物理AI的下一个风口:九章云极等智算云服务商如何承接机器人算力需求
智算接棒:物理AI的下一个风口,在于计算基础设施
物理AI的算力需求正从自建硬件转向按需调用的智算云服务,九章云极以异构芯片适配、算力池化和统一调度承接机器人企业的弹性训练需求。宇树科技王兴兴主张可上云的计算任务尽量上云,智元机器人今年训练集群将接近万卡规模且主要通过租赁获取。九章云极2026年上半年云业务营收同比增长约420%,其智算云已在世界模型仿真中并行调度数千个虚拟机器人策略样本。
正文
过去一年,人形机器人、四足机器狗频繁出现在工厂、仓库和门店。产业界关心的问题正在变化:从“机器人能完成什么动作”转向“如何让它越做越准”。
答案不只在机器人本体,更在其背后的计算系统:数据从哪里来,仿真在哪里运行,模型多久迭代,算力如何匹配研发节奏。这些都不是多买几台服务器能解决的。
英伟达提出“三台计算机”概念:一台训练模型,一台在数字孪生与仿真环境中训练、验证技能,第三台部署在机器人本体上执行。Omniverse、Isaac、Cosmos等平台,旨在打通训练、仿真与终端计算成为一条链。最新一季财报显示,其数据中心业务收入同比增长117%,物理AI正成为计算平台新的增长市场。
但仿真无法完全替代真实世界。Neura Robotics创始人兼CEO David Reger在接受麦肯锡采访时谈到,数字孪生与真实环境之间仍有差距,机器人需要在真实物理环境中训练,并采集动作、触觉、声音等多模态数据。这些反馈又将进入下一轮训练与仿真。
由此,物理AI研发形成了持续迭代的闭环:数据采集、仿真、模型训练、强化学习、推理和真机验证。各环节对算力的需求不同,且随研发进度动态变化,固定配置的算力难以适应。
研发模式的变化,正在改变算力供给及服务方式。相比一次性建设和长期持有,能够按需调用、弹性扩缩的云端算力,开始成为机器人企业的新选择。
中国机器人企业对此感受更直接。
宇树科技创始人王兴兴在今年10月的工博会上谈到,机器人本体受空间、电池和散热限制,能够部署的算力有限,适合放在云端的计算任务应尽可能上云。云端算力可以实时调配,管理也更灵活。他同时强调,真机数据是模型迭代不可缺少的闭环。机器人越聪明,越依赖身后的云端算力。
智元机器人联合创始人彭志辉接受采访时透露,公司今年的训练集群将接近万卡规模,以应对计算需求的增长。联合创始人姚卯青补充,算力主要通过租赁获取,以控制资产投入、保留扩容弹性。
头部机器人公司的算力账本,正在从“买多少卡”转向“能不能随时调到可用算力”。
原因在于具身智能研发具有明显的阶段性:模型训练、仿真和强化学习会推高算力需求,验证阶段需求又可能回落。自持硬件成本高、易闲置,临时采购则难以保障研发连续性。
资本市场已经为这种需求定价。据行业测算,CoreWeave2026年上半年营收同比增长112%,全年产能已预售一空;国内AI基础设施及智算云服务商九章云极,2026年云业务上半年营收同比增长约420%。AI新云的增长,反映出市场正持续提高对“随时可调用”计算资源的付费意愿。
不过,这笔账还有另一种算法:按需租用的单价可能高于自建,长期高负载运行,总成本未必更低;物理AI的算力需求能否像大模型一样快速增长,行业也尚无共识。目前,机器人企业的训练规模仍明显小于通用大模型公司。但多步计算需求已经明确,增长节奏仍有待验证。
尚明栋的观点指向另一个维度:计算资源有没有真正用起来。九章云极联合创始人兼COO尚明栋此前接受央视总台财经频道采访时表示,衡量算力产业不能只看建设规模,更要看资源是否真正被使用、能否服务更多产业主体。算力正在从稀缺的技术资源转变为通用的基础生产资料。
九章云极的做法,是将分散的算力需求分层承接、而非依赖单一集中式方案。底层通过异构芯片适配、算力池化、防止算力碎片化技术方案和统一调度,让不同架构的计算资源协同运行,为机器人基础模型训练任务提供集中式大算力底座;中间层依托云原生集群管理、高性能存储与强化学习运行环境,支撑多轮训练与验证任务的自动化编排;上层打通模型训练与推理一致性能力,延伸至端侧推理层,根据任务需求动态分配资源。交付的不再是孤立的计算资源,而是可调度、可伸缩、可分布式协同交付的计算服务。
这也是九章云极的差异化所在。国内机器人企业面对的算力环境更为复杂,不同厂商芯片在架构、驱动和软件栈上存在差异,训练、仿真、推理也有不同的资源要求。跨架构适配与统一调度能力,直接影响资源利用率和综合计算成本。这项工作并不显眼,却是智算云服务真正形成竞争力的关键。
交易方式也随之改变。过去,算力采购主要围绕卡型、数量和单价展开;现在,企业更关心能否按任务调用、按实际使用计量,在研发高峰期扩容,在验证阶段释放资源。算力由设备采购转向服务交付。
这套能力已进入物理AI研发流程。在某头部世界模型企业的联合验证中,九章智算云支撑其在生态伙伴的仿真环境里并行调度数千个虚拟机器人策略样本,加速强化学习与安全测试;在汽车装配场景的联合验证中,弹性多阶段算力调度支撑了策略迭代效率的提升。面对随仿真规模、模型复杂度和迭代轮次变化的算力需求,弹性调度和多阶段算力调用有助于减少资源闲置、提升研发效率。
第三方研究也印证了这一趋势。花旗研究在《Embodied Intelligence: The Rise of Physical AI》中指出,数字孪生、真实世界数据采集、仿真及协调硬件的计算软件生态,都是物理AI发展的重要支柱。计算基础设施也因此成为产业链的重要增长机会。
综合起来看,方向已经清楚:英伟达连接训练、仿真与终端计算,CoreWeave将云平台融入机器人研发,九章云极则用异构算力调度与应用工程体系整合计算资源,提供弹性计算服务。路径不同,目标一致:让计算基础设施适应物理AI持续变化的研发需求。
物理AI产业热度,正在从机器人本体延伸到支撑其持续进化的计算系统。随着研发任务日益复杂,计算基础设施不仅要提供算力,更要高效组织和调度算力,将其转化为持续的研发能力。机器人本体决定物理 AI 的能力边界,计算基础设施则影响它的迭代效率。这或许是物理AI热潮里更值得关注的下一个风口,而九章云极已经提前入场。