象帝先唐志敏：具身智能或成国产GPU关键落地场景

具身智能：GPU的新战场

在近日的一次公开交流中，象帝先计算技术（北京）有限公司董事长唐志敏提出，具身智能是GPU重要的落地场景。具身智能是指能够感知物理环境、并与之交互的智能体，例如人形机器人、工业机械臂等。这类系统需要实时处理视觉、触觉等多模态数据，对计算芯片的并行处理能力与功耗比提出了较高要求。唐志敏的观点表明，国产GPU企业正在积极瞄准这一新兴方向，探索在消费级市场之外开辟差异化的应用空间。 从技术路径看，具身智能的感知与决策环节均依赖大规模矩阵运算，这与GPU的并行计算架构高度契合。目前，NVIDIA等国际厂商已在机器人仿真训练领域占据优势，国产GPU若能在端侧推理或边缘部署环节实现突破，可能成为产业链的关键补充。值得关注的是，具身智能产业仍处于早期探索阶段，其规模化落地对算力芯片的性能、生态兼容性以及成本控制究竟有多高要求，有待进一步确认。

国产GPU的产业化挑战与机遇

象帝先成立于2020年，专注于高性能通用GPU的自主研发。唐志敏此番表态，折射出国产GPU产业在技术迭代与市场开拓中的现实考量。根据IDC 2025年发布的预测，中国加速计算市场规模预计到2027年将突破200亿美元，年均复合增长率超过20%。其中，数据中心AI训练仍是主要需求来源，但边缘计算与机器人智能等细分场景的占比正在快速上升。 同时，国产GPU企业面临着生态壁垒和制程约束两大核心挑战。技术生态上，CUDA等主流软件栈的兼容性工程浩大；制造端上，国内先进制程产能紧张。据SEMI 2025年估计，中国成熟制程（28nm及以上）晶圆产能占全球比重已接近30%，但7nm及以下先进制程仍依赖外部代工。因此，国产GPU在具身智能等对制程要求相对灵活的领域寻找切入点，可能是一条务实路径。

产业背景：AI算力需求的结构性变化

具身智能对GPU的拉动效应，与当前AI算力需求的结构性变化密切相关。OpenAI联合创始人Greg Brockman曾指出，大模型能力与算力投入呈现“对数线性”关系。据Gartner 2026年第一季度报告，全球半导体资本支出预计在2026年达到2200亿美元，其中AI芯片相关支出占比超过35%。但与此同时，H100等高端芯片的供应紧张局面正在缓解，市场开始关注更具性价比的计算方案。 在此背景下，国产GPU企业若能抓住具身智能带来的“长尾算力”需求——即无需极致单卡性能、但要满足实时性、低功耗和多样化场景的算力——可能形成差异化优势。然而，目前具身智能领域的标准化程度较低，不同应用场景对GPU的算力、显存以及接口要求差异较大，这要求芯片厂商提供高度可定制的解决方案，而非单一型号产品。

数据参考

• 中国加速计算市场规模预测：IDC 2025年发布的预测显示，到2027年该市场规模预计突破200亿美元，年均复合增长率超过20%。
• 中国成熟制程晶圆产能占比：根据SEMI 2025年估算，中国成熟制程（28nm及以上）晶圆产能约占全球近30%。
• 全球半导体资本支出预测：Gartner 2026年第一季度报告指出，2026年全球半导体资本支出预计达2200亿美元，其中AI芯片相关支出占比超过35%。
• 本文涉及的新闻事实：象帝先董事长唐志敏于近期公开提出“具身智能是GPU重要的落地场景”，该信息来自新浪财经2026年7月15日报道。 #AI #具身智能 #国产GPU #国产替代与本土化