小鵬如何把圖靈 AI 晶片，從電動車延伸到 IRON 人形機器人

小鵬正把自研的圖靈 AI 晶片，從智慧電動車延伸到人形機器人 IRON。核心想法不是把一套車用軟體原封不動搬到機器人身上，而是把汽車、Robotaxi、人形機器人與飛行載具視為不同的「身體」：它們都要看懂環境、做出判斷，再驅動實體動作。

小鵬最新說法是，IRON 搭載 3 枚圖靈 AI 晶片，有效算力最高達 2,250 TOPS；公司稱，這足以讓其實體 AI 基礎模型直接部署在機器人本體上，不必依賴遠端遙控來完成複雜任務。18

不過，這更應被視為一項產品架構與技術路線的宣示，而非人形機器人已能長時間、可靠地應付複雜環境的獨立驗證。

一套實體 AI，服務多種機器

小鵬將其「實體 AI」描述為涵蓋晶片、大型模型與智慧硬體的全端自研系統，目標平台包括 AI 汽車、Robotaxi、人形機器人及飛行載具。30

其中，VLA 2.0 採用小鵬所稱的「Vision-Implicit Token-Action」路徑，主張省去傳統架構中語言轉譯的中間環節，直接由視覺訊號端到端生成動作指令。10

這套論述的重點很直觀：車、無人計程車與人形機器人的身體結構、任務內容雖然不同，但都需要感知現實世界、預測與決策，以及輸出行動。若能共用邊緣運算平台與部分 AI 軟硬體堆疊，小鵬便不必為每一個產品類別都從零建立完整技術體系。

IRON 裡面有什麼？

小鵬表示，IRON 使用 3 枚自研圖靈 AI 晶片，合計最高提供 2,250 TOPS 有效算力。依公司說法，這讓實體 AI 基礎模型能在機器人本地部署，以支援複雜任務、降低推論延遲並提升資料安全性，同時減少對遠端操作的依賴。18

相關報導也指出，IRON 所用的實體 AI 基礎模型，與小鵬智慧駕駛車輛及飛行車計畫共享。19 但必須留意，2,250 TOPS 與本地自主執行的能力，現階段主要仍是小鵬公布的規格與展示成果；它們不是針對長時間、連續作業能力的公開第三方標準化測試結果。

與 Ultra 車型的連結：同樣是圖靈算力底座

2,250 TOPS 同樣是小鵬高階汽車計畫的關鍵數字。小鵬曾表示，Next P7 與 IRON 都具備 2,250 TOPS 算力。30 在較新的 Ultra 車型上，3 枚圖靈晶片支援 VLA 2.0；公司並將第 3 枚晶片定位為支撐全車語音驅動「超級代理人」的基礎。13

VLA 2.0 並不只是車內聊天助理。小鵬將它定位為理解與預測物理世界、並生成動作的模型，讓視覺輸入直接對應行動命令。10 放在車上，這關乎駕駛場景的感知與決策；放在人形機器人上，則是讓同類型的感知—行動能力對接行走、互動或操作物體的身體。

共用晶片平台，可能帶來哪些好處？

軟硬體開發可以重複利用

共用同一晶片家族，有機會讓小鵬重複使用模型最佳化、編譯器、執行環境、資料管線、模擬流程與 OTA 無線更新的部署經驗。小鵬已必須為量產車導入 VLA 類模型進行最佳化，並將 VLA 2.0 納入跨裝置的實體 AI 系統。1030

這不表示車用模型能直接複製到人形機器人；真正可重用的，較可能是如何在裝置端執行大型、對延遲敏感的 AI 模型，以及如何維護其模型與軟體更新。

本地推論可減少延遲與資料外傳

機器人在本地處理感測器輸入，可以避免每次動作都要先經過網路往返。小鵬明確把較低延遲與較佳資料安全性，列為 IRON 在本地運行實體 AI 模型的理由。18

本地處理也可能降低將攝影機、聲音及環境資料傳往遠端伺服器的需求。不過，實際商用時哪些資料會被保存或傳輸，小鵬尚未公開足夠細節。

製造與供應鏈投資可跨產品攤提

作為電動車製造商，小鵬已有大規模整合電子系統的經驗。若圖靈晶片計畫可延伸至機器人，晶片研發、系統整合與驗證的投資便有機會分攤到不只一種產品。小鵬也明確將其架構描述為結合自研晶片、模型與硬體的系統。30

但這是否會形成可量化的成本優勢，仍取決於生產規模、晶片良率、機器人零組件成本，以及 IRON 所需專用硬體的比例；目前公開資訊不足以計算。

共用晶片，不等於汽車與人形機器人是同一道題目

自動駕駛與雙足人形機器人都需要感知和行動，但控制難度並不相同。汽車要辨識場景、預測道路參與者、規劃路徑並控制車輛；雙足人形機器人則還要維持平衡、處理接觸力、協調大量關節、操作物體，並在受干擾或失衡時安全復原。

因此，圖靈晶片不太可能構成機器人的全部控制系統。高頻率、可預測的運動控制迴路，致動器控制、各類感測與安全機制，可能仍要由其他專用控制元件負責。小鵬目前尚未公開 IRON 的完整架構圖，說明 3 枚晶片、傳統控制器及任何專用安全硬體如何分工。

2,250 TOPS 數字背後，仍有哪些空白？

單看算力數字，無法推導出機器人在現實世界的表現。幾項關鍵資訊仍未公開：

• **模型如何分工：**小鵬尚未說明 IRON 的 3 枚晶片各自運行哪些工作負載、彼此如何通訊，以及哪些功能不由基礎模型負責。
• **功耗與散熱：**2,250 TOPS 是有效算力主張，而不是持續功耗預算。小鵬尚未公布 IRON 的長時間耗電、散熱表現、對續航力的影響，或因溫度降頻後的性能。
• **動態情境下的延遲：**公司稱本地推論可改善延遲，但尚未發布機器人在行走、抓取物品或失衡復原時的端到端延遲量測數據。18
• **獨立驗證：**公開證據主要來自小鵬的公告與展示；目前沒有引用到公開、標準化的第三方測試，可比較 IRON 在長時運作、高接觸操作與安全關鍵任務上的表現，以及其與其他人形機器人運算平台的差異。

接下來該看什麼？

小鵬的技術邏輯是連貫的：以自研圖靈晶片與共享的實體 AI 模型為底座，把既有智慧車能力延伸到更多具身載具。IRON 的 3 晶片、2,250 TOPS 配置，正是這項策略最直接的呈現。1819

但要判斷這是否能成為長期競爭優勢，下一步應關注更具操作性的證據：公開的晶片與控制器架構、真實機器人工作負載下的功耗與延遲、續航與耐久成果、哪些任務能完全在裝置端執行，以及獨立安全測試。真正決定成敗的，不會只是 TOPS 的數字。