国产端侧算力突破！从300T到600T，本地训练具身AI新纪元

type

status

date

slug

summary

引言：算力下沉与物理AI的新转折点

在近期科技舞台上，具身智能与机器人技术的火爆吸引了全球目光。英伟达GTC大会上，黄仁勋展示的Microduck（机器小黄鸭）凭借翻跟头、起立等动作风靡全网。然而，那群惊艳世界的小黄鸭背后的逻辑依然属于传统范式——在云端依赖成批英伟达超级计算机群集完成大规模训练，再将策略推送到端侧执行。

如今，这一技术范式正在被改写。国内通用GPU厂商天数智芯在媒体开放日上，通过一台自主研发的端侧算力终端“彤央 TY1200”，直接在本地单机完成了从物理仿真环境构建、强化学习策略训练到实时仿真的全闭环流程，让“手搓版”小黄鸭完全摆脱云端算力束缚，在端侧自学行走。

伴随着下一代标称算力高达600T的“彤央 TY2000”终端的预告，国产端侧算力正在迎来质的飞跃。在当前大模型与具身智能加速渗透的背景下，跟踪最新的人工智能发展动态、获取前沿的AI资讯与行业深度剖析，已成为洞察AGI技术演变不可或缺的窗口。

实测超越Thor T5000：端侧算力的硬核对决

长期以来，边缘计算设备往往被定位于“只做推理、不做训练”的辅助角色。彤央 TY1200 的出现打破了这种刻板印象。该设备标称稠密算力为 300 TOPS，是国内首款支持GPU加速物理仿真引擎在本地完整运行的端侧产品。

在与英伟达面向边缘与机器人计算的主流方案 Thor T5000 的实测对比中，TY1200 展现出了领先的性能指标：

在大语言模型（LLM）生成吞吐测试中，运行 Qwen3.8-27B-AWQ 模型时，TY1200 的 Token 生成吞吐量达到 Thor T5000 的 1.38 倍；运行 Qwen3.6-35B-A3B-AWQ 时达到 1.10 倍。

在视觉语言模型（VLM）任务中，运行 Qwen2.5-VL-3B-Instruct 的生成吞吐达对照组的 1.80 倍，多Batch并发场景下仍保持明显优势。

在物理动作生成核心的视觉-语言-动作（VLA）模型测试中，TY1200 在 Cosmos-R2-2B 与 Cosmos-R2-8B 上，性能分别达到 Thor 的 1.58 倍与 1.80 倍。

在交互响应体验上，接收相同提示词后，TY1200 的首字返回延迟仅需 0.223 秒（Thor 为 0.411 秒），文本生成速度稳定在 30.21 Token/秒，远超 Thor 的 24.46 Token/秒。

这套实测数据印证了一个趋势：国产端侧算力已经跨过单点可用的门槛，开始在关键场景性能上实现并跑甚至反超。

模型小型化与算力分层：重塑AI商业化落地模式

端侧具备独立训练能力的背后，是AI技术演进与商业逻辑的双重演变。

一方面，基础模型正在变得“小而强”。斯坦福 HAI《2025 AI Index》指出，在 MMLU 基准上跨过 60% 准确率门槛的最小模型，其参数量已从 2022 年的 5400 亿暴降至 2024 年的 38 亿。这意味着端侧芯片不再只能跑玩具级算法，而是能真正接管复杂的智能推理与微调任务。

另一方面，商业化落地对低延迟、数据隐私保护和成本控制提出了严苛要求。自动驾驶、医疗陪诊、工业机器人等物理AI场景直接产生于物理世界，频繁调用云端 API 不仅带来高昂的持续 Token 成本，还会受到网络带宽与数据外溢风险的制约。“白天工作推理、夜间自主训练”的端侧自闭环模式，让设备利用率实现了最大化。

面对多样化的物理场景，算力分层已成定局。天数智芯通过“端云同源”的逻辑，构建了“1套生态、2种形态（模组与整机终端）、5款产品”的梯度化矩阵，使模型在云端训练与边端部署之间享有无缝迁移的一致体验，大幅缩减了软硬件适配的开销。想要紧跟大模型在产业落地的最新进展，可以在一站式AI门户获取持续更新的技术雷达与行业分析。

“用AI开发AI”：重构国产GPU软件栈生态

在芯片领域，硬件是骨架，生态是灵魂。英伟达构筑的 CUDA 生态曾是难以逾越的壁垒。但大语言模型和智能体代码生成能力的崛起，为打破生态垄断提供了全新路径。

天数智芯将 Agentic AI 引入底层软件栈的研发，践行“用AI开发AI”的工程范式：

极简部署（Easy to Use）：通过流程重构，将原本动辄耗时数小时的大模型环境配置，压缩至10分钟以内完成。

自主调优（Easy to Optimize）：引入自动化调优工具链，将原本高度依赖资深工程师、耗时约7天的算子优化周期缩短至2小时，且性能大幅提升。

原生开发（Easy to Develop）：深度结合 FlyDSL 与代码智能体，原本需要10人天编写的高性能 Kernel，如今在AI驱动下仅需1人小时即可交付。

大模型本身变成底层软硬件优化的利器，将过去依靠工程师堆叠经验的慢车道，切换为由智能算法自动迭代的高速路。这种软件生态层面的范式革命，极大加速了国产芯片融入全球开源体系的步伐。

600T算力时代将至：高质量算力进入检验期

根据发布会披露的路线图，天数智芯下一代端侧旗舰产品彤央 TY2000 的标称算力将直接跃升至 600 TOPS。从 300T 到 600T 的飞跃，预示着复杂多模态感知、高自由度人形机器人端侧控制等高负载任务，正全面向桌面化与设备级靠拢。

当前，AI算力正从狂热的参数比拼转向“高质量算力”的实用阶段。Token 已经成为数字经济的新型计量基准，市场不再仅仅为芯片的峰值理论指标买单，而是考量每瓦特、每元投入能稳定产生多少有效 Token。

当端侧设备不仅能处理推理Prompt，更能依靠原生算力持续产生认知并自我优化，AI的物理化落地才算真正拉开大幕。随着国产算力逐步摆脱“替代备选”的标签，以过硬的实测数据直面全球技术竞争，一个更具活力与韧性的产业生态正在成形。对广大开发者与企业决策者而言，持续跟踪最新AI新闻与行业深度报道，将是把握具身智能浪潮与算力变革红利的关键起点。