飛象原創(chuàng)（魏德齡/文）在2025MWC上海，早已對(duì)機(jī)器人演示項(xiàng)目司空見慣的觀眾，卻在不斷對(duì)著移遠(yuǎn)通信展臺(tái)前的一臺(tái)產(chǎn)品進(jìn)行對(duì)話交互。
這臺(tái)機(jī)器人詮釋了關(guān)于“火種”與“變形金剛”間的故事，讓很多業(yè)內(nèi)人士開始考量，自己的傳統(tǒng)設(shè)備是否也需要加上一個(gè)“靈魂大腦”，來實(shí)現(xiàn)語音交互、信息查詢與指令執(zhí)行等一系列功能。
對(duì)此，不妨先從系統(tǒng)架構(gòu)的角度來剖析下，這臺(tái)機(jī)器人是如何擁有了“靈魂大腦”的。
當(dāng)機(jī)器人有了“靈魂大腦”
觀眾之所以能聯(lián)想到自身行業(yè)的機(jī)器人產(chǎn)品升級(jí)，關(guān)鍵在于移遠(yuǎn)通信展示的機(jī)器人采用了一套融合方案，即機(jī)器人本體為逐際動(dòng)力提供，通過連接一塊搭載移遠(yuǎn)高算力AI模組SG885G、集成端側(cè)本地模型的主控板，來幫助機(jī)器人解決思考與下達(dá)指令的問題。在實(shí)現(xiàn)交互方面，則配置麥克風(fēng)陣列和喇叭，從而實(shí)現(xiàn)對(duì)現(xiàn)場(chǎng)觀眾的語音感知。
移遠(yuǎn)通信在2025MWC上海期間發(fā)布的“Robrain AI機(jī)器人解決方案”，如同“火種”一樣，迅速讓機(jī)器人獲得“靈魂大腦”。該方案采用創(chuàng)新的端云協(xié)同架構(gòu)及麥克風(fēng)陣列拾音技術(shù)，深度融合端側(cè)智能與云端大模型優(yōu)勢(shì)，賦予機(jī)器人接近人類的“思考”與“傾聽”能力。有效攻克了AI模型定制、輕量化部署及低延遲交互響應(yīng)等關(guān)鍵挑戰(zhàn)，推動(dòng)機(jī)器人從“機(jī)械執(zhí)行”躍升為“主動(dòng)感知、智能思考、自然交流”的AI智能體。
據(jù)了解，本次的演示機(jī)器人采用的是一套輕度融合方案，好處在于整合容易，相當(dāng)于只需為固有設(shè)備提供一顆“大腦”，可以選擇內(nèi)置在本體或外掛，就能讓機(jī)器人擁有“靈魂”，由于各模塊相對(duì)獨(dú)立，系統(tǒng)對(duì)接簡(jiǎn)單。
同時(shí)，移遠(yuǎn)通信還提供深度融合方案，采用一體化軟硬件設(shè)計(jì)。在依舊沿用機(jī)器人本體的情況下，將機(jī)器人大腦主板與小腦主板合二為一。盡管需要產(chǎn)品人員具有一定開發(fā)能力，但整機(jī)可靠性更高，在生產(chǎn)過程中也更具成本優(yōu)勢(shì)。
而對(duì)于機(jī)器人的最終體驗(yàn)好壞與否來說，在融合方案內(nèi)部的“超級(jí)大腦”與“順風(fēng)耳”到底能夠發(fā)揮怎樣的作用正是關(guān)鍵所在。
當(dāng)“超級(jí)大腦”遇上“順風(fēng)耳”
從演示機(jī)器人的運(yùn)轉(zhuǎn)流程來看，主要分為三個(gè)部分：感知、決策、執(zhí)行。
由于機(jī)器人采用語音交互的方式，所以在感知層需要進(jìn)行前端聲學(xué)處理，降低會(huì)場(chǎng)中的雜音，確定正在進(jìn)行交流的聲源內(nèi)容，最終將準(zhǔn)確的信息內(nèi)容傳遞給決策層。
在決策層通過意圖識(shí)別后，通過移遠(yuǎn)端&云混合大模型進(jìn)行指令處理，端側(cè)大模型與RAG本地知識(shí)庫結(jié)合，確保實(shí)時(shí)控制中的快速反應(yīng)與準(zhǔn)確作答，云端大模型的接入讓用戶的一些查詢、提問能夠通過聯(lián)網(wǎng)獲取信息。
最終處理完的控制指令將通過機(jī)器人執(zhí)行，機(jī)器人也能以語音播報(bào)的形式進(jìn)行反饋。
顯然，感知層的“順風(fēng)耳”與決策層“超級(jí)大腦”的產(chǎn)品能力，塑造了冰冷機(jī)器人的“有趣靈魂”。
“Robrain AI機(jī)器人解決方案”還擁有全鏈路音頻處理能力，讓機(jī)器人能夠“聽得見”，更能“聽得清”。以2025MWC上海的會(huì)場(chǎng)環(huán)境為例，現(xiàn)場(chǎng)有著嘈雜的人聲，不同展臺(tái)的喇叭也在不時(shí)播放著自家的宣傳，在巨大的室內(nèi)環(huán)境中還存在著回聲問題；同時(shí)，機(jī)器人內(nèi)部也會(huì)在運(yùn)轉(zhuǎn)過程中伴有震動(dòng)、電機(jī)、風(fēng)扇等噪音。
移遠(yuǎn)通信Robrain AI機(jī)器人解決方案通過“麥克風(fēng)陣列拾音+全鏈路音頻算法”，為機(jī)器人添上了“順風(fēng)耳”的功能。6麥克風(fēng)均勻分布在設(shè)備的圓環(huán)上，可以360度全向拾音，最大收錄距離可達(dá)10米，喚醒率高達(dá)95%，±10.0°的DOA精度可以確保聲源區(qū)域被增強(qiáng)。
有效的聲音信號(hào)被收集后，相關(guān)算法會(huì)首先去除其中的干擾信號(hào)以及密閉空間中的回聲，并通過AI降噪獲得單純的人聲，同時(shí)還會(huì)自動(dòng)調(diào)節(jié)音頻增益，讓輸出音量保持在合適的幅度。
“回聲消除、聲源定位、波束成型、降噪、去混響、自動(dòng)增益以及語音喚醒等一系列前端數(shù)據(jù)處理，確保了大模型識(shí)別的準(zhǔn)確率�！币七h(yuǎn)通信產(chǎn)品經(jīng)理王宗武表示。
當(dāng)清晰明了的聲音內(nèi)容輸入到“超級(jí)大腦”后，Robrain AI機(jī)器人解決方案中的端&云混合大模型同樣分工明確。其中，為了讓機(jī)器人能夠如同真人一樣在溝通交流中做出及時(shí)反饋，并且不依賴于網(wǎng)絡(luò)環(huán)境，85%的運(yùn)算將在端側(cè)大模型進(jìn)行，做到時(shí)延小于1秒，并且不占用過多算力資源。對(duì)于一些與產(chǎn)品相關(guān)的問題，端側(cè)大模型還能讀取本地RAG知識(shí)庫，滿足商業(yè)化需求，減少通用大模型在專業(yè)領(lǐng)域容易出現(xiàn)的“幻覺”問題。移遠(yuǎn)通信產(chǎn)品經(jīng)理王柯將這一過程比喻為：“大模型在本地進(jìn)行‘開卷考試’，機(jī)器人如同自帶一個(gè)本地學(xué)霸�！睆某杀緜�(cè)考慮，RAG的方式也比企業(yè)根據(jù)自身數(shù)據(jù)內(nèi)容進(jìn)行私域訓(xùn)練耗費(fèi)資源更少，且落地更快。
方案中的云端大模型則提供了擴(kuò)充整體方案的能力，通過與通用大模型進(jìn)行合作，可以輕松接入互聯(lián)網(wǎng)資源，幫助進(jìn)行內(nèi)容搜索、新聞播報(bào)，或提供影音娛樂服務(wù)。例如在2025MWC上海的展區(qū)演示中，當(dāng)現(xiàn)場(chǎng)觀眾詢問“明天天氣怎么樣？”的時(shí)候，演示機(jī)器人能夠快速做出回答。
實(shí)際上，移遠(yuǎn)通信在2025MWC上海展示的機(jī)器人并非“超級(jí)大腦”+“順風(fēng)耳”這對(duì)天作之合的孤例。依托移遠(yuǎn)通信端側(cè)AI整體解決方案，今年3月聯(lián)合德壹所發(fā)布的全能王AI具身機(jī)器人，在無需理療師介入、無網(wǎng)絡(luò)連接的環(huán)境下，可快速且準(zhǔn)確地理解用戶通過自然語言提出的指令和意圖，高效完成通用聊天、醫(yī)療領(lǐng)域RAG問答、指令控制等任務(wù)。該機(jī)器人搭載高通QCS8550平臺(tái)，其意圖識(shí)別小于1s、Prefill時(shí)間小于2s，同時(shí)，超過15 tokens/s解碼速率也確保了交互的實(shí)時(shí)性。
正如這臺(tái)能夠代替一定理療師工作的機(jī)器人，當(dāng)具身智能來到生活中的每個(gè)場(chǎng)景，移遠(yuǎn)通信正在準(zhǔn)備將這對(duì)“天作之合”的能力進(jìn)行進(jìn)一步升級(jí)。
當(dāng)具身智能走向未來
“我的個(gè)人建議是把大模型當(dāng)做人一樣。”王柯表示，大模型方案將在如今文本和語音基礎(chǔ)上，引入視覺能力的支持，屆時(shí)，機(jī)器人將能夠通過視覺看到交流者的表情，從而提升和擴(kuò)展方案的適用性。與此同時(shí)，在與多名對(duì)象的交流過程中，視覺也能幫助機(jī)器人更好地判斷說話人的轉(zhuǎn)換。最終，視覺將與文本、語音一并，構(gòu)成機(jī)器人的多模態(tài)感知能力。
移遠(yuǎn)通信還正在思考，如何解決當(dāng)前Transformer架構(gòu)下的主流大模型對(duì)算力內(nèi)存消耗比較大的問題。目前正在關(guān)注非Transformer架構(gòu)的RWKV大語言模型，并已在SG885G模組上成功運(yùn)行RWKV7模型，將為機(jī)器人帶來更高效、內(nèi)存占用更小的能力。
在語音交互的演進(jìn)方面，移遠(yuǎn)通信同樣聚焦在多維感知的方向上。例如，在目前的交互開啟環(huán)節(jié)，語音喚醒還只是基礎(chǔ)層面，如果需要能夠鎖定個(gè)人對(duì)象的識(shí)別開啟，就需要引入聲紋識(shí)別或人臉喚醒。同時(shí)，聲紋或聲源與人臉、人體的結(jié)合，更有利于保持交互狀態(tài)，從而做出更準(zhǔn)確的語義判斷。人臉鎖定功能也可以在多人對(duì)話中，通過重新鎖定人臉來切換對(duì)話信息的收集。另外，在最后結(jié)束交互的環(huán)節(jié)，移遠(yuǎn)通信也正在讓機(jī)器人能夠以比較友好的方式進(jìn)行表達(dá)，比如說“我累了”或“我想休息了”。
當(dāng)“超級(jí)大腦”遇上“順風(fēng)耳”，正在如同兒時(shí)動(dòng)畫片中的“火種”一般，為眾多機(jī)器人賦予全新的智能靈魂，讓冰冷的機(jī)身展現(xiàn)出思考與表達(dá)的“火花”。隨著具身智能開始走向生活中的每一個(gè)角落，移遠(yuǎn)通信也正在推動(dòng)兒時(shí)的科幻想象成為美好現(xiàn)實(shí)。
