荣耀“闪电”半马夺冠！高端处理器造机器人，未来属于“实时智能”

在最近举行的2026年世界人形机器人半程马拉松比赛中，共有105支赛队、26个品牌的300多台人形机器人参赛，包括荣耀“闪电”、宇树H1/G1、清华大学“天工Ultra”等主流机型。赛事设置自主导航与遥控操作两类参赛方式。最终，来自荣耀“齐天大圣战队”的自主导航机器人“闪电”以50分26秒的成绩夺得冠军。该成绩大幅超越人类半程马拉松56分42秒的世界纪录。

荣耀研发的“闪电”机器人集成智能制造与具身AI相关技术，具备稳定的本体结构、高动态运控算法、实时感知理解与自主决策能力。

此外，宇树科技H1（2023年改版）在排位赛中自主跑完1.9公里多弯道赛程，用时4分13秒，按比例计算打破了人类1500米世界纪录。

机器人马拉松赛事让我们看到机器人的持续进化，在自主决策、环境感知与运动控制等核心能力上实现显著突破。从复杂路径规划到稳定持续运动，从动态避障到自适应调整，充分展现了智能机器人技术的成熟度与实用性。

算力平台是人形机器人核心底座

算力平台是人形机器人性能的核心底座，直接决定多模态感知、实时决策与运动控制的稳定性。目前，人形机器人的主流处理器供应商包括英伟达、瑞芯微等。

其中NVIDIA Jetson Thor是物理AI与机器人赛道的核心算力平台，专为实时多模型AI工作流打造，支持机器人同步完成感知、推理与动作执行，实现物理AI在机器人端的全流程落地。

Jetson Thor 以 Blackwell GPU和 128GB 存储器为核心，可提供 2070 FP4 TFLOPS 的 AI算力，是前代 Jetson Orin的7.5 倍，并实现3.5 倍能效提升；平台 CPU 性能提升3.1 倍，整合更多核心与更强 GPU 性能，夯实实时控制算力基础。银河通用的人形机器人 Galbot 成为全球首批搭载 Jetson Thor 芯片的产品。

在今年CES期间，瑞芯微首次在海外展示基于RK3588的机器人开发平台及双目视觉算法，具备性能深度优化、核心模块高度集成、开发流程快速上手三大核心优势，支持服务机器人、教育机器人、陪伴机器人等产品的快速开发与场景落地。瑞芯微的 RK3588 与 RK3588S 芯片，已被智元灵犀 X2、逐际动力 LimX Oli、高擎 Pi/Pi + 等人形机器人采用。

Arm技术是算力平台的基石

值得注意的是，芯片底层技术直接决定平台的算力上限、能效比与功能完整性等。目前，全球主流人形机器人主控处理器，均以 Arm 技术作为核心算力底座。

上述提到的NVIDIA Jetson Thor基于 Arm Neoverse V3AE 架构打造，Arm Neoverse V3AE 单核性能卓越、可扩展性强，可并行运行多个复杂 AI 模型。依托领先的每瓦性能，保障边缘机器人可持续运行先进 AI 工作负载，实现多传感器数据融合、生成式 AI 运行及高响应场景的安全实时决策。

RK3588采用 8 核设计（4×Cortex-A76 + 4×Cortex-A55），集成强大的图形处理器和多媒体加速单元，作为一款高性能、低功耗通用型 SoC，面向 AIoT、智能座舱、机器人、工业控制等场景。

此外，高通跃龙 IQ10 系列，面向工业机器人、自主移动机器人 (AMR) 以及人形机器人等高阶应用场景。高通的机器人解决方案同样基于 Arm 架构打造，在边缘侧实现兼顾高能效与高性能的物理 AI 能力。

还有，辉羲智能自研的光至 R1 芯片专为具身智能深度优化，于 2024 年 10 月发布，采用 7nm 车规级制造工艺，具备 8 核 SIMT 架构，内置 24 颗 Arm Cortex-A78AE 核，提供超过 500 TOPS 的 AI 算力和超过 420k DMIPS 的 CPU 算力。该芯片被集成至 RISE 计算平台，平台已于 2025 年 10 月顺利实现量产交付，部署于智元精灵 G2 等机器人产品，并在九识智能 L4 级无人驾驶物流车等复杂场景中完成深度集成验证。

主算力平台承担机器人上层智能感知与全局决策任务，高性能 MCU 则负责底层关节驱动、精准运动控制与指令执行。二者相辅相成，共同构成人形机器人完整的智能决策与运动执行体系。据悉，荣耀“闪电”机器人最关键的腿部关节控制单元，搭载了多颗兆易创新超高性能MCU——GD32H7；该 MCU 内置 600MHz Cortex®-M7 内核，算力强劲，可大幅缩短控制运算周期，凭借极致算力、低延迟响应与超高稳定性，有力支撑机器人完成本次突破人类极限的马拉松赛事挑战。

Arm物理AI平台，助力机器人实现“实时智能”

当前，人形机器人正迈入从实验室走向工厂与商业服务场景，开启规模化商用与产业变现的新阶段。但其商业化落地仍面临着严峻的挑战。

首先是时延，需在微秒或毫秒级内完成“感知信号到执行控制”，是极高复杂度的计算挑战。其次是场景与生态碎片化，行业虽能打造单台高性能机器人，但软硬件碎片化阻碍大规模部署。随着人形机器人等物理AI在多行业规模化落地，市场对具备一致性能、安全与可靠性的统一平台化计算架构需求持续提升。另外就是功耗与热管理限制，高密度机器人场景（物流中心、工业园）面临高功耗、热管理、网络带宽难题，系统需在严格功耗与散热约束下稳定运行。

Arm 物理 AI 事业部执行副总裁 Drew Henry 表示：“我们正处于物理 AI 的转折点。物理AI正从实验走向可扩展的自主代理，在少量的人工干预下感知、推理与行动。Arm 高能效、可信赖的计算平台，正与这些 AI 进步深度融合，在严格的安全与延迟要求下，实现可扩展的实时智能。”

在Arm看来，物理 AI 是一个快速增长的领域，得益于先进的人工智能模型、高性价比的传感器与执行器，以及端侧算力支撑，如今机器人能够实时适配不同人群、应用场景与作业任务，应用场景也正从工业制造领域，拓展至物流、医疗、零售、采矿及各类服务行业。

显然，以物理AI平台为基础，Arm 正在为“实时智能”铺就一条快速路。Arm通过四大计算层级构建物理 AI 技术底座。

第一是感知驱动层，负责设备环境感知与超快速实时决策，时延表现是核心；

第二是交互驱动层，为设备人机交互提供算力支撑，实时性要求低于感知层；

第三是驱动执行层，精准控制机器人微型执行器、汽车制动转向等执行部件；

第四是云端层，一方面，在云端完成新模型训练，然后下载到终端设备，另一方面，所有设备通过云端整合成一个集群，以集群方式协同作业，实现人形机器人、自动驾驶、机器人系统与云端环境的交互。所有这些系统都必须做到功能安全、信息安全。

Arm 实现了物理 AI 四大计算层级的全栈技术覆盖，从感知、交互、执行到云端协同，以统一低功耗架构贯通端云全链路，构筑从云到端一体化的物理 AI 技术底座。

Arm 依托统一计算架构实现分布式智能，支持“一次开发、跨多物理系统部署”，Arm 高能效的计算平台与全球最大的软件开发者生态，为生态伙伴提供可靠的计算底座。同时，Arm 灵活的协作模式既支持客户使用生态技术，也支持自研差异化方案，高效服务中国及全球市场。

能效是 Arm 与生俱来的基因。硬件层面，Arm 领先的产品组合提供高性能与高能效的平衡；软件层面，Arm 提供 KleidiAI 库支持模型量化与调优；系统层面，Arm 推动云-边-端协同，将高功耗任务卸载至边缘或云端，并支持低功耗通信协议，形成“架构+硬件+软件+生态”的整体能效优化路径。

小结：

Arm 数十年深耕低功耗、高可靠计算平台的技术积累，正与 AI 及系统技术发展相结合，使其能在严苛的安全标准与低时延要求下，实现可规模化的实时智能算力支撑。Arm物理AI平台为人形机器人的持续迭代升级提供底层支撑，它能优化运动控制、环境感知与自主决策，助力机器人不断提升性能，加速商业化落地进程。