小鹏将图灵 AI 芯片复用于人形机器人 IRON：一套“物理 AI”底座能走多远？

小鹏正在把自研的图灵 AI 芯片从智能电动车延伸至人形机器人。其思路不是把汽车软件原样移植到机器人上，而是将汽车、Robotaxi、人形机器人和飞行汽车视为不同的“物理载体”，尽可能共享一套由芯片、模型和软件组成的“物理 AI”技术底座。

小鹏最新公布的信息是：IRON 人形机器人搭载 3 颗图灵 AI 芯片，可提供最高 2,250 TOPS 的有效计算能力。公司称，这足以让物理 AI 基座模型在机器人端侧部署，而非依赖远程遥控；其预期收益包括更低推理延迟和更好的数据安全性。18

不过，这应被理解为小鹏的产品架构和技术路线，而不是人形机器人已能在复杂环境中长期稳定自主工作的独立验证结论。

一套物理 AI 栈，服务多种机器

小鹏将“物理 AI”定义为覆盖芯片、大模型与智能硬件的全栈体系，面向 AI 汽车、Robotaxi、人形机器人和飞行汽车等产品。30

其中，VLA 2.0 采用公司称为“Vision-Implicit Token-Action”的路径：省去传统 VLA（视觉—语言—动作）架构中的语言转换环节，尝试从视觉信号端到端直接生成动作指令。10

这套逻辑并不复杂：汽车、Robotaxi 和人形机器人虽然身体结构、任务目标不同，但都要完成“看见现实世界—理解和决策—做出动作”的链条。若能共享端侧算力平台，以及模型和软件栈中的一部分能力，小鹏就不必为每一种设备从零开发全部基础技术。

IRON 的“三芯 2,250 TOPS”意味着什么

小鹏表示，IRON 使用 3 颗自研图灵 AI 芯片，最高提供 2,250 TOPS 有效算力。按照公司的说法，这一能力可支持物理 AI 基座模型在机器人本地运行，使其在不依赖远程操控的情况下执行复杂任务，并降低推理延迟、改善数据安全性。18

相关报道也将 IRON 描述为与小鹏智能汽车、飞行汽车共享物理 AI 基座模型的另一种“身体”。19

但需要注意的是，2,250 TOPS 与本地自主作业能力均属于小鹏公布的规格与演示主张。目前公开信息并非针对机器人持续作业能力的独立标准化测评结果。

与 Ultra 车型的连接：同一图灵平台，不同动作输出

2,250 TOPS 同样是小鹏高阶汽车项目的重要参数。小鹏曾表示，Next P7 与 IRON 都具备 2,250 TOPS 的计算能力。30

在较新的 Ultra 车型中，3 颗图灵芯片支持 VLA 2.0；小鹏还将第 3 颗芯片定位为支撑覆盖整车的语音“超级智能体”。13

VLA 2.0 并非普通的对话助手。小鹏将其定位为理解、预测并生成动作的物理世界模型，强调视觉信号可直接转化为动作命令。10 用在汽车上，输出是与驾驶相关的感知判断和车辆控制；用在人形机器人上，目标则是让模型在机器人身体中驱动感知与行动。

共享芯片平台，可能带来哪些优势

软硬件开发可复用

采用同一芯片家族，小鹏或可在多个产品类别之间复用模型优化、编译器、运行时软件、数据管线、仿真方法，以及 OTA（空中升级）部署经验。小鹏已经需要让 VLA 类模型适配量产车端侧运行，并将 VLA 2.0 纳入跨设备的物理 AI 系统。1030

这不代表汽车模型可以直接复制到人形机器人上，而是说，在端侧运行大规模、对延迟敏感的 AI 模型这一部署经验，存在复用空间。

本地推理有助于降低延迟与数据外传需求

机器人若在设备本地处理传感器输入，动作决策无需先经由网络往返云端。小鹏明确将较低延迟与更好的数据安全性列为 IRON 在本地运行物理 AI 模型的理由。18

本地处理也可能减少向远端服务器传输摄像头、音频与环境数据的需求。不过，实际部署中哪些数据会被留存或上传，小鹏尚未公布足够细节。

研发、制造与供应链投入可被摊薄

作为电动车制造商，小鹏已积累大规模开发和集成电子系统的经验。若将自研图灵芯片项目扩展至机器人，芯片研发、系统集成和验证方面的投入便可能由多个产品线共同分担。小鹏也明确表示，其体系涵盖自研芯片、大模型和硬件。30

这是否会形成实质成本优势，仍取决于产量、芯片良率、机器人零部件成本，以及 IRON 所需专用硬件的比例；目前公开资料不足以量化这些因素。

同一颗芯片，并不意味着汽车和人形机器人是同一道题

自动驾驶和人形机器人都涉及感知与行动，但控制难度并不相同。汽车需要理解道路场景、预测动态目标、规划路径和控制行驶；双足人形机器人还要保持平衡、处理接触力、协调大量关节、操作物体，并在受扰或失衡时安全恢复。

因此，图灵芯片不太可能构成机器人的全部控制系统。高频、确定性的运动控制回路，执行器控制、传感器处理和安全系统，可能仍需要与 AI 算力芯片并行的专用组件。小鹏尚未公开 IRON 的详细系统框图，说明三颗芯片、常规控制器及可能存在的专用安全硬件如何分工。

2,250 TOPS 背后仍待回答的问题

单一算力数字无法直接说明机器人在真实环境中的表现。当前缺失或未充分披露的关键信息包括：

• **模型分工：**小鹏尚未公开说明 IRON 的三颗芯片各自运行什么任务、芯片间如何通信，以及哪些功能不属于基座模型。
• **功耗与散热：**2,250 TOPS 是有效算力指标，而非持续功耗预算。IRON 的持续功耗、热管理表现、对续航的影响，以及发生降频后的性能，均未公开。
• **运动过程中的延迟：**小鹏称本地推理能够改善延迟，但尚未发布机器人行走、操作物体或恢复平衡时的端到端延迟数据。18
• **独立验证：**公开证据主要来自小鹏的公告和演示。目前没有公开引用的标准化测试，对比 IRON 与其他人形机器人计算平台在长时间、强接触和安全关键任务中的表现。

接下来该看什么

小鹏的路线已经相当清晰：以自研图灵芯片和共享的物理 AI 模型为基础，将能力从电动车扩展到更多具身智能设备。IRON 的“三芯、2,250 TOPS”配置，是这一路线最直接的体现。1819

真正决定这一策略能否成为长期优势的，不会只是 TOPS 数字，而是更具操作性的证据：公开的芯片与控制器架构、真实机器人工作负载下的功耗和延迟数据、完全在端侧执行的任务范围、续航与耐久结果，以及独立安全测试。