2026年5月28日，BlackBerry旗下的QNX业务部门发布了一份有意思的报告——《机器人软件架构基准研究报告》。

这份报告的核心意图，是想搞清楚一个正在发生的变化：当机器人系统越来越多地由软件驱动、被AI赋能，并且开始大规模进入人类的工作和生活场景时，整个行业的开发方式到底在怎么演变，理想和现实之间又隔着多远的距离。

报告调研了全球1,000名开发者，数据反馈相当直白。第一个关键判断是：硬件不再是创新瓶颈，软件才是。

硬件不再是瓶颈，软件已成机器人创新关键因素

数据显示，27%的开发者将“软件架构与系统集成”视为最大的性能瓶颈，而只有16%的人觉得“硬件”是主要问题。

这意味着，未来这个行业的进步，不会再依赖硬件的突飞猛进，而更多取决于能否构建出一套可预测、高安全、支持混合关键性等级的系统架构。

这一点在中国市场尤其突出。60%的中国受访者把“调试与测试”列为软件开发中的主要挑战——这个数字远高于全球平均的41%。

更有70%的中国开发者表示，架构相关的问题会直接增加调试或维护的工作量。

当机器人从实验室的受控环境，真正走向城市道路、工厂车间这些复杂的真实场景时，基础软件能力才是决定创新能不能落地的关键。

QNX大中华区首席代表董渊文先生对此有个很形象的总结：物理AI正在成为机器人行业的战略核心，它的本质是让智能从数字世界“落地”到物理世界。

不同于现在常见的那些只在网络空间里运行的AI，物理AI有四个硬性特征：

• 第一，必须遵循物理规律。重力、惯性这些真实世界法则不能忽视，行为结果得符合常识。
• 第二，多模态感知。通过视觉、触觉、力觉等传感器实时感知环境。
• 第三，实体化存在。智能必须依托机器人、机械臂、机器狗这些具体载体，不能只活在虚拟空间里。
• 第四，感知-行动闭环。从环境感知到决策执行，必须形成完整的反馈回路，实现对物理世界的实时交互和操控。

在这种趋势下，软件的价值水涨船高，85%的开发者已经认同：现在真正的瓶颈是软件，不是硬件。

感知精度与闭环控制，对物理AI提出了更综合的挑战

机器人团队正在加速迈向更智能、更自主的系统，但数据也清晰地告诉我们，他们正碰到架构本身的限制。

原因在于，这些架构最初根本不是为这么复杂、责任要求这么高的场景设计的。

开发者反复提到四大核心挑战：

• 系统集成的复杂性
• 认证延迟
• 人机交互中的功能安全风险
• 在关键时刻实现可预测行为的难度

与此同时，中国市场对物理AI的发展前景展现出强劲信心和明确的投入意愿。这说明机器人产业正在从概念验证走向更高水平的规模化落地。

QNX的想法是，通过安全、实时且经过认证的基础软件，帮助开发者更高效地应对这些挑战，为新一代安全、可靠且高度自主的机器人提供坚实的底层支撑。

人形机器人的“大脑+小脑”分层模式

拿人形机器人来说，董渊文认为，其芯片架构呈现一种“大脑+小脑”的分层模式。

• “大脑”芯片由英伟达、地平线旭日等大算力芯片（几百TOPS级别）承担，负责复杂决策、AI推理和感知处理。
• “小脑”芯片则由英飞凌、瑞萨、芯驰等MCU（M核/R核）承担，负责关节驱动、动作执行和实时平衡控制。

这两类芯片对系统的要求完全不同。QNX作为实时操作系统，目前专注于“大脑”层的大算力处理器（CPU），暂时不支持ARM M核或R核这类MCU架构。

所以QNX目前主要聚焦在与英伟达、地平线这些“大脑”芯片厂商的合作上。

QNX在机器人架构中的位置

说到合作，董渊文进一步补充道，QNX的定位是提供以操作系统为核心的基础软件，处在机器人控制器架构的第二层。

他将其概括为一个五层模型：

• 芯片硬件
• 基础软件（OS）
• 中间件
• 应用与算法
• 云端与用户数据

对用户和开发者来说，最容易快速出成果的是应用层、算法层和数据层。这些也是投资人最早能看到演示的部分。

而底层的操作系统和基础软件，属于“看不见摸不着”的东西，在初期往往容易被忽视。

但这层基础软件绝对不是可有可无的，它是绕不开的根基。

一旦产品进入产业化阶段，就必须满足行业严苛的功能安全与信息安全标准。比如手术机器人，必须通过IEC 62304医疗软件认证，同时满足强实时性要求。

这正是QNX的核心价值所在：在应用层之下，提供一个经过安全认证、确定性调度的软件底座，让上层创新能够合规、可靠地落地。

目前，QNX在机器人领域的布局已经趋于完整：芯片层和操作系统层已经就绪，中间件层通过支持ROS2实现了兼容，现在只差算法与应用层的集成——可以说是万事俱备，只欠东风。

当前落地的两大现实挑战

当前的核心挑战其实在于用户接受度，主要体现在两方面：

• 一是成本接受度，QNX的商业授权费用创业公司能否承受；
• 二是迁移成本，把现有Linux生态移植到QNX需要投入的时间和精力。

对于机器人创业公司来说，时间成本永远是第一优先级。

先用最顺手的方式快速实现功能、给投资人演示、把产品推向市场，比做底层优化要紧迫得多。

成本优化——比如把大算力芯片换成中等算力芯片来降本——那都是之后才考虑的事。

目前机器人行业还没像汽车电子那样进入极致拼成本的阶段，所以QNX需要在窗口期内，帮助用户平衡快速上市和底层可靠性之间的取舍。

为未来机器人的发展，全力以赴

报告还洞察到，除了架构和实时性方面的挑战，监管与合规要求也在加剧开发难度。

三分之二（66%）的受访者表示，项目因为认证流程而延迟，在英国和德国这个比例接近70%。

中国受访者因为行业认证导致项目延误的比例是56%，低于全球平均水平，但合规与安全压力依然突出。

• 67%的中国开发者把“功能安全标准”视为主要合规挑战
• 61%的人把“安全威胁或漏洞”列为对未来机器人发展的最大担忧

无论认证延误比例高低，合规要求都会直接影响开发成本、交付周期和商业风险。

由于机器人需要与物理世界直接交互，对功能安全的要求极高，QNX恰好是个合适的选择。

它不仅是全球少数通过全行业功能安全认证的操作系统，而且达到了最高等级的功能安全标准。

董渊文透露，目前QNX已广泛应用于手术机器人领域，达芬奇手术机器人以及中国头部的手术机器人公司都在采用QNX作为底层操作系统。

原因很简单：手术机器人必须通过IEC 6234医疗功能安全标准，而QNX正好具备相应的认证。

相比之下，在人形机器人这个物理AI的新兴赛道，QNX还处于市场逐步拓展的阶段。

当前机器人行业——尤其是人形机器人领域——仍处于发展早期。

在软件架构的五层模型中，第四层的长期安全性与稳定性还没成为行业关注的焦点。

现在的人形机器人大多带有消费电子属性，远没到手术机器人那种性命攸关的安全等级，也不像汽车电子那样需要严格的功能安全要求。

所以，行业对底层功能安全和长期稳定性的诉求还没被充分激发出来。

不过，尽管面临多重挑战，行业的整体雄心和乐观情绪依然高涨。

物理AI已经被明确纳入发展路线图，调查显示89%的受访者认为，具备感知、推理与自主行动能力的AI机器人，将在未来三到五年内对其组织战略至关重要。

而中国在这一趋势中，已经处于全球领先位置。未来的信心指数，还会不断攀升。