑、医疗、智慧城市、仓储物流、酒店等领域。

与此同时，标准化也在同步推进。机器人行业的安全、接口、电子电气架构标准尚未确立，但是英特尔已经在参与信通院牵头的计算平台标准、计算平台测试标准、数据接口标准等制定工作，并把工业领域几十年积累的安全与隐私实践带入这个新行业。用高嵩引用阿西莫夫机器人三定律的话说，"让整个行业站在一个高起点上"。

至于业界热议的通用芯片与专用芯片之争，高嵩的判断则相当客观：具身智能市场足够大，解决方案也不止一个，但目前选择通用芯片的厂商占大多数，因为很多机器人公司的软件架构本就建立在x86基础之上，供应稳定、生态成熟、案例可学才是现阶段行业的刚需。因此，英特尔是以第三代酷睿Ultra，也就是Panther Lake为根基去为具身智能领域构筑算力底座，而非开发专用芯片的方式。毕竟，开发专用芯片的前提得是单个细分场景大到足以摊薄定制成本，如果一个行业在刚刚起步的时候就使用很高成本的解决方案，它可能并不一定能长久，而且对开发者来说也有着更高的学习成本。

·边缘AI，借协同闭环，重塑落地逻辑

说完具身智能，让我们把视线转移到更广阔的边缘AI战场。

当前，以模型、仿真、算力、硬件与现场数据为核心的协同闭环正加速重塑行业格局。AI应用正从云端下沉至边缘与业务现场，同时AI也从传统判别式系统加速向生成式AI、智能体AI及代理式系统演进。

本次大会期间，在对英特尔EIS（行业及解决方案业务）负责人王景佳（英特尔行业及解决方案业务部总经理）进行采访时，他纠正了一个流行的普遍认知：端侧AI部署早已不只是成本问题，而是时延、响应、成本、隐私安全的综合考量。他举了一个很贴近生活的例子——团队近期在川西发现，汽车导航在弱网环境下可能罢工，再碰上复杂路况，用户体验大打折扣。无网或弱网环境下仍能稳定运行，是许多行业场景的硬性指标。更何况，Token单价在下降，推理需求却在成倍增长。

同时，工作负载本身也在发生变化。智能体AI的兴起让推理需求持续攀升，而智能体的部署、调度和运行则涉及大量由CPU承担的操作。行业场景中还有7×24小时运作、低功耗、防尘防震、电磁兼容等消费级设备无法满足的要求。这正是XPU异构架构适用于物理AI和边缘AI场景的根本原因。因为在此之上，一套能针对不同计算组件进行统一编程、统一调度的完整软件框架，是英特尔真正的竞争力所在。

而且在三个行业的一线实践里，也可以佐证这套能力是如何兑现的。

首先在医疗终端行业，英特尔与视源股份合作，基于酷睿Ultra平台本地AI算力，英特尔医疗显示优化方案和S-TCI集中管理技术打造MAXHUB医疗解决方案，通过AI医疗助手智能生成病历，帮助提升医学影像阅片清晰度，并且确保敏感的医疗与病患数据在本地完成处理。

此前，通用文本模型始终缺乏好的商业化范式，但真正的机会藏在垂直行业的场景深耕里。医疗终端领域就是很好的例子，这里需要AI输出效果非常完善的上下文，但上下文往往需要跨系统获取，Token消耗量因此也快速膨胀，如果仅仅靠云端来支撑这类应用，所消耗的成本对于医院、医疗机构来说无疑会非常庞大。而借助英特尔酷睿Ultra、至强6+、锐炫Pro等平台，可以将这些大量消耗Token成本的部分搬到本地执行，既具有极高的经济性，同时又有很好的安全性。其实同样的逻辑也延伸到教育、远程评标、金融合规审查等高隐私场景，毕竟数据机密的地方，就是本地部署优先的地方。

其次在电子制造领域，英特尔与成都派兹互连携手，基于英特尔至强处理器、锐炫Pro B70 GPU及Open Edge Platform以Agent Box的方式打造了SailWind软硬件一体解决方案，发布Agentic AI原生的AI EDA一体机，打通从芯片到PCBA研发制造的数据链路，并与英特尔一起针对客户的并行工作负载重新调校模型。

派兹互连首席运营官周懿强调，"数据的私有化是中国客户的一个重要特点"。同时他分享的客户需求颇具前瞻性：一家电能企业要求在做电路板设计、元器件选型的前端，就同步完成电热磁乃至装配空间的物理仿真，规划出"先拧哪根线缆、哪颗螺丝才有空间伸进工具"的装配流程，这意味着把后端工作提到前端来做，这本身就是物理AI在工业研发中的一个鲜活样本。这套一体化方案面向的，是国内十几万家对成本效益高度敏感的中小企业。

而在智慧零售行业，英特尔则与商米科技合作，帮助其构建了“智慧店长”。在零售行业，以往培养一个合格店长至少需要三年时间，而且人员流动还常常让门店青黄不接。AI店长的引入，可以每天收集经营数据、顾客反馈并输出分析和改进建议，很快就能上手。

而且这套体系的核心不在替代，而在于协同——端侧跑垂直领域蒸馏后的小模型，点对点服务实时业务；云侧做复杂但不求实时的经营计算，算完之后发送一份报告，告诉用户应该如何改进。而且考虑到当前约60%的PO机设备使用Windows系统、门店里多系统设备并存，所以英特尔与商米科技携手构建的覆盖前端商业终端和门店边缘计算节点的整体方案，解决的正是这种混合环境下的统一管理与AI升级难题。此外，英特尔还联合海石商用、吉方工控、信步科技，基于第三代酷睿打造端侧AI门店本地方案，帮助企业降本增效。

此外，类似的探索还在更多场景展开，比如奇矩智能基于酷睿Ultra处理器和Open Edge Platform展示了以工艺世界模型驱动的工业方案；石基信息则把AI融入酒店预订、运营、客服与审计流程；英特尔还携手深蓝汽车推动AI Box Ultra解决方案落地智能座舱。商业模式也在随之松动，例如租赁、订阅、与业务效果挂钩的合作模式正在增多，王景佳提到，"客户并非不愿意为AI投入，而是更关注AI所带来的价值"。这些场景拼在一起，勾勒出边缘AI从单点验证走向可交付、可复制、可运营的规模化部署路径。

·结语

回看英特尔这一轮布局，主线其实只有一条，那就是用全栈能力换取AI在不同领域落地的确定性。

人形机器人与PC不同，SoC在变，操作系统在变，应用也在飞速变化，很多客户实际上是等不起的，所以英特尔交付的不是一颗芯片，而是从芯片底座、参考设计、开放软件到生态合作的全栈闭环，这可以帮助行业客户快速切入或转换赛道，易用、安全、低成本的前提下，从边缘AI到智能体AI，再到具身智能，这条主线一以贯之。

在本次大会上高嵩先生接受媒体采访时还用了一个让人印象非常深刻的比喻："以前我们做的事情是河流，而机器人的市场就是大海。"《庄子·秋水》有言，"两涘渚崖之间，不辩牛马"——河伯自以为河水足够宽广，直到看见大海，方知天地浩瀚。具身智能市场之于今天的计算产业，正是那片大海。而在英特尔的愿景里，这片海上不是一花独秀，而是百花齐放，这正是英特尔全栈能力的落地点。

具身智能的全面爆发尚需时日，但长风破浪会有时。当具身智能真正迈过规模化落地的门槛，那些提前把算力根基、开发链路和场景生态一一铺好的“玩家”，才有机会直挂云帆济沧海。