科技
晶鏈解密》機器人要像人一樣反應有多難？CMU：運算快10至100倍、能耗降至1／10至1／100
加入為 Google 偏好來源
將 Yahoo 設為首選來源，在 Google 上查看更多我們的精彩報導
「台灣機器人與智慧自動化展」上所展示的人型機器人。（柯承惠攝）
機器人要像人一樣自然拿起水瓶、走路或閃避障礙，不能只把更多GPU塞進機身。卡內基梅隆大學機器人研究所代理所長Srinivasa Narasimhan指出，若要讓機器人的感知、思考與動作接近人類，運算與反應速度至少要提高10倍、甚至100倍，能耗卻必須降至目前的十分之一到百分之一。
與雲端AI不同，機器人受限於機身空間、電池容量與散熱能力，無法用資料中心等級的GPU處理每個肢體動作。先進人形機器人可能配置超過50個致動器，單手就有20至25個，每個關節都需要感測、運算與控制，迫使機器人晶片從單一中央「大腦」，轉向大腦、小腦及邊緣控制分工。
Narasimhan表示，現有機器人若要拿起一瓶水，通常會先辨識物體位置、思考移動路徑，再緩慢執行；人類則能把感知、思考與動作連續完成，幾乎不會察覺等待時間。
即使是機器人走路或跌倒時恢復平衡，也不能把每項動作都送回中央處理器慢慢判斷。機器人必須在毫秒內完成感知與反應，才能安全進入家庭、工廠及公共空間。
Narasimhan表示，機器人的AI速度可能要比目前快10倍，甚至100倍，才足以自然執行任務；但這也帶來能源問題，「不能只是放進更多GPU，也不能用一顆H100只為了移動一瓶水，這不合理。」
因此，機器人必須同時達成兩個看似矛盾的目標：運算快10至100倍，能源消耗卻降至十分之一或百分之一。
Fraunhofer可靠度與微整合研究所系統整合與互連技術部主任Andreas Ostmann指出，機器人若比擬人體，中央處理器相當於大腦，還需要感測器、致動器與電力電子系統，才能控制肢體。
目前先進人形機器人可能擁有超過50個致動器，單手就需要20至25個致動器。每個致動器都要感測施力大小、電流與關節位置，並即時調整握力。
這些動作不能全部交由中央AI大腦控制，否則資料往返與決策將花費太多時間。就像人手握住物體時，不需要等待大腦逐一計算每根手指的力量，機器人也必須把部分控制下放至手部、腳部或關節端。
達明機器人（4585）營運長黃識忠表示，機器人必須先感知環境，再進行學習、形成策略，最後執行全身控制，整套流程相當複雜。
環境辨識及策略形成需要較大算力，屬於偏向大腦端的工作；但手部拿取物體、關節失去平衡等狀況，必須立即反應，不能每次都等待中央大腦。
因此，手部等邊緣端必須整合感測器、微控制器（Microcontroller Unit，MCU）及AI推論功能，在低功耗條件下自行完成部分判斷。
黃識忠指出，機器人自由度愈高，需要處理的即時控制就愈複雜。未來封裝技術要把感測、運算及控制晶片整合得更小、功耗更低，才能放入機器人關節與手部。
Ostmann表示，市場談到AI機器人，焦點經常放在中央AI處理器，但真正讓機器人動起來的零組件還包括微機電系統（Micro-Electro-Mechanical Systems，MEMS）、影像與力覺感測器、MCU、馬達控制器、電源管理晶片及電力電子元件。
日本產業技術綜合研究所次世代製造實裝研究中心副研究中心長金広文男也指出，Physical AI（實體AI）不只需要雲端使用的高效能AI加速器，也需要大量微控制器，用於感測、訊號處理、通訊及即時控制。
人形機器人可能具有約30個以上自由度，運算系統、電池及感測器都必須裝入有限機身空間，因此能源效率比資料中心更為重要。
他認為，AI機器人的價值將不再取決於單一晶片效能，而是感測、運算、通訊與控制能否整合成一套可靠系統。
Ostmann指出，資料中心相當大比例的能源消耗來自資料搬移與互連，因此機器人若延續傳統中央運算方式，也會面臨類似問題。3D封裝可縮短不同晶片間的傳輸距離，並透過高速互連降低延遲與能耗。
中長期而言，機器人可能逐步導入非馮紐曼架構、神經形態運算甚至光子運算，以減少資料在記憶體與處理器之間反覆搬移。不過，相關技術多數仍處於研發或早期導入階段，尚未全面量產。
日本理化學研究所量子電腦研究中心主任中村泰信則表示，量子運算採取不同於傳統電腦的運作原理，未來可能在特定AI數學問題上提供計算加速；量子感測也可能提高光學感測靈敏度、動態範圍與解析度。
從中央AI晶片到關節端MCU，人形機器人將需要一套分層運算架構。真正的難題不是讓機器人擁有一顆更強大的大腦，而是讓數十個關節、感測器與控制晶片，在極低功耗下同步反應。
更多風傳媒報導
晶鏈解密》10人公司做美國防務資安合規可能耗資25萬美元！專家：標準別淪為勾選清單
晶鏈解密》台積電難攻，駭客改打設備供應商！SEMI E187認證機制上路，補強供應鏈破口
旅遊住宿怎麼選？ 從倫敦、巴登巴登到巴黎，三間奢華飯店全新亮點一次看
將 Yahoo 設為首選來源，在 Google 上查看更多我們的精彩報導
「台灣機器人與智慧自動化展」上所展示的人型機器人。（柯承惠攝）
機器人要像人一樣自然拿起水瓶、走路或閃避障礙，不能只把更多GPU塞進機身。卡內基梅隆大學機器人研究所代理所長Srinivasa Narasimhan指出，若要讓機器人的感知、思考與動作接近人類，運算與反應速度至少要提高10倍、甚至100倍，能耗卻必須降至目前的十分之一到百分之一。
與雲端AI不同，機器人受限於機身空間、電池容量與散熱能力，無法用資料中心等級的GPU處理每個肢體動作。先進人形機器人可能配置超過50個致動器，單手就有20至25個，每個關節都需要感測、運算與控制，迫使機器人晶片從單一中央「大腦」，轉向大腦、小腦及邊緣控制分工。
Narasimhan表示，現有機器人若要拿起一瓶水，通常會先辨識物體位置、思考移動路徑，再緩慢執行；人類則能把感知、思考與動作連續完成，幾乎不會察覺等待時間。
即使是機器人走路或跌倒時恢復平衡，也不能把每項動作都送回中央處理器慢慢判斷。機器人必須在毫秒內完成感知與反應，才能安全進入家庭、工廠及公共空間。
Narasimhan表示，機器人的AI速度可能要比目前快10倍，甚至100倍，才足以自然執行任務；但這也帶來能源問題，「不能只是放進更多GPU，也不能用一顆H100只為了移動一瓶水，這不合理。」
因此，機器人必須同時達成兩個看似矛盾的目標：運算快10至100倍，能源消耗卻降至十分之一或百分之一。
Fraunhofer可靠度與微整合研究所系統整合與互連技術部主任Andreas Ostmann指出，機器人若比擬人體，中央處理器相當於大腦，還需要感測器、致動器與電力電子系統，才能控制肢體。
目前先進人形機器人可能擁有超過50個致動器，單手就需要20至25個致動器。每個致動器都要感測施力大小、電流與關節位置，並即時調整握力。
這些動作不能全部交由中央AI大腦控制，否則資料往返與決策將花費太多時間。就像人手握住物體時，不需要等待大腦逐一計算每根手指的力量，機器人也必須把部分控制下放至手部、腳部或關節端。
達明機器人（4585）營運長黃識忠表示，機器人必須先感知環境，再進行學習、形成策略，最後執行全身控制，整套流程相當複雜。
環境辨識及策略形成需要較大算力，屬於偏向大腦端的工作；但手部拿取物體、關節失去平衡等狀況，必須立即反應，不能每次都等待中央大腦。
因此，手部等邊緣端必須整合感測器、微控制器（Microcontroller Unit，MCU）及AI推論功能，在低功耗條件下自行完成部分判斷。
黃識忠指出，機器人自由度愈高，需要處理的即時控制就愈複雜。未來封裝技術要把感測、運算及控制晶片整合得更小、功耗更低，才能放入機器人關節與手部。
Ostmann表示，市場談到AI機器人，焦點經常放在中央AI處理器，但真正讓機器人動起來的零組件還包括微機電系統（Micro-Electro-Mechanical Systems，MEMS）、影像與力覺感測器、MCU、馬達控制器、電源管理晶片及電力電子元件。
日本產業技術綜合研究所次世代製造實裝研究中心副研究中心長金広文男也指出，Physical AI（實體AI）不只需要雲端使用的高效能AI加速器，也需要大量微控制器，用於感測、訊號處理、通訊及即時控制。
人形機器人可能具有約30個以上自由度，運算系統、電池及感測器都必須裝入有限機身空間，因此能源效率比資料中心更為重要。
他認為，AI機器人的價值將不再取決於單一晶片效能，而是感測、運算、通訊與控制能否整合成一套可靠系統。
Ostmann指出，資料中心相當大比例的能源消耗來自資料搬移與互連，因此機器人若延續傳統中央運算方式，也會面臨類似問題。3D封裝可縮短不同晶片間的傳輸距離，並透過高速互連降低延遲與能耗。
中長期而言，機器人可能逐步導入非馮紐曼架構、神經形態運算甚至光子運算，以減少資料在記憶體與處理器之間反覆搬移。不過，相關技術多數仍處於研發或早期導入階段，尚未全面量產。
日本理化學研究所量子電腦研究中心主任中村泰信則表示，量子運算採取不同於傳統電腦的運作原理，未來可能在特定AI數學問題上提供計算加速；量子感測也可能提高光學感測靈敏度、動態範圍與解析度。
從中央AI晶片到關節端MCU，人形機器人將需要一套分層運算架構。真正的難題不是讓機器人擁有一顆更強大的大腦，而是讓數十個關節、感測器與控制晶片，在極低功耗下同步反應。
更多風傳媒報導
晶鏈解密》10人公司做美國防務資安合規可能耗資25萬美元！專家：標準別淪為勾選清單
晶鏈解密》台積電難攻，駭客改打設備供應商！SEMI E187認證機制上路，補強供應鏈破口
旅遊住宿怎麼選？ 從倫敦、巴登巴登到巴黎，三間奢華飯店全新亮點一次看
新聞來源: 原始來源
尚無評論，成為第一個發言的人吧！