小鵬點樣將 Turing AI 晶片由電動車搬到 IRON 人形機械人

小鵬的想法，唔係將一套車載自動駕駛系統原封不動塞入人形機械人；而係把電動車、Robotaxi、人形機械人同飛行汽車，視為不同「身體」，共用一個由晶片、AI 大模型同硬件組成的 Physical AI 技術底座。

最具體的例子就是 IRON。小鵬稱，這款人形機械人內置 3 枚自研 Turing AI 晶片，提供最高 2,250 TOPS 的有效算力，可在機械人本機部署 Physical AI 基礎模型，而非依賴遙距操控。18 不過，這仍主要是公司公布的規格與示範，不等同已由第三方證實它能在複雜環境長時間穩定自主工作。

一套 Physical AI，配不同「身體」

小鵬把 Physical AI 描述為全棧自研系統，涵蓋晶片、大模型及智能硬件，目標覆蓋 AI 汽車、Robotaxi、人形機械人和飛行汽車。30

其 VLA 2.0 模型採用所謂「Vision-Implicit Token-Action」路徑：小鵬稱它省去傳統視覺—語言—行動流程中的語言轉換步驟，可由視覺訊號端到端直接產生行動指令。10

簡單講，汽車、Robotaxi 同人形機械人的工作不同，但都要做三件事：

1. 感知周邊物理世界；
2. 判斷及預測下一步；
3. 作出動作。

若晶片平台及部分模型、軟件工具可以共用，小鵬就毋須為每一類產品由零開始重建整套 AI 基建。

IRON 裡面有甚麼？

小鵬表示，IRON 的 3 枚 Turing AI 晶片合共可達 2,250 TOPS 有效算力。公司稱，這讓其 Physical AI 基礎模型能在機械人本機運行，支援較複雜任務而毋須遙距操作，同時降低推論延遲及提升資料安全。18

相關報道亦指，IRON 使用的 Physical AI 基礎模型，與小鵬智能駕駛汽車及飛行汽車計劃所用的模型基礎相通。19

但要留意兩個限定：

• 2,250 TOPS 是小鵬所稱的「有效算力」規格；
• 「可自主完成複雜任務、毋須遙距操作」同樣是公司的說法。

目前公開資料未見以標準化、獨立測試方式，驗證 IRON 在長時間運作、頻繁接觸物件或安全關鍵情境下的持續能力。

同車有咩關係？Ultra 車型同樣用到 Turing

這個算力級別亦是小鵬高階車型計劃的核心。小鵬曾表示，新一代 P7 與 IRON 都具備 2,250 TOPS 算力。30

在較新的 Ultra 車型中，3 枚 Turing 晶片支援 VLA 2.0；小鵬亦把第 3 枚晶片定位為支援全車語音驅動的「超級代理」功能。13

VLA 2.0 並非普通車載聊天助手。按小鵬的描述，它是一個理解物理世界、作出預測並生成行動的模型，能把視覺訊號直接轉化為動作指令。10

放在汽車上，目標是處理駕駛場景的感知與決策；放到人形機械人，則是讓同類型的感知—決策—行動能力，透過另一副機械身體表現出來。

共用晶片平台，潛在好處在哪裡？

軟件與部署經驗可重用

同一晶片家族，有機會讓小鵬重用模型優化、編譯器、運行環境、資料管線、模擬流程，以及 OTA（空中軟件更新）部署方法。

小鵬已經要為量產車上的 VLA 類模型做邊緣端優化，亦把 VLA 2.0 定位成跨裝置的 Physical AI 系統一部分。1030

當然，這不代表車載模型可以直接複製到人形機械人。較合理的理解是：如何在本機運行大型、對延遲敏感的 AI 模型，當中的工程經驗可能可以遷移。

本機推論可減少延遲，亦少傳資料出去

機械人若每次見到物件、聽到指令或要調整動作，都要將資料傳到雲端、等結果再傳返來，網絡來回時間就可能拖慢反應。

小鵬正是以較低延遲及較佳資料安全為理由，解釋為何要讓 IRON 在本機運行 Physical AI 模型。18

本機處理亦有機會減少把鏡頭、聲音及周邊環境資料持續上傳的需要。不過，實際產品會保留或傳送哪些資料，小鵬暫時未有詳細公開說明。

研發、整合與供應鏈或可攤薄成本

小鵬本身是電動車製造商，已有大規模整合電子系統的經驗。若 Turing 晶片同時用於汽車與機械人，晶片研發、系統整合及驗證投資便有機會分攤到多條產品線。

小鵬亦明確把其系統描述為涵蓋自研晶片、模型與硬件。30 但這是否會帶來實質成本優勢，仍取決於出貨量、晶片良率、機械人零件成本及 IRON 所需的專用硬件；現時公開資料不足以量化。

同一枚晶片，不代表車同人形機械人是同一道題

自動駕駛和人形機械人都需要感知與行動，但控制難度其實差很遠。

車輛要理解路況、預測其他道路使用者、規劃路線並控制行車；雙足人形機械人除此之外，還要即時保持平衡、處理腳部與地面的接觸力、協調大量關節、操控物件，以及在受干擾甚至失衡時安全復原。

因此，Turing 晶片很可能不會是 IRON 唯一的控制系統。高速而具確定性的運動控制迴路、驅動器控制、感測處理及安全系統，或仍要由專用控制器承擔。

小鵬目前未公開詳細架構圖，說明 IRON 如何在 3 枚晶片、傳統控制器及任何專用安全硬件之間分配工作。

2,250 TOPS 背後，仍有幾條關鍵未解問題

單看 TOPS 數字，未能直接反映機械人在真實世界的表現。外界仍欠缺以下資訊：

• **模型如何分工：**3 枚晶片各自跑甚麼？彼此如何通訊？哪些功能由基礎模型負責，哪些仍交由其他控制系統？
• **功耗與散熱：**2,250 TOPS 是有效算力說法，並非已公開的持續耗電數據。IRON 的實際瓦數、散熱表現、對電池續航的影響，以及熱降頻後的性能，尚未披露。
• **活動時的端到端延遲：**小鵬稱本機推論可改善延遲，但未公開行走、拿取物件或失衡復原時的端到端延遲量測。18
• **獨立驗證：**公開證據主要來自小鵬公告和展示，未見引用公開的標準化測試，可比較 IRON 與其他人形機械人平台在長時間、接觸密集及安全關鍵任務上的實際表現。

真正值得追看的，不只是 TOPS

小鵬的論述本身相當清晰：以自研 Turing 晶片加上共用的 Physical AI 模型基礎，將電動車累積的 AI 能力延伸到人形機械人。IRON 的「3 枚晶片、2,250 TOPS」配置，就是這個策略最直接的展示。1819

下一步更值得看的是營運層面的證據：公開的晶片與控制器架構、真實機械人工作負載下的功耗與延遲數據、續航及耐久結果、哪些任務真正全程在本機完成，以及第三方安全測試。

到最後，能否成為人形機械人市場的優勢，取決於這些實測資料，而不是 TOPS 一個數字。