地瓜机器人CEO王丛
“我们的核心是生态公司，不仅是卖芯片，而是要和行业伙伴交朋友。”地瓜机器人CEO王丛7月15日表示。
作为一家做机器人及具身智能领域的芯片与软硬件公司，王丛的这句话，对于行业人士来说是“反直觉”的。
现在，无论是卖算力芯片，还是做具身智能模型、机器人本体，哪家企业不希望在这股AI和具身智能热潮当中获得大量融资、做大商业落地营收。
即便强如DeepSeek，现在也不得不选择融资500亿、计划IPO，从一家AI Lab走向需要营收的公司，并且加速资本市场的道路。
另一个反直觉的点在于，作为一家非常To B的芯片和算力底层基础设施公司，地瓜机器人竟然在上海虹桥机场买了高昂的轮播广告位，替换了京东云等多个大厂的广告。
这意味着，每一位从外地到达WAIC世界人工智能大会的AI公司CEO、高管、员工们，只要他们从虹桥机场出站、拿行李，就能看到地瓜机器人的生态信息。
这对于具身智能与机器人、AI芯片行业来说，不可想象。
要知道，这种机场广告位大部分都是阿里云、百度云、京东云、华为云、火山引擎、中国电信、中国联通这些大厂市场部投的重要位置。
即便宇树、智元、摩尔线程、寒武纪这些行业龙头，也未曾这样做过。
但地瓜机器人做到了。
在王丛看来，卖芯片和软硬件方案只是其中一环，而不是地瓜机器人想要的终点。
交朋友、做生态对于地瓜机器人来说更为重要。
所以，地瓜机器人赞助了很多具身智能公司的开发者活动，比如最新的逐际动力联合发起的黑客松比赛。
这种“反直觉”背后，源于地瓜机器人脱胎于地平线孵化体系，团队深耕芯片领域已有十余年。
王丛反复提及，地瓜机器人要做的，就是“复利”价值更高的事。
7月15日上午，WAIC 2026前期举行的地瓜机器人媒体沟通会上，带来了旭日S600算力平台的最新进展。
地瓜机器人宣布，具身智能算力平台“旭日S600”发布半年来，已与它石智航、优必选、北京人形、自变量等20余家企业达成合作，覆盖人形机器人、工业轮式双臂、3C柔性作业、具身大模型、全模态感知等场景，多数项目已进入真机适配与场景测试阶段。
这是过去两年，王丛带团队拜访所有具身智能公司、与具身智能公司全面打磨带来的里程碑式成果。
作为单芯片全栈算力平台，旭日S600提供560 TOPS端侧算力，旨在解决大模型推理、多模态感知与实时控制的单SoC集成痛点。据透露，搭载该芯片的北京人形天工3.0计划于今年下半年开启量产交付；人形机器人（上海）灵龙2.0也将于今年Q3完成多场景应用验证。
目前，该平台已联合立讯精密、知行科技等百余家产业链伙伴，推进具身智能的工业与人形机器人量产前置流程。
此外，今年4月，地瓜机器人宣布完成1.5亿美元B2轮融资，距离其3月完成1.2亿美元B1轮融资还不到一个月。至此，公司B轮累计融资额达到2.7亿美元（约合人民币18亿元），若加上2025年5月完成的1亿美元A轮融资，公开披露融资总额已超过3.7亿美元。
30天内融资超18亿，无论从哪个方向上解读，地瓜机器人正在走向快车道。
上午发布会结束后，地瓜机器人CEO王丛、地瓜机器人开发者生态副总裁胡春旭，与智能纪元AGI等媒体进行了一场群访，王丛和胡春旭回答了诸多尖锐犀利的问题，我们简单摘录了其中十个关键问答，enjoy：
1、旭日S600目前产品算力为560TOPS，那么，500~600 TOPS是否是当前具身机器人的主流算力区间？下一阶段如果继续提升算力，大概会到什么量级？
王丛：我简单说一下。因为现在行业里没有任何的一个标准，这个芯片算力应该做到多大，也没有任何一个人跟我说你的算法要跑多大。大家可以期待一下后续的产品。
我记得原来做智驾的时候，从1T、4T、10T，算力一点点做大，那时也不知道智驾需要多大算力。直到现在，也没人知道智驾应该做多大算力。
放到现在也一样，具身智能算力没有定论，只是看2026年客户落地需求，算法也在不断提高。
我觉得，这个行业要是什么都定死了，也就没法发展了。（具身智能）行业未来要走十年、二十年，能效、算法、数据这些维度都会持续演进。
2、近期沐曦和优必选成立了合资公司，发力具身智能芯片；同时多个芯片企业也都在布局具身智能算力，行业竞争日趋激烈，地瓜机器人芯片的核心壁垒是什么？如何做防守？您如何判断当前行业态势的发展阶段？
王丛：我觉得对所有公司都一样，所有的壁垒都叫销售壁垒。
某家公司如果认为自己的壁垒是某个东西，未来大概率会出问题。不止我们，很多行业在谈壁垒时，也都是销售壁垒。当前技术高速迭代的时代，任何壁垒的有效期都很短。我接触过很多行业和企业，基本都是这个规律。
我觉得不存在什么绝对的壁垒或者既定规则。不管是芯片本身、供应链能力还是生态建设，国内外厂商的发展路径和所处环境本来就不一样。
坦白说，在中国市场，很难说有什么不可突破的壁垒。
最终我们的做法是，向海外头部企业（NV）学习研发细节，芯片架构上哪些设计更优，软件工具链上哪些方案更成熟，我们都会吸收借鉴。但学习不只是停留在技术层面，最终还是要落脚到客户的真实需求上。刚才不少环节也提到，客户都认可地瓜在硬件层面的交付能力。
现在整个行业都处在探索阶段，大家都是新入局者，算法侧也在不断探索新的技术逻辑。
具体到地瓜的壁垒，我们目前有三方面的相对优势在持续积累。
第一，我们更早一步在和客户共同开发，早一步让我们积累了更多需求。需求不是聊一次天就能获取的，很多真实的细节需求，都是在两三个月的联合调试过程中逐步发掘的，很多甚至是之前完全没有预料到的。这些东西，地瓜目前在国内市场是走在前面的
第二是供应链能力。在供应链方面，地瓜在行业做得很久，目前我们的供应链能力在行业内也是处于前列。做供应链的都知道，你的出货越多，你和这些供应商联系越紧密，你在圈子里的占有度，口碑就越来越强，那你得供应链会持续提升。所以在供应链这一点，我们可能会有一些优势。
第三是软件层面与需求的积累，也在持续形成优势。
我们恰好踩中了行业最核心的需求：把市面上主流的模型、算法产品都完成了深度适配，适配效果和落地速度都比同行更好，帮客户打消了模型部署的核心顾虑。把这件事做实之后，剩下的就是持续向行业顶尖的企业学习技术细节，不断打磨优化。
这些优势都是相对的，我们更早切入市场、提早和客户接触，这些东西会慢慢产生一些复利，这个复利是会持续的。
现在行业里不少玩家都参与进来，但是真正已经做出可落地产品的并不多。国内科技行业历来如此，就像早年手机行业起步时，大家都会跟进热门赛道，这是行业发展初期的正常现象。
目前行业还远没到白热化竞争的阶段，我们的核心关注点始终是打磨产品、响应客户需求。行业整体向前发展，玩家越来越多，对所有参与者来说都是好事。
3、过去一年算法和世界模型进展加速，具身算法的泛化能力有显著提升，想请问您认为背后有哪些核心原因？泛化能力增强，对算力部署有什么影响和意义？
王丛：我觉得核心原因并不复杂，这是算法发展的必然过程。早期行业的数据采集很不规范，零散杂乱。今年随着数据量逐步积累，大家把数据对齐、数据治理的基础工作做得越来越扎实，配套工具也逐步完善。
大部分模型用的还是同类数据，并没有引入全新的技术路线，只是把数据对齐的基础工作做透了，效果就有明显提升。他们并没有出现什么革命性、颠覆性的技术突破，本质就是行业把基础（数据处理和模型算法）工作越做越扎实，泛化能力自然就会提升。
等大家把小模型的路径彻底跑通，端侧模型至少会到 30B ，云端到 100B 以上的大模型。想要实现具身的效果，最新模型达到360亿参数规模吧，不然连基础的抓取效果都很难保障。
4、地瓜机器人客户覆盖人形、工业具身、具身大模型等各个方向。在您看来，哪一个细分场景的本体最有可能率先实现大规模量产？
王丛：当下各机器人赛道均在推进商业化落地。从技术难度来看，仓储搬运、物料转运场景技术门槛相对更低；特定工业场景下的物料分拣、产线上下料，现阶段相关技术也已基本成熟落地。
技术瓶颈打通后，行业核心需要攻克两大难题：第一是产品性价比，即项目投入产出能否实现盈亏平衡；第二是落地阶段的系统适配问题。不同行业配套独立的生产管理系统，整套解决方案需要适配海量非标定制需求，过程中极易踩坑走弯路。
即便看似门槛不高的搬运场景，不同仓库的货架高度、场地规格各不相同，同时还要对接仓库原有搬运设备与 WMS 仓储管理系统，这些都是落地时必须直面的现实难点。
在我看来，两大核心因素将加速行业规模化落地：一是供应链持续降本，依托国内完善的产业配套，这一目标有望快速落地；二是产业端与客户协同打磨，补齐末端场景的全套解决方案。当前主流技术路线均已可行，普及只是时间问题。
需要区分的是，“规模化” 与 “大规模落地” 并非同一概念，不同应用场景的商业化推进速度也会存在明显差异。
5、模型迭代依赖数据来提升性能，而高质量数据只能来源于真实业务场景；但真实场景落地本身又对模型效果提出了较高标准，二者由此形成供需矛盾。该矛盾该如何破解？训练数据是否必须全部取自真实场景？行业未来是否会复刻移动互联网时期的路径，依靠前期烧钱换取数据积累，最终实现技术突破？
王丛：我觉得这个矛盾理论上成立，但是这个矛盾不是绝对的。
就像智驾行业，现在数据存量很大，但真正支撑落地的核心还是真实场景数据。理论上“模型差拿不到场景、没场景练不出好模型”的矛盾确实存在，但在中国的产业环境下，哪怕早期没有商业化收益，行业也愿意先行投入探索，先把数据规模做起来，踩过坑、迭代完再逐步优化。
这是行业发展的必然规律。
早期都没有标准，都是踩过几波坑之后才慢慢总结出成熟方案。具身智能现在也会经历这个阶段，废掉几波数据、走几次弯路，自然会形成可行的落地路径。
至于烧钱换突破，很多科研技术突破本来就是靠持续投入试出来的。没到一定的投入程度，没人知道正确答案，科学本身就是一套实验求证的方法。这些投入本质都是在做技术验证，是行业发展的必经阶段，没什么问题。
6、在采用地瓜机器人芯片的企业沟通中，对方表示，相较于英伟达方案，在地平线芯片适配环节需投入更多人力成本。那么，您认为目前市场客户反馈主要集中在哪些痛点？现阶段采取了哪些应对举措？
王丛：我认为这是个必然，切换到不同的芯片架构，就必然需要投入更多人员做算法迁移和适配，这是更换技术路线的正常现象，这并不冲突。
有量化部署经验、熟悉端侧优化的团队，比如有智驾开发背景的团队，迁移起来就会快很多；如果是之前只做算法原型、没有端侧量化经验的团队，上手成本自然会高一些。
很多熟悉NV平台的开发者，其实忽略了其方案要跑出高效率也需要做深度量化优化，只是大家已经习惯了那套开发流程而已。
我们和客户的合作衔接很顺畅，客户有问题都会直接反馈，我们也会一步步配合优化工具链和配套支持，跟着客户的节奏把适配工作做扎实。整体走一遍完整流程下来，适配工作并没有大家想象的那么难。
7、世界模型在端侧算力的运行效率如何？未来的发展走向是怎样的？
王丛：目前大家都很关注世界模型，各个团队也都在布局，我们也和相关研究团队有合作。
世界模型并不是完全独立的一套体系，很多时候是作为特征提取模块，为 VLA 等模型提供特征输入，辅助数据验证和测试。现在行业还处在早期，技术路线分很多流派，大家都在做不同的尝试。
什么时候世界模型能真正大规模广泛应用？等到大家不再刻意提“世界模型”这四个字的时候，就说明这条路真的跑通了，技术已经融入到产品里，不再是单独的概念。
就像自动驾驶行业，早年大家会反复讨论各种技术路线、名词概念，现在没人再纠结自动驾驶用的是什么技术流程，直接看实际运行效果就行。世界模型的发展也会经历这个过程。
8、机器人真正运营产生的海量数据，都在客户的系统里，地瓜能拿到这些数据吗？比如客户要在地瓜的平台上做训练，配合意愿高吗？
王丛：我们不拿客户的业务数据，地瓜不是靠客户数据来迭代自身算法的，我们做自研算法的核心目的，是帮助客户更好地适配芯片。
客户不熟悉我们的芯片架构，我们先在芯片上把基础算法跑通、做好优化，给客户提供一个可用的基础模型，客户可以在此基础上快速迭代自己的算法。整个过程都是和客户共创的，我们不会获取客户的核心业务数据。
9、请预测一下今年具身智能芯片的出货量大概能达到多少？AI 芯片在机器人整机的成本占比大概是多少？
王丛：今年的整机出货数据我听过很多不同版本，不同机构的预测差异比较大，我们还是以实际客户项目的情况来判断，就不对外做具体数值预测了。
关于成本占比，现在机器人本体的成本还在快速变化，很难给出准确的数字。可以参考其他成熟行业的规律：旗舰手机芯片的成本占比大概在 5%-10%，中低端手机更高一些。所以，不同行业发展到成熟阶段后，芯片成本占比在5-10个百分点是比较合理的分配，具身智能和机器人行业应该也会遵循类似的规律。
10、地瓜机器人在行业里的定位很特别，能否分享一下地瓜机器人公司从孵化到发展的经验总结或者方法论？
王丛：我觉得有两点比较核心。
第一点，地瓜机器人一直是“以终为始”来思考问题。我们很多思考的方式都是现在终局到底是什么样的，然后一步一步去反推这里面最核心的、产业需要的东西是什么。
这也就是为什么我们说，所谓的最大公约数就是行业最后收敛的终局，还留下什么，我们是不是从现在的一点点去积累做一些。
我们很喜欢做“复利”的东西。
什么叫复利呢？就是我今年投入一块钱，这个东西可能到5年后还有价值，哪怕它不赚钱，但只要它有价值，这样的东西我们会持续做。
其实这样东西才是长期。
但是，所谓的利润，投一块钱，马上这一年就产生了一块五的收益，可能到第三年，一块五的收益就没了。
这种我们基本不会做，这是我们一直坚持的价值观。
第二点比较核心。地瓜所做的事，和我们的使命愿景、价值观，和我们这帮人的性格，都是高度匹配到一起。
我们与客户之间的关系本质，最后都是好朋友。这其实是会规避生态型公司的一个天然“销售”位置。
to C 跟 to B 不一样， to B 就是为了交朋友。
地瓜也是这样。目前我们的客户群体有400-500家客户，具身智能现在有20多家，我们还有很多别的行业，开发者高达10万人。
无论是开发者、客户，还是合作伙伴，大家都是多年的朋友，一开始一两年的时候是认识交流，但是最终大家都能交朋友。
胡老师（胡春旭）做的开发者生态也是这个理念。上周末我们还办了一场青少年机器人科普活动，给8到14岁的小朋友上课。
你说这事对地瓜在生意（商业）上有多大的价值，其实并没有，但就是做生态、做利他的角度，我们就是要做。当时他一提这个点子的时候，我觉得这事特别好，耐得住。
这些跟本性上、价值观高度相关的事情，反而能让我们走到了今天，地瓜也尝到了（甜头）。我觉得这些事都是慢慢攒口碑、攒信任的效果。
热门跟贴