10 月 19 日，第六届 RISC-V 中国峰会在深圳开幕。作为全球三大峰会之一，也是国内规格最高、规模和影响力最大的专业会议之一。本届峰会由 RISC-V 国际开源实验室（RIOS Lab）主办，吸引 3000 余名线下专业观众、150 余家参展商及研究机构参与，线上覆盖 80 万行业人群。

零次方机器人联合创始人兼 CTO 程颐受邀参与相关技术交流，围绕 RISC-V 在具身智能中的应用机会、机器人软硬件协同及开放生态建设，分享了零次方团队的技术思考。

随着机器人逐步进入真实场景，产业关注的问题正在从单点能力突破，延伸到系统集成、规模化部署与持续迭代。

一种机器人学会的能力，换一种芯片、换一个本体，还能留下多少？这不仅关系到机器人能否稳定完成任务，也关系到模型研发、硬件适配与场景部署中的投入，能否沉淀为可以持续复用的技术资产。

01 机器人不是一个大模型，加上一双手

在真实任务中，机器人的不同能力对计算资源有着不同要求。以整理桌面为例，机器人需要先判断物品的摆放位置、规划操作顺序，再控制机械臂完成抓取与放置。当任务进入实际接触阶段，系统还需要根据物体位置、受力和动作反馈及时调整。前者侧重任务理解与规划，后者则对响应时效和执行稳定性提出更严格的要求。

同时，视觉感知需要持续处理环境数据，通信系统要及时传递指令与状态，关节控制则必须满足相应的实时性要求。这些不同的计算与执行环节，最终需要在同一套机器人系统中协同工作。

因此，单颗芯片的算力参数，并不能直接代表机器人完成真实任务的能力。模型、内存、通信、控制与机械执行，需要放在完整的任务链路中共同评估。

这也是我们关注 RISC-V 在具身智能中应用的原因之一。开放架构为芯片设计和系统优化提供了更多选择，使企业能够根据不同的计算任务与硬件需求进行定制。但开放选择本身并不等于更低成本，芯片方案的实际价值，还需要经过软件适配、系统集成、长期运行和量产验证。

程颐表示，现阶段可以优先探索 RISC-V 在通信和执行等职责、接口相对明确的环节中的应用。在保留成熟应用主机及既有软件投入的基础上，逐步验证其实际收益，再根据任务需求扩大应用范围。

02 开放生态的价值，在于减少重复适配反馈

随着机器人形态、芯片平台与模型方案不断丰富，软硬件之间的适配组合也在增加。

更换一款芯片，可能涉及驱动和底层软件的调整；更换一种机器人本体，需要重新处理运动范围、坐标标定与控制接口；升级模型，也需要验证原有任务能否继续稳定执行。

如果每一次变化都意味着大量重复开发，单个项目积累的技术成果就很难延续到下一代产品。对零次方而言，开放生态需要解决的核心问题之一，是如何让模型、软件与机器人本体之间的协同变得更高效，让已经验证的能力尽可能得到复用。

以一次抓取任务为例，模型生成的动作指令，需要与图像采集时间、目标坐标系和指令有效期等信息准确对应。否则，即使模型和机器人本体各自运行正常，也可能因为接口定义或时序不一致，导致实际执行出现偏差。

把这些基础约定做好，模型团队就能更专注于操作能力的提升，芯片与软件团队也能更明确地优化系统中的关键环节。更换硬件仍然可能需要适配，但适配的边界可以更加清晰，已有的工具、接口和测试成果也有机会继续使用。

这意味着，芯片企业的价值不应只停留在硬件和 SDK 交付，还需要进一步进入开发者实际使用的软件框架、运行时与测试体系。不同企业可以保留各自的模型和硬件优势，同时围绕共同接口与真实任务，建立可复用的适配和验证方法。

软件接口逐步趋于共用，与硬件继续面向不同场景分化，并不矛盾。前者有助于减少重复适配，后者则保留了不同机器人在机械结构、计算资源和执行能力上的选择空间。RISC-V 生态的机会，在于推动两者之间形成更清晰、可复用的接口与协作机制。

衡量开放生态是否真正产生价值，一个直接的标准是：第二个开发团队接入时，能否减少重复工作；更换一个平台后，已经验证的能力能否继续使用。

03 从一次交付，到持续演进

机器人进入真实场景，并不意味着技术工作的结束。随着任务需求变化，模型需要升级，硬件可能调整，现场也会不断出现新的问题。对于已经部署机器人的客户而言，除了关注新模型能够增加哪些能力，还需要确认原有任务能否继续完成、升级后如何验证，以及出现异常时能否恢复到稳定状态。

这要求机器人平台具备持续迭代的基础设施，包括经过验证的运行环境、任务测试、版本管理与必要的回退机制。模型可以在服务器上训练，但更新后的能力能否在实际设备上稳定运行，仍然需要回到真实任务中检验。

因此，芯片企业、软件团队、模型公司与整机企业需要更早地参与共同定义，将真实任务对时序、控制、资源分配和验收的要求前置到设计阶段。一次合作的价值，不应只体现在某一款产品的交付上，也应尽可能延续到后续的产品迭代中。

程颐表示，可以从一类真实场景、一项具体任务开始，由多家芯片企业与机器人企业围绕共同接口和验收方法开展联合验证。各方保留自身的模型与硬件优势，共同评估任务完成情况、平台迁移成本和后续版本的复用程度，让一次合作的成果能够服务更多产品与场景。

对于具身智能产业而言，这意味着平台的能力需要从一次性交付走向持续维护：让模型升级、硬件适配与任务验证形成更稳定的协作机制，减少不同团队重复投入的成本。

04 让物理操作能力跨越不同的机器人本体

这些关于算力、接口与开放生态的讨论，最终指向零次方持续推进的一个方向：让在真实场景中验证过的物理操作能力，能够被更多机器人系统调用和复用。

零次方以高泛化 Picking 为切入点，在真实商业履约中积累物理交互经验，并持续推进具身原生动作模型与操作能力的产品化。

我们希望沉淀的，不只是针对某一类机器人、某一个固定任务的执行方案，而是能够经过验证、持续迭代，并逐步适配更多任务与硬件的 Physical Skills。

沿着这一方向，Physical API 希望将经过验证的操作能力封装为可调用的接口，让上层应用能够调用相应技能，并获得任务执行状态与结果反馈。对上层系统而言，可以更直接地调用所需能力；对模型与硬件团队而言，则需要进一步明确能力接口与本体执行之间的分工。

不同机器人本体仍然存在机械结构、运动范围、标定方式和控制接口上的差异。能力复用并不意味着所有机器人采用相同的硬件实现，而是要区分哪些能力可以跨设备复用，哪些环节必须根据具体本体进行适配，并通过真实任务验证两者能否有效衔接。

从模型能力到可复用的 Physical Skills，再到能够承载更复杂任务的机器人系统，零次方希望推动的，是物理操作能力从单点实现走向持续积累与跨场景复用。

RISC-V 提供了开放的实现空间，而共同维护的接口、验证体系与长期迭代机制，将影响这些技术选择能否进一步转化为产业价值。

当一种物理操作能力能够在更多设备与场景中得到验证和复用，每一次研发、部署与优化的投入，才有机会成为下一次能力进化的基础。这也是零次方持续探索 Physical AI 技术路线的重要方向。

（来源：零次方）