NVIDIA-ARM芯片栈成为人形机器人部署浪潮的赢家平台架构。

5月13日，四个名叫Bob、Frank、Gary和Rose的人形机器人爬上Figure AI测试设施的传送带，开始对包裹进行分类。在24小时标志时，这四台机器人已在箱子之间移动了超过30,000个条形码包裹，轮流充电，零机械或软件故障。直播运行超过第38小时，处理了47,000个包裹后Figure才停止演示。首席执行官Brett Adcock将其视为人形机器人能够胜任人类班次工作的证明。然而，关键技术细节在于架构设计：运行这些机器人的神经网络Helix-02完全在硬件上执行，没有云连接，也没有数据中心往返通信。每一帧视觉数据、每一个关节运动和每一次抓握调整都在本地推理完成，在固定于机器人躯干上的芯片内。

Helix-02是一个统一的神经网络，从原始传感器数据控制行走、操纵和平衡，用单个权重集替换了超过109,000行的手编码运动控制逻辑。电动机控制以200Hz运行，而场景理解以7-9Hz运行，两个循环都连续运行，受毫秒级延迟预算约束。Figure已确认推理运行在固定于机器人内部的双Nvidia RTX GPU模块上，视觉、操纵和平衡处理全部在本地完成。这个架构选择回答了自2022年以来萦绕人形机器人领域的一个问题：在仓库进行有用工作的机器人能否依赖云推理？Figure在38小时内展示的答案是明确的否定。

约束在根本上是物理的。在乐观条件下，无线延迟到云数据中心为20至200毫秒，而在两条腿上平衡的人形机器人仅有约10毫秒的时间窗口，超过此时间扰动会导致跌倒。云推理无法为必须在自身失衡时自我稳定的闭环物理控制系统提供服务。带宽问题更加复杂：立体摄像机在生产帧速率下产生每秒数吉比特的原始视觉数据，实时流传到数据中心会使任何仓库的无线链路饱和。此外，仓库频繁失去网络连接，一个在网络断开时停止工作的机器人比人类工人的效率更低。因此，每个以生产速度执行闭环物理工作的人形机器人都必须在本地运行推理。

Nvidia Jetson AGX Thor模块于2026年商业化推出，搭载14个Arm Neoverse V3AE CPU核心，运行频率高达2.6GHz，配备一个Blackwell级GPU交付2,070 FP4万亿次浮点运算，以及128GB LPDDR5X内存，全部功耗仅130瓦。Jetson Thor现已成为主要人形机器人项目的参考平台设计基础。这反映了数据中心模式，即CPU加GPU集成在一个紧耦合的SoC内，Arm核心处理控制逻辑，Nvidia芯片处理并行推理。特斯拉代表显而易见的例外，其AI5芯片于4月流片——针对Optimus和Cybercab量身定制的自研硅片，大规模生产目标为2027年中期。然而，特斯拉是唯一拥有硅设计能力、可脱离标准技术栈的可信人形机器人项目；其他所有企业都在采购现成芯片。

投资前景一目了然。一个2027年运营十台人形机器人的仓库需要十个Jetson Thor级模块，加上备用和开发套件，随着试点过渡到规模化部署，成本会快速增长。美国工业部门预计到2033年需要380万名新员工，其中近190万个职位面临空缺风险，使仓库无法仅通过招聘增加产出。当前的共识模型基于数据中心资本支出和智能手机版税收入对Arm和Nvidia的芯片业务进行估值，物理AI内的边缘推理层还未在这些模型中得到实质性体现。Figure的直播代表了首个商业级信号，表明部署已迫在眼前，而非仅停留在理论阶段。