炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：雷峰网）

“比较幸运的是，我们坚持了最开始相信的事。” 在被问及黑芝麻智能如何在机器人赛道守住先发优势时，黑芝麻智能 CMO 杨宇欣语气笃定。

日前，黑芝麻智能于其机器人平台产品发布会上正式官宣布局机器人业务，推出业界首个机器人商业化专属部署平台——SesameX™多维具身智能计算平台，包含Kalos（视觉驱动）、Aura（感控协同）、Liora（认知进化）三大核心模块，已应用于物流车、四足机器人等场景。

对于此次机器人平台的布局，杨宇欣明确表示，这并非跨界之举，而是业务的自然延伸。据雷峰网了解，黑芝麻智能的机器人业务在2024年底启动，截至目前已有多个项目成功落地。该业务在公司整体营收中占比仍较低，尚处于战略布局阶段，但却是其从智能汽车计算芯片向全域智能计算平台拓展的关键里程碑。

黑芝麻智能坚定扮演 “赋能者” 角色，它并未选择亲自下场造机器人，短期内也无专为机器人研发芯片的计划，而是立足芯片主业，最大限度复用智驾领域的技术与生产经验，在工具链、IO 等维度适配现阶段机器人客户的场景需求。

从商业落地来看，黑芝麻智能为机器人业务线锚定了 “卡位 + 布局” 的核心定位。“卡位” 是指在未来机器人产业链中明确自身技术边界，“布局” 则是提前锁定潜在优质客户、理顺上下游产业关系。

从智驾芯片龙头向机器人算力平台拓展，黑芝麻智能试图卡位机器人赛道，成为 AI 时代的端侧 AI 计算平台供应商。

以下为黑芝麻CMO杨宇欣、机器人业务线负责人徐劲与雷峰网等媒体的对话内容，雷峰网作了不改变原意的编辑：

Q：机器人平台发布之后，商业化进程大概是怎样的？大概多久能够在推进过程中看到一些收益体现？

杨宇欣：实际上，黑芝麻的机器人业务早在 2024 年底就启动布局，之所以现在才发布相关平台，是因为目前机器人市场仍处在非常早期的阶段，很难说我们已经摸清了市场的边界。

但从业务落地的角度来看，黑芝麻机器人业务在去年底今年初就已实现首批项目落地并产生了收入。当前阶段，随着黑芝麻机器人平台边界的清晰和行业共性需求的提炼，未来其机器人业务的商业化进程将迎来加速。

Q：此次共公布了三大平台十款产品，但为何未提及与智驾芯片对应的具体型号？

徐劲：黑芝麻进入机器人领域并非跨界，而是智能汽车领域诸多能力的自然延伸，芯片便是其中之一。此次推出的机器人芯片与智驾芯片存在一定对应关系。之所以没有逐一列出具体型号，一方面是机器人当前出货量远低于汽车，单独售卖芯片显然不具备可行性；

另一方面是两者的应用需求存在差异，机器人的软硬件体系均未成熟，仅提供芯片无法实现业务落地。因此，我们希望将芯片整合定义为模组，在 IO 接口上更适配机器人的需求，并在此基础上叠加底层软件工具链，包括各类算法模型，通过更上层的 “原子模型层” 为机器人产业赋能。

杨宇欣：尽管机器人业务所用芯片底层仍是车规级芯片，但实际上我们并未将其型号与智驾芯片完全对应。原因在于不少机器人厂商是算法出身，并不擅长底层嵌入式开发与工程化落地工作。如果直接向其提供芯片，我们需要投入的技术支持资源，会远超服务一家车企的投入，这对双方而言都不是最优解。倘若未来出现年出货量达千万级的机器人企业，我们的商业模式也会随着产业链的发展而动态调整，从而实现合作共赢。

Q：此次机器人“模组” 的概念是否与过往黑芝麻智能 Tier2 的定位有所偏差？是否意味着比过往做的事情更多了？

杨宇欣：首先，机器人产业链尚未形成像汽车行业那样清晰的 Tier1、Tier2 分工，相关分工概念本身就源自汽车行业；

其次，黑芝麻智能的核心定位始终是 “赋能”，即无论采取何种方式，只要能更好地赋能客户，我们就会选择当下最合适的商业模式与技术边界。

模组只是平台能力的硬件载体，在模组之上，底层操作系统、通用操作系统、中间件及参考模型，都能为客户提供更全面的支持。最终要回归商业化落地的本质，与我们合作的对象既可以是机器人终端厂商，也可以是方案集成商，比如与华为电力的合作，我们双方之间仍需要中间人，很难用传统汽车行业的 Tier1 或 Tier2 标准，简单界定我们的角色。

Q：机器人业务何时能释放商业利好，形成实质性合作或落地？机器人业务是否以独立子公司形式运作？目前人员与资源配置情况如何？

杨宇欣：机器人业务是在上市公司体系内推进的，公司当前最重要的目标是把现有业务经营好。从资源投入来看，芯片、底层软件和工具链等底层技术，均来自集团研发资源，属于各业务可共享的资源，只是会根据机器人业务的需求进行二次开发；机器人业务的投入更多集中在平台侧和产品侧，目前整体投入规模总体可控。

商业利好方面，我们今天已公布了部分已落地场景及正在合作的客户。不过，当前机器人业务收入相较于公司总体收入而言并不突出，内部对机器人业务线的定位是 “卡位 + 布局”：

“卡位” 是指在机器人产业链中明确自身的业务边界，“布局” 则是指提前对接未来可能成长为行业头部的合作伙伴，厘清产业链上下游的合作关系。

徐劲：公司已将机器人业务确定为 “第二增长曲线”，在该业务上的投入决心非常坚定。关于机器人业务具体的组织架构、人员数量及后续投入方案，公司将持续研究判断，相关基本策略后续可能会在合适的时间另行披露。

Q：机器人产业目前多复用汽车芯片，未来是否会出现 “机器人级” 专用芯片？如果会，黑芝麻在产品线上有何规划？

杨宇欣：现阶段行业内尚无明确的 “机器人芯片” 技术边界定义，当前机器人技术迭代速度较快，类似七八年前智能驾驶的发展阶段。目前我们在技术选择上，往往需要牺牲一定效率来换取产品的普适性，比如在 Transformer 模型与 GB/GPU 的选型上便是如此。待未来机器人芯片的技术边界逐渐清晰后，我们会根据市场的演进方向，对产品线进行重新调整。

徐劲：黑芝麻现有芯片已能覆盖当前机器人在传感（含视觉、激光雷达）、计算架构及 IO 接口等方面的核心需求。短期内，我们会继续以车规级芯片为核心，不会为机器人业务单独开发全新芯片。单独研发一款全新芯片的成本极高，现阶段我们仅通过机器人业务单元（BU）的需求反馈，进一步加深对机器人场景需求的理解。

Q：随着景区、电网等应用场景增多，公司需投入的资源是否会呈线性放大？如何平衡场景拓展与业务边界控制？

杨宇欣：当前机器人领域的公司多为初创企业，这类企业技术实力较强，但市场资源相对薄弱，行业内存在较大的商业落地鸿沟。黑芝麻在坚守 “计算平台供应商” 这一赋能角色的同时，会依托上市公司在市场与产业资源方面覆盖较完整的优势，整合政府资源与市场化资源，协助合作方开拓应用场景，主动 “创造需求” 并撮合场景方与客户对接，最终形成商业闭环。

Q：黑芝麻如何判断并解决从原型到量产之间 “断点” 这一关键问题？

徐劲：机器人行业即便进入量产阶段，整体量产规模仍然有限，且 “从原型到量产” 的标准基线本身并不清晰，这恰恰是我们当前面对的最大问题。相比之下，在汽车端，我们已经完成过大平台级别的量产项目，相关芯片与软件架构都经历过严苛的验证，团队能力和技术路径也都接受过类似量产考验，因此将这套成熟体系迁移到机器人平台时，过渡会相对顺畅。现阶段机器人行业真正的出货量还不算大，所以这一 “断点” 对黑芝麻来说，并不是不可逾越的障碍。

Q：黑芝麻机器人平台除国产化替代外，与英伟达等竞品相比核心优势何在？

徐劲：这个领域还是一个非常早期的领域，很多东西并没有定形，英伟达也不例外。

从算力角度看，当前在中国市场，我们芯片的算力是最接近英伟达的，而且下一代芯片在部分技术指标上甚至已实现领先。我们的芯片团队有长期且深厚的积累，拥有长期且深厚的技术积累，因此我们并不惧怕与英伟达同台竞争。

在生态建设层面，我们确实与英伟达存在一定差距，但这也被我们视为突破的机会。尽管国内机器人企业现阶段的开发工作大多基于英伟达的方案，但一旦项目涉及成本控制与本地化技术支持，这类企业必然会将中国本土合作伙伴纳入考量范围。

Q：黑芝麻智能在智能汽车领域已建立成熟的国际市场布局，这些全球化经验如何迁移至机器人业务？公司对海外机器人市场有何具体规划？

杨宇欣：关于技术复用，中高算力 AI 推理芯片的大规模商业化经验目前集中在自动驾驶领域，几十 T 乃至上百 T 算力的芯片已在自动驾驶领域大规模应用，工具链、底层软件、算子适配、Transformer/VLA 模型落地等均在汽车行业经历过验证。机器人对工程化、应用优化的要求略低于汽车，模型挑战仍是最高的，算力越高，能承载的任务越多，支持的模型也越复杂。关于国际化策略，黑芝麻已与多家全球 Tier-1 合作，机器人业务正寻找合适的海外切入机会。中国是机器人落地进展最快的国家，海外市场更偏场景。我们不会单纯对接海外机器人厂商，而是和合作伙伴共同推进海外场景落地。

徐劲：黑芝麻的基因是 “born international”，国际化是优势而非劣势。中国机器人产业链与海外市场的付费意愿、价格体系间形成了 “时差红利”。黑芝麻不做机器人本体，如何依托国际化优势形成机器人业务商业化闭环，目前仍在探索中。

Q：黑芝麻如何保证长周期里的商业化效率，同时平衡研发成本？

杨宇欣：一方面，活下来靠 “共性”。芯片公司是赋能角色，对行业共性理解越深、提取越准，越能立足，我们已看到海外和国内成功提取共性的案例。另一方面，要成功上量。黑芝麻从汽车领域切入机器人行业并非从零开始，而是自然演进，底层技术相通性强，上量就代表成本优势，这是芯片行业很现实的问题。投入层面，黑芝麻尽量复用原有技术体系，在研发可控的前提下增加机器人业务的支撑部分。

徐劲：第一，需求端已出现 “最大公约数”。过去一年黑芝麻与不同机器人厂家对接，发现在感知、路径规划、语言交互、大模型等方面需求共通，正是这种共性，让我们有了发展机会。第二，打造 “商业落地最佳平台”。目前的三款方案是基于 “最大公约数” 得出的、可覆盖最大范围场景的成果，后续还会持续升级。第三，通过软件将更多技能映射为底层任务，实现更高程度的通用化。

Q：演讲中提到的 “单脑控制到双脑协同、左右脑平衡、全脑协同”，是否可理解为人类生理大脑？为何要模拟这种人类左右脑结构？“类人脑” 设计是否真的比 “感知→决策→执行” 链路更优？能否举例说明哪些机器人功能必须依赖左右脑分域协同才能实现？

徐劲：左右脑只是概念，并非要在硬件上复刻人类左右脑，核心是不能将功能做孤立划分。我们研究大量论文并结合实践经验发现：通常大家会认为大模型可解决所有问题，但学术界有一派观点强调世界模型的必要性，纯语言模型的能力存在局限。比如 DeepSeek-OCR，我们曾认为文本处理必然是语言层面的工作，后来却发现引入视觉通路后，整体效果反而更好。

人脑的诸多机制可被借鉴，比如人与人对话交流时，除了获取语言文字信息，还会接收表情等信号，诸多信息处理环节是同步进行的，这就涉及到左右脑协同。至于是否要通过与人脑相似的硬件来实现该能力，这是值得探讨的技术路线问题，而业界已普遍认可视觉与语言协同的必要性。

Q：这款大计算平台 SoC 做了创新性硬件设计，是否使其更适配当下以 VLA 为主的机器人场景？

徐劲：我们确实在芯片层面做了独到尝试，且已将自家产品指标与市面最强芯片进行对比，我们的效能具备明显优势。我们观察到，传统视觉处理的带宽曲线呈现输入带宽高、中间计算带宽低、输出带宽低的特征；而大语言模型的带宽曲线则为输入带宽低、中间计算带宽高、输出带宽低。

我们的目标是在同一颗芯片上，同时高效运行视觉与语言相关任务，且兼顾带宽、算力与 SRAM 成本。为此，黑芝麻通过一种新颖架构实现了两种模态计算的高效处理，相关技术细节暂不便公开。

Q4：传统商学院的 “第二曲线” 通常要在第一曲线过了破局点之后启动，现在黑芝麻第一曲线是否已经过了破局点？为何此时启动机器人业务？汽车领域的经验如何迁移至机器人赛道实现 “弯道超车”？

杨宇欣：黑芝麻进入机器人领域，并非完全意义上的第二曲线，而是非常自然的业务过渡。公司官方很少使用 “第二曲线” 一词，因为其定义是进入全新市场、团队研发与市场相对独立，这与我们技术复用度极高的实际情况不符。

徐劲博士此前负责智能影像部门，相较于封闭的汽车市场，机器人场景更为丰富，其产业链布局与诸多工业品、消费品高度相似。黑芝麻在汽车领域积累的安全认知，以及大算力芯片商业化落地的经验，均能迁移至机器人领域，且现有汽车客户，也是潜在的机器人客户与合作伙伴。

Q：有试过跑几个 VLA 吗？速度和效果怎么样？

徐劲：我们内部做过测试，虽尚未正式发布，但从目前结果来看，比业界最领先的方案还要好一点。这得益于我们长期的技术积累，以及对前沿算法的持续跟踪，能够将芯片算力高效发挥出来。

Q：现在行业对人形机器人 VLA 路线信心不足，黑芝麻面对终端厂商技术路线的变化，会不会调整原有设计？作为芯片厂商，该怎么应对不停变化的技术路线？

徐劲：黑芝麻既不是算法厂商，也不是终端厂商，我们核心是推出通用架构，最大程度满足各类计算需求。新架构会继续支持 V（视觉）和 L（语言），追求 “最大公约数”。我们会关注新的技术架构，但不会去判断算法的发展方向。

杨宇欣：去掉 “L” 对算法的挑战很大。现在大模型能落地应用，正是因为基于 Transformer 的大语言模型，能力会随算力提升而暴增，语言就是它的核心中枢；要是直接做 V-A，很多基于 Transformer 的大模型都得重构。

作为芯片公司，我们通常只关注模型，只要模型基于 Transformer，我们就能做加速，我们最新的 NPU 本身就原生支持这个模型。但 Transformer 未必是具身智能时代最好的模型。

我们已经在研究 Mamba 等新架构了，一旦行业形成下一代模型的共识，我们的 NPU 就会适配新架构。现在模型迭代相对慢，十年前模型一年一换，芯片根本跟不上。

黑芝麻能活到现在，也说明我们当时的技术判断是对的。现在为了保证前瞻性，我们有专人每天跟踪学术论文。我们需要关注模型的演进方向，让 NPU 更好地适配新模型，同时攻克衍生的算法问题。

Q：黑芝麻处在 AI + 机器人的交叉领域，其估值体系有可能从智能汽车芯片切换到全域智能终端芯片，估值会有多大提升？会通过哪些业务或节点来体现？

杨宇欣：很难把业务发展、定位和二级市场的估值逻辑直接匹配，但估值最终还是要体现在对市场的把握、业务落地和实际业绩上。

我们希望未来黑芝麻能成为 AI 时代端侧 AI 的计算平台与芯片供应商。接下来，公司会更强调端侧 AI 能力，未来具身智能会成为继自动驾驶之后，端侧 AI 又一个复杂应用场景。目前黑芝麻还在并购一家小算力 AI 芯片公司，因为算力越小，对应的产品出货量往往越大。我们认为未来所有电子设备都需要算力支撑，希望能打造覆盖全场景算力的产品线。

每个时代都有能站稳脚跟的芯片公司，AI 时代也会诞生新的头部企业。尤其是当下中国能发展本土供应链，和过去手机、汽车领域跟随海外供应链的模式不同，机器人厂商对本土供应链的使用意愿和接受度更高，机器人或具身智能时代的供应链本土化会更彻底。黑芝麻的定位是端侧 AI 芯片及品牌厂商，未来随着覆盖场景增多、产品线日趋丰富，有望获得与之匹配的市场估值。

Q：在机器人行业当前应用的芯片中，是否有可对标今天发布的三款产品的参照物？比如和英伟达芯片相比，存在哪些区别？

徐劲：黑芝麻在机器人领域并不会刻意强调芯片和算力，因为机器人场景的需求和其他领域不太一样，算力高也未必实用。我们也做过相关评估，黑芝麻的 Kalos、Aura 可分别对标 NX 系列，Liora 可对标 Thor，但相比单一芯片，整套平台方案的价值其实更重要。

英伟达芯片存在 IO 接口不足、基础知识有短板的问题，在部分场景下黑芝麻具备自身优势，后续我们会公布更详细的产品规格。

Q：在智驾芯片竞争白热化、友商同样可能切入机器人赛道的背景下，黑芝麻如何锁定先发优势？您如何看待接下来机器人芯片的市场格局？

杨宇欣：现在谈市场格局还为时过早，但我们希望未来黑芝麻能在这个领域占据一席之地。任何芯片细分市场成熟后，通常只会留存两三家芯片公司来覆盖不同类型客户；而机器人场景更为分散，最终存活的企业可能不止两三家。黑芝麻和多数汽车芯片厂商有本质区别，我们本身就有成熟的工业及消费级业务，且每年能产生可观收入。目前真正完成中高算力智驾商业化闭环的公司本就不多，我们在智驾领域已形成先发优势，始终快人一步，再叠加现有资源与技术支持，这一优势也将持续保持。

黑芝麻比较幸运的是，我们始终坚持了最初的信念。截至目前，公司战略从未出现过大的调整，坚守自身理念也是我们的企业文化。

Q：从业绩增长角度来看，成为产业链链主是不是会比单纯直接卖产品带来的附加服务价值更高？

杨宇欣：我个人认为，公司经营和商业运作不需要划定非常明确的边界。在行业发展早期，只要不触碰客户的核心利益，凡是对公司经营有帮助的事都可以去做，这也是我们会协助客户拓展应用场景的原因。未来还会涌现更多商业模式，相关收益也会体现在我们的业绩中。随着行业边界逐渐清晰，我们的商业模式也会朝着更成熟、更聚焦的方向收敛。

Q：黑芝麻想和什么样的生态伙伴长期共跑？

徐劲：黑芝麻的自我定位是 AI 解决方案公司，核心能力是算力芯片。应用场景的规模足够大，是我们寻找合作伙伴的重要考量。此外，我们希望能为合作创造价值，为客户创造的价值越大，自身未来的价值也会越高。

Q：现在的数据多为孤岛，不仅成本高还难以复用，黑芝麻已启动全域大脑融合，在技术层面有没有可能实现更多的数据闭环与提炼？

徐劲：在数据层面，我们更多是提供工具、发挥赋能作用。作为芯片公司，直接收集相关数据并不现实，但我们会提供配套工具，协助客户完成这类工作。雷峰网