机器人 AI · 2026年10月3日
机器人端侧 AI 的功耗预算：先问瓦数，再问算力
机器人能放进多少 AI，往往由电池、散热与机壳决定。本文整理工程团队评估端侧大模型时，应该先回答的五个问题。
在机器人里，运算只是功耗的一部分
一台移动机器人的电力，要分给驱动电机、传感器、通信、主控与 AI 运算。电池容量固定时，AI 运算多用一瓦，续航就少一些；机壳越封闭，能散掉的热就越少。对机器人来说，AI 能力的上限常常不是芯片能跑多快，而是整机能分给它多少瓦数。
为什么峰值算力不是好指标
峰值算力描述的是理想条件下的运算能力。但大模型在逐字生成内容时，多数时间受限于数据搬运，而不是运算。两颗峰值算力相同的芯片，如果内存架构不同，实际的 token 速率与每次任务的能耗可能差很多。
比较有意义的问题是：在您的模型与功耗上限下，每秒能生成多少 token，每完成一次任务要消耗多少能量。
估算的起点：一条简单的公式
当权重放在外部内存、一次处理一个请求时，可以先用这条公式估出速度上限：
- token 速率上限 ≈ 外部内存带宽 ÷ 每个 token 需要读取的字节数
搬运带来的功耗，大致会随「每个 token 的搬运量 × token 速率」增加。因此，减少每个 token 的外部搬运，可以同时改善速度与功耗。
工程团队应该先回答的五个问题
- 整机留给 AI 运算的功耗与散热上限是多少？是持续值还是短时峰值？
- 目标模型的参数量、量化比特数与上下文长度是多少？
- 哪些判断必须在本地完成？可以容忍多少延迟？
- 场景数据可以离开设备或厂区吗？
- AI 运算要如何和现有主控分工？接口与操作系统有哪些限制？
协处理器的思路
许多机器人已经有稳定的主控与运动控制软件，重新设计主控的成本与风险都很高。把大模型推理交给专用协处理器，让主控继续负责运动控制与安全，是改动较小的一条路。VXI-IR5 就是依照这个思路设计的端侧大模型协处理器。
想讨论您的机型与功耗条件，可以参考 机器人与具身智能解决方案，或先用 模型内存容量估算器 估算模型需求。