随着人工智能加速进入机器人等物理场景,传统“云端训练、本地推理”模式面临挑战。机器人需在动态环境中持续适应,固定模型难以满足需求。因此,AI芯片被赋予持续学习和动态适应的新要求。星凡智能正与西安交通大学自主系统与智能芯片研究团队合作,探索“片上自学习 AI 芯片”。该技术让芯片部署后能基于新数据在本地完成学习与更新,使智能体具备持续适应能力,成为支撑机器人长期进化的算力底座。实现本地高效学习是难点,需从算法和硬件联合优化。算法侧采用紧凑表示与轻量化算子,并优化反向传播中的梯度计算以降低训练开销;硬件侧则围绕数据存储和计算通路进行设计,提升效率。实验显示,该设计面积效率达 41.2 GOPS/mm²,能效达 90.63 TOPS/W,较对标方案有显著提升。星凡智能将此技术用于具身智能场景,其星核 R 系列定位为机器人核心算力引擎,支撑本地视觉感知、任务规划与实时决策,推动机器人从“执行终端”向“越用越聪明”的“自主智能体”演进。公司表示将继续推动技术在真实场景落地。
机器人如何"越用越聪明"?星凡智能探索片上自学习 AI 芯片技术路径
人工智能