英特尔宋继强：具身智能正向多智能体协作模式演进

来源：环球网

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

【环球网科技报道 记者 林梦雪】“作为人工智能领域的前沿热点，具身智能在CES之后热度持续攀升，其核心要义在于将智能能力与实体设备深度融合，通过感知-决策-执行-反馈的完整闭环，实现对物理世界的主动改造。”近日，英特尔研究院副总裁、英特尔中国研究院院长宋继强系统解读了具身智能技术的最新进展、核心挑战与产业落地路径。

据他解释，具身智能的核心特征在于物理闭环与主动交互，区别于单纯的信息处理类AI应用。无论是智能车的位移运输、机器人的现场操控，还是无人机的任务执行，其本质都是通过执行器产生物理改变，并依据环境反馈优化后续决策。这种特性决定了具身智能必须面对多样化的场景需求：工业场景对可靠性与精度要求严苛，消费场景注重功耗与成本平衡，商用场景则追求灵活适配与快速响应。单一硬件架构难以覆盖所有需求，异构计算因此成为技术基石——通过CPU、GPU、NPU、AI ASIC等不同计算单元的协同，匹配感知、决策、执行等不同环节的差异化需求，实现能效比与性能的最优平衡。

在应用架构层面，具身智能正从传统的预编程模式转向多智能体自主协作模式。这种变革意味着系统需根据用户需求、业务变化和场景动态，自主构建业务流并生成专用智能体。智能体本身由多种AI组件构成，涵盖扩散模型、大语言模型（LLM）、视觉语言模型（VLM）等，不同组件的计算内核、数据量级与并行度差异显著。为此，英特尔提出混合编排层架构，通过统一的系统基础设施隔离硬件多样性，向上提供稳定的软件接口，使上层业务编程成本长期有效，同时支持多厂商、多架构的灵活组合，适配开放生态的演进需求。

宋继强称，针对具身机器人这一核心应用载体，行业尚未形成统一的最优技术路径。当前主流探索方向是混合异构框架，融合前沿AI模型与传统运动控制技术。英特尔将这一链路拆解为“系统2-系统1-系统0”三级架构：系统2作为慢系统，通过VLM等大模型实现视觉理解与任务规划，输出高精度语义级结果；系统1（Action Expert）将规划任务映射为设备执行器的控制指令，兼顾实时性与设备适配性；系统0则通过传统的模型预测控制（MPC）技术，将控制频率提升至1000Hz级别，确保运动的平滑与精准。三者分别对应GPU、NPU、CPU的异构计算优势，形成各司其职的协同体系。

硬件产品方面，英特尔最新发布的第三代酷睿Ultra For Edge处理器成为关键支撑。该产品专为工业级应用与物理AI设计，具备180 TOPS的AI算力，采用Intel 18A制程工艺，在能效比上实现显著提升。其核心优势在于工业级可靠性，包括宽温工作范围、10年稳定供货周期，以及针对机器人场景优化的高实时性与确定性。配合英特尔机器人AI套件与具身智能SDK，形成从硬件到软件的完整解决方案——前者提供模块化的参考设计与优化软件包，支持传统视觉模型与大模型（含VLA）的高效运行；后者新增LLM任务规划、EtherCAT实时通信等关键能力，复用英特尔在工业机器人领域的成熟技术积累，大幅降低厂商开发成本。

宋继强认为，可信赖性是具身智能从实验室走向产业落地的核心瓶颈，英特尔从决策、执行、故障应对三个维度构建了全方位保障体系。在决策层面，采用神经符号AI混合控制模式，将领域知识与规则嵌入系统，对神经网络生成的决策进行校验，既发挥大模型的泛化能力，又避免幻觉导致的灾难性后果。在执行安全层面，借鉴汽车行业的安全设计思路，构建“主控系统-安全系统-备用系统”三级硬件架构：安全系统持续监控传感器输入与执行器状态，预判潜在风险；备用系统在故障发生时，能将机器人引导至最小风险状态，而非简单停机。基于这一理念，英特尔联合学界与产业界发布《具身智能机器人安全子系统白皮书》，提出PMDF（监控-决策-故障处理-恢复）框架，为行业提供标准化的安全设计参考。

谈及产业落地前景，宋继强指出，当前具身智能正处于“提升能力上限”向“筑牢可靠性底线”的关键过渡阶段。物流分拣、工厂备料搬运、标准化产品组装等半结构化场景将率先实现商用落地，这些场景任务明确、领域知识清晰，能够在现有技术条件下实现可靠运行。预计一两年内，部分厂商将在实际工厂中部署具身智能机器人，但要实现百万台级别的工业规模应用，仍需突破量产一致性、成本控制、数据标准化等多重挑战。

数据问题是当前具身智能发展的重要制约因素。宋继强指出，由于场景多样性、机器人本体差异、精度要求不统一等原因，数据孤岛现象突出，行业尚未形成统一的数据采集与训练标准。英特尔认为，数据标准化需要在实践中逐步推进，而当前阶段，通过构建开放生态、推动数据交易等方式，可在一定程度上缓解数据荒问题。同时，随着产业规模扩大，依托成熟工业体系（如车企）提升零部件量产能力，将有效降低硬件成本，推动具身智能向更广泛的商用场景渗透。