前面几篇笔记已经讨论了人形机器人的整机、执行器、关键零部件、产业链地图和商业化场景。这一篇继续往电子底座方向拆，重点看计算与控制芯片产业链。

人形机器人芯片不能只按“AI 芯片”理解。大模型和边缘算力当然重要，但一台机器人要稳定站立、行走、抓取和执行任务，靠的不只是大脑算力，还需要大量实时控制、驱动、电源、功率转换和传感信号处理。真正的机器人芯片体系，更像是一个分布式神经系统。

如果用人体类比，大脑算力负责理解环境和规划任务，小脑控制负责姿态和关节闭环，肌肉驱动负责把控制信号变成电机动作，能量系统负责功率输出和热管理，感知前端负责把视觉、IMU、力觉、触觉和电流信号转换成可计算的数据。只有这些环节同时工作，机器人才能从“看起来会动”走向“能够稳定干活”。

一、计算与控制芯片是机器人的电子底座

人形机器人是机电一体化系统，也是边缘智能系统。它既需要 AI 推理，也需要实时控制；既需要高性能计算，也需要高可靠模拟和功率器件；既需要大芯片，也需要大量小芯片。

从产业链角度，可以把机器人计算与控制芯片拆成五类：AI SoC / GPU / NPU，MCU / DSP / FPGA，电机控制与栅极驱动芯片，功率半导体，传感信号链 / ISP / VPU。

芯片类别	在机器人中的角色	主要任务	研究重点
AI SoC / GPU / NPU	大脑算力	视觉、多模态理解、VLA 推理、任务规划、局部路径规划	算力、功耗、内存、软件生态、模型部署
MCU / DSP / FPGA	小脑控制	关节实时控制、采样同步、安全保护、通信协议	实时性、控制环带宽、外设、可靠性、工具链
电机控制 / 栅极驱动	肌肉神经接口	FOC、电流采样、三相驱动、保护逻辑	驱动能力、集成度、EMI、保护功能
功率半导体	能量转换系统	电机逆变、DC/DC、电源分配、电池管理	导通损耗、开关损耗、封装、热管理
传感信号链 / ISP / VPU	感官前端	图像、IMU、力觉、触觉、电流等信号采集处理	低噪声、低延迟、同步、ADC 精度、视觉处理

这里有一个重要区别：AI SoC、GPU、NPU 更接近数字逻辑芯片，先进制程、算力密度、内存带宽和软件生态非常关键；但 MCU、模拟芯片、驱动芯片、功率半导体并不能简单用“多少纳米”判断先进性。对这些芯片来说，实时性、可靠性、高压高温、低漂移、抗干扰、封装和长期供货能力，往往比单纯制程更重要。

所以，研究机器人芯片产业链时，不能只问“谁的 TOPS 高”，还要问谁能支持多传感器输入，谁能做低延迟控制，谁能在关节里稳定工作，谁能提供完整开发工具链，谁能通过主机厂长期验证。

二、AI SoC / GPU / NPU：机器人的大脑算力

AI SoC、GPU 和 NPU 是目前市场关注度最高的部分。它们承担视觉识别、多摄像头融合、语音和多模态理解、VLA 模型推理、任务规划、局部路径规划和部分动作生成任务。

人形机器人对 AI 算力的需求根据用途也有差异。教育、陪伴和轻量服务机器人可能只需要较低算力完成基础视觉和语音交互；工业和商用人形机器人需要更强的多摄像头感知、局部规划和任务决策能力；如果机器人要在本地运行较复杂的 VLA、VLM 或多模态模型，对算力、内存和功耗的要求会明显提高。

NVIDIA Jetson Thor 是一个很有代表性的参考点。NVIDIA 官方资料显示，Jetson Thor 面向物理 AI 和机器人，最高提供 2070 FP4 TFLOPS AI 算力、128GB 内存，功耗范围为 40W 到 130W，并与 Isaac、GR00T、Holoscan 等机器人软件栈结合。它说明高端机器人边缘算力已经不只是“边缘盒子”，而是在向机器人端侧工作站演进。

但 AI 算力不是只看硬件参数。机器人要把模型跑起来，还需要 CUDA、TensorRT、ROS 适配、仿真工具、传感器管线、模型压缩和部署工具链。也就是说，真正的壁垒不只是芯片本身，而是“芯片 + 软件栈 + 开发者生态 + 真实机器人数据”的组合。

国内方向上，华为昇腾、地平线、寒武纪、瑞芯微、黑芝麻、海光信息、景嘉微、全志科技、晶晨股份、北京君正等都可以放入观察范围，但它们的位置并不相同。有的是云端或服务器 AI 芯片，有的是自动驾驶 SoC，有的是消费电子或边缘视觉 SoC，有的是国产 GPU 或嵌入式处理平台。研究时不能把它们简单放在一个表格里横向比较。

更准确的比较方式，是看四个问题：第一，算力是否足够支撑机器人本地感知和推理；第二，功耗是否能进入移动机器人本体；第三，软件生态是否适合机器人开发；第四，是否已经进入真实机器人客户验证。

三、MCU / DSP / FPGA：机器人的小脑控制

如果说 AI SoC 负责“想明白要做什么”，那么 MCU、DSP 和 FPGA 负责“让身体稳定地做出来”。机器人不是有了大模型就能走路，它需要大量低延迟闭环控制。

一个典型关节控制链条大致是：编码器、电流传感器和 IMU 采样，MCU 或 DSP 实时计算，输出 PWM 信号，栅极驱动控制 MOSFET 或功率模块，电机动作，再把位置、速度、电流和力矩反馈回来。这个闭环需要快速、稳定、可预测。

在人形机器人里，每个关节都可能需要独立或半独立控制单元。电流环、速度环、位置环、力矩控制、安全保护、通信同步，都不能依赖云端或高延迟主控完成。越是高动态动作，对实时控制要求越高。

这一层的核心指标不是 TOPS，而是主频、实时响应、PWM 精度、ADC 位数和采样率、控制环带宽、通信接口、功能安全等级和开发工具链。CAN-FD、EtherCAT、TSN 等通信能力，也会影响分布式关节控制架构。

全球主要公司包括 TI、ST、NXP、Infineon、Renesas、Microchip、AMD/Xilinx、Intel/Altera、Lattice 等。国内相关方向包括兆易创新、中颖电子、国民技术、芯海科技、复旦微电、安路科技、乐鑫科技、北京君正等。

这里的国产替代逻辑比高端 AI 算力更细碎，也更贴近工业控制。国内 MCU 数量丰富，在家电、小电机、电动工具、消费电子和部分工业控制场景已有积累；但人形机器人关节控制要求更高，需要看高端实时控制、功能安全、工具链、参考设计和主机厂批量验证。

长期看，关节控制芯片的用量可能比 AI 主控芯片更大。一台机器人可能只需要一到数颗主控 SoC，但会有几十个自由度和大量传感器节点。因此，小脑控制并不是边缘环节，而是机器人规模化后很重要的底层增量。

四、电机控制与栅极驱动：关节执行的核心接口

电机控制和栅极驱动芯片容易被忽视，但它们是机器人关节能否“细腻、稳定、安全”运动的关键。

人形机器人每个自由度背后，通常都有电机、编码器、传动机构、驱动板和控制算法。MCU 输出的控制信号不能直接驱动电机，它需要通过电机控制芯片、栅极驱动芯片、功率器件和电流检测链条，转化为真实的三相电流和力矩输出。

这一层的重点功能包括 FOC 控制、BLDC/PMSM 三相驱动、栅极驱动、电流采样、过流保护、过温保护、欠压保护、短路保护、死区控制、EMI 抑制和驱动板小型化。

功能	对机器人关节的意义
FOC 控制	实现高效、低噪声、精准的电机控制
电流采样	支撑电流环闭环和力矩估算
栅极驱动	驱动 MOSFET、IGBT、SiC 或 GaN 开关
保护功能	避免单关节故障放大为整机安全问题
EMI 控制	降低多关节系统中的电磁干扰
高集成度	缩小关节驱动板体积，提高可靠性

全球厂商包括 TI、Infineon、ST、Renesas、Allegro、MPS、Microchip、Power Integrations 等。国内相关公司包括峰岹科技、中颖电子、纳芯微、思瑞浦、圣邦股份、芯朋微、杰华特、艾为电子等，不同公司分别对应电机控制、栅极驱动、电流检测、模拟信号链和电源管理等环节。

这一层的产业判断不能只看“是否能驱动电机”。人形机器人关节空间有限，驱动板必须小型化；动作频繁，热管理必须可控；安全要求高，保护功能必须可靠；整机调参复杂，参考设计和算法库也会影响客户导入速度。

未来趋势可能是三相智能驱动、集成电流检测、集成功率级、更高开关频率、更小驱动板、更强保护功能和更完整的电机控制生态。对主机厂而言，单颗芯片的价格重要，但更重要的是它能否降低调试成本和故障风险。

五、功率半导体：机器人的能量转换和热管理

功率半导体在人形机器人中不只是“电源芯片”，而是电机驱动、电池管理、能量分配和热管理的基础。

在人形机器人本体中，功率器件主要用于关节电机逆变器、DC/DC 转换、电池管理、电源分配、充电和热管理系统。由于机器人本体多是低压大电流系统，关节驱动并不一定需要 1200V SiC 这种高压器件，更多可能使用低压 MOSFET、功率模块或 IPM。SiC 和 GaN 的价值则更多体现在高功率 DC/DC、充电、电源适配器、工业级平台或更高功率密度需求中。

这一点很重要。市场容易把“机器人 + SiC”直接连在一起，但人形机器人并不等于所有部位都需要高压 SiC。更现实的主线可能是低压 MOSFET 降阻、高集成 IPM、驱动模块小型化、封装热管理升级，以及在部分高功率环节导入 SiC/GaN。

全球主要公司包括 Infineon、onsemi、ST、ROHM、Wolfspeed、Mitsubishi、Fuji Electric、Toshiba、Vishay 等。国内相关方向包括斯达半导、士兰微、新洁能、华润微、宏微科技、东微半导、扬杰科技、捷捷微电、时代电气、闻泰科技/安世半导体、天岳先进等。

功率半导体的研究重点不是单纯看材料路线，而是看它在机器人系统里的位置。关节驱动看低压大电流、低导通损耗、小型化和热阻；电源适配和充电看效率、功率密度和可靠性；工业级平台看高温、高可靠和长期供货；模块化方案还要看封装、散热和系统集成能力。

如果人形机器人未来进入量产，功率器件会面对一个典型矛盾：单机用量和总需求提升，但整机厂会持续降本。因此，这一环节既要看行业放量，也要看价格压力和毛利留存。

六、传感信号链 / ISP / VPU：机器人的感官前端

机器人要从“能运动”走向“能干活”，离不开传感信号链。视觉、深度、IMU、力觉、触觉、电流、温度、电池状态，都需要被采集、放大、转换、同步和处理。

视觉方面，人形机器人可能使用 RGB 摄像头、深度相机、鱼眼相机、全局快门传感器、激光雷达或 ToF。高速运动和工业场景对低延迟、低噪声、HDR、全局快门和多摄同步提出更高要求。ISP 和 VPU 则负责图像前处理、视频编码、多路输入和部分视觉加速。

IMU 用于姿态感知、运动状态估计、跌倒检测、步态控制和多传感器融合。力觉和触觉则用于接触控制，尤其是抓取、插拔、拧动、按压、搬运和柔性操作。电流检测看似不起眼，但它是电机可靠运行和力矩估算的重要基础。

传感方向	相关芯片需求	关键问题
摄像头 / 视觉	CMOS 图像传感器、ISP、VPU、同步芯片	低延迟、多摄同步、全局快门、视觉前处理
深度 / 3D	ToF、结构光、激光雷达接收链路	空间感知、避障、目标定位
IMU	陀螺仪、加速度计、惯性测量单元	姿态估计、步态控制、跌倒检测
力觉 / 触觉	AFE、ADC、低噪声放大器、柔性传感读出	接触反馈、抓取稳定性、灵巧操作
电流检测	电流检测放大器、隔离放大器、ADC	电机控制、故障保护、力矩估算

全球公司包括 Sony、OmniVision、ADI、TI、ST、Bosch、TDK InvenSense、Murata、onsemi 等。国内相关公司包括韦尔股份、思特威、格科微、富瀚微、瑞芯微、国科微、北京君正、圣邦股份、思瑞浦、纳芯微、芯海科技、艾为电子、芯动联科、敏芯股份等。

这一层的价值会随着机器人任务复杂度提升而提升。早期机器人只要行走和展示，视觉和 IMU 已经很重要；当机器人进入真实操作任务，力觉、触觉、电流检测和高精度模拟前端的重要性会进一步增加。因为真正难的不是看到物体，而是稳定接触、施力、调整和完成操作。

七、中国公司的位置：不能只看 AI 算力

如果把人形机器人芯片产业链拆成五层，会发现国内公司并不是只在 AI 算力上参与。相反，在 MCU、模拟芯片、电机控制、功率半导体、传感信号链和 ISP/VPU 上，A 股公司与产业链的相关性更广。

AI 算力方向弹性最大，但壁垒也最高。全球领先者不仅有芯片架构和先进制程，还掌握开发者生态、推理框架、仿真平台和机器人软件栈。国内公司需要证明的不只是算力指标，而是能否进入机器人开发流程，能否支撑多传感器和多模型部署，能否形成稳定客户。

关节控制与驱动方向更贴近机器人硬件放量。MCU、DSP、电机控制、栅极驱动、电流检测、低压 MOSFET、IPM 等环节，单机用量可能更大，国产替代路径也更清晰。但它要求企业通过机器人主机厂的可靠性验证，而不是只停留在家电、电动工具或普通工业控制经验。

感知信号链方向则更像“后续能力升级”的增量。人形机器人从行走展示进入真实作业后，视觉同步、IMU、力觉、触觉、电流检测和低噪声模拟前端的重要性会提升。这个过程可能慢于概念热度，但更贴近机器人任务成功率。

因此，对中国芯片公司的研究不能只列公司名。更重要的是把公司放回具体位置：它到底是大脑算力、小脑控制、肌肉驱动、能量转换，还是感知前端；它的产品是通用芯片、工业芯片、车规芯片，还是机器人专用方案；它处于样品、验证、小批量还是量产阶段；机器人业务是否已经体现在收入中。

八、后续跟踪框架

计算与控制芯片是人形机器人产业链中非常值得持续跟踪的一层，但它也最容易被概念化。后续研究可以围绕六个问题展开。

第一，看主机厂架构。机器人采用集中式主控、分布式关节控制，还是分层控制架构，会决定芯片用量和价值分布。

第二，看任务复杂度。展示、巡检、搬运、分拣、装配、灵巧操作，对 AI 算力、实时控制和传感信号链的需求完全不同。

第三，看单机用量。AI 主控数量有限，但 MCU、驱动、功率器件、传感信号链可能随关节数量和传感器数量增加。

第四，看工具链和生态。芯片进入机器人，不只是硬件被采购，还要支持模型部署、运动控制、调参、仿真、通信和安全保护。

第五，看客户验证阶段。送样、适配、参考设计、定点、小批量、量产，是不同阶段。不能把“已有机器人客户交流”直接理解为收入确定性。

第六，看降本压力。机器人商业化一定伴随降本，芯片供应商必须在放量和价格压力之间保持利润。

总体看，机器人计算与控制芯片产业链可以分成三条主线：第一是大脑算力平台，关注 AI SoC、GPU/NPU、模型部署和机器人软件生态；第二是关节控制与驱动，关注 MCU/DSP、栅极驱动、电流检测、低压 MOSFET 和 IPM；第三是感知信号链，关注视觉、IMU、力觉、触觉和低噪声模拟前端。

短期最容易看到的是硬件适配和样机验证，中期要看主机厂定点、小批量供货和机器人收入体现，长期则要看芯片公司能否从单颗器件走向模块、参考设计和开发生态。真正有壁垒的公司，不只是卖芯片，而是帮助机器人厂商降低开发难度、提高任务成功率，并在规模化降本中仍然保留价值。

九、代表性公司观察表

下表只用于产业链位置梳理，并不代表完整名单，也不代表相关公司已经形成稳定的人形机器人业务收入。后续仍需要结合具体产品、客户验证阶段、收入占比和利润留存继续跟踪。

产业链类别	海外/全球代表公司	中国/国内代表公司	观察重点
AI SoC / GPU / NPU	NVIDIA、Qualcomm、AMD、Intel / Mobileye、Ambarella、MediaTek、Tesla 自研芯片	华为昇腾、地平线、寒武纪、瑞芯微、黑芝麻、海光信息、景嘉微、全志科技、晶晨股份、北京君正、摩尔线程、沐曦股份、壁仞科技、燧原科技	算力密度、功耗、内存带宽、模型部署工具链、机器人软件生态
MCU / DSP / FPGA	TI、ST、NXP、Infineon、Renesas、Microchip、AMD / Xilinx、Intel / Altera、Lattice	兆易创新、中颖电子、国民技术、芯海科技、复旦微电、安路科技、乐鑫科技、北京君正	实时控制、PWM 和 ADC 能力、通信接口、功能安全、开发工具链
电机控制 / 栅极驱动	TI、Infineon、ST、Renesas、Allegro、MPS、Microchip、Power Integrations	峰岹科技、中颖电子、纳芯微、思瑞浦、圣邦股份、芯朋微、杰华特、艾为电子、士兰微、斯达半导	FOC 控制、栅极驱动、电流检测、保护功能、小型化和集成度
功率半导体	Infineon、onsemi、ST、ROHM、Wolfspeed、Mitsubishi Electric、Fuji Electric、Toshiba、Vishay	斯达半导、士兰微、新洁能、华润微、宏微科技、东微半导、扬杰科技、捷捷微电、时代电气、闻泰科技 / 安世半导体、天岳先进	低压 MOSFET、IPM、SiC / GaN、封装热管理、低损耗和可靠性
传感信号链 / ISP / VPU	Sony、ADI、TI、ST、Bosch、TDK InvenSense、Murata、onsemi、Ambarella、ams OSRAM	韦尔股份 / 豪威、思特威、格科微、富瀚微、瑞芯微、国科微、北京君正、圣邦股份、思瑞浦、纳芯微、芯海科技、艾为电子、芯动联科、敏芯股份	全局快门视觉、多摄同步、IMU、力觉/触觉 AFE、电流检测和低噪声模拟前端

上述内容仅为个人学习和研究目的，不构成任何投资建议，也不保证信息完整、准确或及时。 涉及公司、行业、市场和策略的内容，都应被视为阶段性观察，而不是确定性结论。

Newsletter

订阅后续文章

如果这篇笔记对你有帮助，可以留下邮箱。新文章发布时，我会把研究笔记直接发给你。