国科微GK6950芯片：10 TOPS算力，明年推出的端侧AI方案

11月2日，2026年“中国芯”集成电路产业促进大会在珠海召开。大会期间，“具身智能应用供应链分享会”同步举行，国科微数字平台开发部副部长、AI技术负责人倪亚宇登台，演讲题目是《中国芯赋能具身机器人多元空间感知》，向外界介绍了该公司在具身机器人感知方向的最新成果。

在倪亚宇看来，具身机器人要在真实环境里连续移动、抓取和放置，得随时掌握三类关键空间信息：自己的位姿、周边环境的结构，以及行动目标所处的位置。从移动接近、近场抓取到转向放置，每个阶段都要不断融合多视角观测，在线更新机器人的位姿、目标位置和环境表示。位姿估计、深度估计或者视角关联只要出现偏差，地图就可能重影、结构就可能错位，避障和操作的可靠性也会跟着打折扣。

问题是，让多路视觉感知、交互推理与三维空间重建在同一个端侧平台上并行跑起来，难度不小。端侧设备的算力、内存、带宽和功耗预算都很紧，还得满足低时延的实时响应要求，关键决策很难完全交给云端。

针对这些难点，国科微规划了GK6950系列端侧AI芯片，面向人机交互与具身智能应用，明年正式推出，同时配套设计GK-VGGT-SLAM流式空间推理方案。

GK6950系列采用新一代端侧AI NPU架构，提供10 TOPS稠密INT8算力，支持INT4、INT8、INT16与FP16混合精度计算。视觉感知、Transformer与大模型推理、物理AI推理等负载，都由这一套统一架构覆盖。

具体来看，这颗芯片对传统视觉与音频感知任务做了深度优化，在低功耗约束下实现高精度实时推理；原生支持Transformer架构与大模型加速算子，绕开端侧内存墙与算力瓶颈；还能支撑VLA（视觉-语言-动作）等多模态融合模型实时运算，满足具身设备低延迟、高可靠性的要求。

机器人的负载有个特点——“交互与几何同时在线”。对此，GK6950的同一套NPU算子原生支持不同精度：交互大模型推理采用权重4bit、激活FP16、KV缓存INT8的精度组合，KV缓存配合分页管理，减轻长上下文与多路并发带来的内存和带宽压力；空间几何重建保持FP16（含中间特征与输出），防止位姿、深度等几何信息误差随时间累积；视觉前处理跑在INT8稠密精度上，保障多路视觉接入的吞吐。倪亚宇说，GK6950端侧AI芯片力求在有限的端侧预算内兼顾响应速度、推理效率与空间精度。

芯片之外，国科微还将推出轻量级GK-VGGT-SLAM流式空间推理算法。流式三维重建要求一边接收视频流，一边持续完成位姿估计与三维建图，几何精度、时序一致性与运行效率如何平衡，是行业公认的核心难点。传统“先采集、后处理”的联合推理模式不同，GK-VGGT-SLAM走的是纯自回归式流式因果重建机制，每次推理只用当前及已获得的历史观测，不碰未来信息，在视频采集过程中实时还原场景三维结构，做到“所见即所建”。

国科微在端侧围绕具身机器人的实际运行需求持续投入，倪亚宇说，这条线从芯片算力底座一直铺到流式空间推理和模型轻量化。算力底座由GK6950系列用新一代AI NPU架构搭起，视觉感知、交互推理和空间几何计算因此能在同一平台上协同跑；GK-VGGT-SLAM则借助流式因果重建和分层几何记忆，让机器人在不断动作的过程中实时拿到稳定、可更新的三维空间信息；至于模型轻量化，视觉初始化与多层几何知识迁移这项研究想做的，是在把模型规模压下来的同时，保住跨场景的几何能力。

芯片、算法与轻量化三者协同，国科微正帮助业界加速攻克具身机器人“换场景就失灵”的落地难题：机器人不再依赖云端与后处理，而是在端侧持续完成定位、理解与建图，从单次识别走向连续行动，为具身智能的规模化落地提供端侧AI基座支撑。