近日，全球领先的AI系统芯片（SoC）供应商爱芯元智与全球实时互动云服务商声网联合宣布，基于爱芯元智AX8850N SoC完成声网面向机器人场景的实时互动方案适配。

双方将AX8850N强大的AI视频处理能力与声网全球实时通信网络深度融合，打造出集实时视频、远程操控、可靠信令于一体的机器人实时互动解决方案。

这为机器人行业提供了更完整、更稳定、更低门槛的技术底座。

在具身智能、大模型和边缘AI的共同推动下，机器人正在更快走进工业巡检、物流配送、农业植保、家庭陪护等真实应用场景。

但要让机器人真正跨越地域和网络条件的限制，实现高效的人机协同，光有感知能力和推理能力还不够。

稳定的实时视频回传、可靠的远程控制能力，以及在复杂网络环境下持续在线的通信能力，同样一个都不能少。

AX8850N高算力、高能效

筑牢机器人视觉基座

作为方案的核心计算平台，爱芯元智AX8850N是一款高算力、高能效比的AI视觉SoC芯片。

它集成了八核A55 CPU，NPU算力高达72.0TOPs（INT4）或18.0TOPs（INT8），并内置8K@30fps的ISP图像处理引擎及支持H.264、H.265编解码的VPU。

同时，芯片提供64bit LPDDR4x内存接口、多路MIPI视频输入、双路千兆以太网、USB 3.0及双路HDMI 2.0b输出等丰富外设。

这些能力能够从容应对机器人多路高清视频采集、实时AI推理与复杂交互需求。

强劲的本地算力与出色的能效表现，为上层实时视频处理和远程精准控制构筑了坚实基座。

从“看见”到“控制”

实时闭环是关键

此次方案围绕“视觉+控制”两大核心链路，形成“AX8850N + 声网RTC + RTM”的实时互动闭环。

在视觉侧，机器人摄像头画面经AX8850N完成视频处理和AI分析后，通过声网软件定义实时网络（SD-RTN）将高清视频实时传输至PC、手机、平板等终端。

无需复杂部署，即可实现超低时延的实时回传与全球网络覆盖。

管理人员无论身处何地，都能第一时间掌握现场状况。

在控制侧，声网RTM（实时消息）解决了“控得住”的问题。

方案支持的能力包括：

• 前进
• 后退
• 转向
• 停止
• 云台控制
• 状态同步

以上指令全部通过RTM实时发送。

视频画面与机器人动作保持同步，真正做到所见即所控，消除了远程操作中的不确定性和安全隐患。

强通信底座

低时延、抗弱网、高可靠

机器人通信远不止于通话流畅。一次网络抖动，就可能从影响体验升级为安全风险。

方案依托声网软件定义实时网络（SD-RTN），基于智能路由调度与QoS分级保障，实现从设备端到操控端的全链路延时优化。

自研流媒体传输协议AUT支持多网卡融合（Multipath），有效应对公网移动网络的不稳定。

在覆盖全球200多个国家和地区的实时网络之上，方案实现了三项关键通信能力：

• 超低时延

  端到端延迟稳定低于200ms，全球延迟达标率99.9%，网络时延中位数仅76ms，部分区域可控制在150ms以内

• 抗弱网传输

  即便在80%音视频丢包的恶劣网络下，仍能保障视频连续流畅，适应地下停车场、矿区、电站等复杂环境

• 可靠控制信令

  在70%网络丢包情况下，RTM可保障控制信令接近100%可靠送达，通过全网冗余资源与智能调度，杜绝单点物理故障导致的不可用，确保每一次操作命令精准执行

这三大能力共同构成机器人远程操控的安全防线，也是该方案区别于传统视频通信的核心价值。

一套方案覆盖全场景

加速规模化落地

方案面向整个机器人产业设计，已适配场景涵盖工业AGV/AMR与机器狗、服务机器人、家庭陪护与IPC、农业巡检与植保、能源及园区IPC等。

在实际集成环节，这套方案走的是标准化SDK接口路线，并且已经率先在AX8850N上完成验证，同时也支持向更多AX系列SoC扩展适配。

借助AX8850N本身较高的集成度和完善的接口能力，机器人厂商不必再从零自研复杂的通信系统，就能更快接入音视频、远程控制和实时消息能力。

这样一来，研发周期因此明显压缩，产品上市节奏也能同步提速。

更重要的是，端侧完成声网SDK对接后，还可以直接升级至声网对话式AI引擎。

这将为机器人快速叠加自然语音交互能力，实现从“实时操控”到“智能对话”的无缝演进。

当AI大模型持续渗透机器人，行业竞争的重点正从算法能力转向系统能力。

视觉感知、AI推理、实时通信与云边协同，将共同构成下一代机器人的核心技术底座。

爱芯元智与声网的此次合作，是AI芯片与实时互动（RTE）技术的一次深度融合。

双方将持续围绕具身智能、边缘AI等方向深化合作，降低开发门槛，推动机器人从“能够工作”迈向“高效协同”，为具身智能产业的规模化发展构建更坚实的技术底座。