晶心科技獲INTELPRO採用:RISC-V與AI加速器怎麼接進機器人,台廠賺哪一段?
晶心科技於2026年11月18日宣布INTELPRO採用AX46MPV與AnDLA I370。解析RISC-V向量處理、AI加速器、NN SDK與記憶體分工,區分官方平台定位、實機驗證及台灣IP供應鏈商業進度。
一台機器人要邊走邊看懂環境,既要處理馬達控制,也要跑視覺模型,把所有工作塞給同一種處理器,往往難兼顧彈性與運算效率。
晶心科技在 2026 年 11 月 18 日宣布,台灣 AI 晶片方案商 INTELPRO 採用其向量處理器與深度學習加速器,作為下一代機器人平台的運算核心。
這裡的合作不是晶心推出一台整機,而是客戶把兩種處理器設計整合進自己的晶片與平台,讓不同工作各有適合的運算位置。
對台灣供應鏈來說,這使焦點從組裝機器人移到處理器設計、軟體工具與客戶整合能力,但採用公告仍不能當成已量產幾台、已收到多少營收。
我的看法是,這個案例值得用來理解台灣處理器設計公司如何參與邊緣 AI,若要判斷商業規模,則還要等客戶產品、量產與財務揭露。
先拆開向量處理器與 AI 加速器各自做什麼,就能看出這次合作解決的問題,以及尚未被證明的部分。
晶心科技與 INTELPRO 分別做什麼,這次採用到哪一層?
晶心提供可整合進晶片的處理器設計,INTELPRO 則把運算、軟體與應用整合成面向客戶的方案。
十一月十八日合作公告介紹,INTELPRO 總部位於竹北,提供 AI 與物聯網晶片的一站式方案,工作範圍從硬體、軟體到應用。客戶需要的因此不只是某一顆處理器,而是能接上實際產品的運算平台。
晶心的角色不同。它提供處理器 IP,也就是可讓客戶整合到晶片裡的設計。這種供應方式讓晶心參與產品核心運算,卻不等於它負責製造晶圓、組裝整台機器人或提供所有終端服務。
本次採用包含兩部分:AX46MPV 向量處理器,以及 AnDLA I370 第二版深度學習加速器。官方說,這套組合將用於 INTELPRO 下一代 AI 機器人平台,處理視覺、感測資料、運動控制與裝置端模型運算。
這裡的異質運算,指用不同特性的運算核心分工。類似同一項工作有人負責安排流程,有人專門處理大量重複計算,目的在兼顧可調整性與效率,而不是讓兩個核心彼此取代。
從台灣產業角度看,這是本地晶片設計能力與方案整合能力的合作。它與只採購現成整機不同,客戶需要把處理器、記憶體與周邊安排成自己的系統,再讓軟體知道如何使用。
因此,讀這則消息最有用的問題,不是晶心現在賣了多少機器人,而是它的運算設計被客戶放進哪一層。公告沒有揭露合約金額與量產規模,商業進度應另外追蹤。
先分清兩家公司負責的層次,才能理解為什麼平台要同時採用兩類運算核心。

RISC-V 向量處理器與 AI 加速器怎麼分工?
向量處理器提供可程式化的平行資料運算,專用加速器則針對神經網路中的大量計算工作安排執行。
向量處理可以理解為對一批資料執行相似運算,而不是一次只處理一個數值。影像與感測資料經常包含大量同類元素,因此這種能力是處理器支援 AI 工作的一種方式。
AX46MPV 是六十四位元多核心處理器,支援 RISC-V 向量擴充。RISC-V 是一套開放的處理器指令規則,規定軟體如何要求硬體工作,晶心則在這套規則上提供自己的商業處理器設計。
所以,指令集開放與處理器 IP 免費是兩回事。能依共同規則開發軟體,有助於建立工具與作業系統相容性,但客戶採用特定設計、工具與服務,仍要依雙方實際合約處理。
AI 加速器則聚焦神經網路的運算。I370 產品頁列出矩陣、卷積與其他算子,算子就是模型執行時用到的基本計算步驟,專用硬體可以安排這些步驟的資料與執行方式。
公告提到最高二千零四十八個乘加運算單元的配置。這類規格說明可配置的運算資源,不等於機器人每秒能完成多少任務,因為模型大小、記憶體與軟體安排都會影響整機表現。
兩類核心放在一起的理由,是讓控制流程與密集模型計算可以分工。但實際哪些步驟交給誰,仍由平台與軟體安排,所以不能只看加速器名稱,就假設馬達控制與語言模型都會自動取得相同改善。
硬體分工成立之後,模型能不能順利跑起來仍取決於軟體如何把工作交出去。
模型搬上機器人,為什麼還需要 SDK 與記憶體設計?
機器人平台不能只把模型檔放進晶片,還得安排資料搬移、算子支援與不同處理器之間的執行順序。
AndesAIRE NN SDK 官方介紹把工具分成模型分析、最佳化、執行環境與驅動程式。SDK 就是協助開發者把模型變成可執行程式的一組軟體工具,不只是下載檔案的位置。
它接受 PyTorch、ONNX 與 TFLite 等模型格式,再分析模型需要的運算。能讀取格式是起點,後面還要檢查每一項運算能否映射到目標硬體,以及需要多少記憶體。
官方列出剪枝與量化兩種最佳化。剪枝是減少模型中部分運算或連接,量化則用較少位元表達數值,兩者都可能減少資源需求,但調整後仍要確認任務品質,不能只看檔案變小。
另一項工具工作是算子融合,把可以合併執行的步驟接在一起,減少中間資料搬動。這也說明為什麼同一個模型,即使核心算力接近,部署方式不同仍可能出現不同等待時間。
記憶體設計也有同樣目的。合作公告提到向量處理器的記憶體子系統與資料通道,I370 頁面則列出本地記憶體與資料搬移能力,如果資料送不及,運算單元就無法一直工作。
SDK 也提供效能估計與模型、硬體建議。估計有助於先篩選配置,真正採用時仍需要把感測輸入、模型執行與控制輸出串起來,量測整段工作,而不是只拿估計值當整機結果。
所以評估這套方案,需要把軟體與整機限制放進來,而不是只比較單一核心規格。
邊緣生成式 AI 能解決什麼,又有哪些成果還沒公布?
把部分模型放在裝置端可改變資料處理位置,但公告沒有證明所有機器人任務都能離線完成。
公告把應用放在自主移動、避障、互動導覽與智慧場域。共同點是設備需要理解眼前環境並做出回應,部分工作若能在裝置上處理,就不必每一步都等待遠端服務。
不過,裝置端處理與完全離線不同。官方同時提到雲端與邊緣混合互動,表示平台可採不同分工,產品是否連網、資料送到哪裡,以及哪些功能離線可用,都要看最後的系統設計。
小型語言模型、視覺語言模型也不是同一種任務。前者主要處理語言,後者結合影像與文字,因此評估時必須說清楚輸入是什麼、輸出要做什麼,才知道硬體是否符合用途。
以導覽場景為例,可以把看見標示、理解問題與給出回應拆成幾個步驟。這只是分析工作的方法,不是說本次合作已公布一台完成這些測試的導覽機器人,更不是現成產品的採購保證。
運動控制還需要與感知輸出協調。模型回答看起來合理,不代表機器人已在實際環境可靠運作,有沒有延遲、錯誤時怎麼處理,以及周邊設備如何配合,都屬於整機驗收。
模型品質也需要在最佳化前後比較。例如同一批測試影像,應檢查原模型與部署版本辨識結果的差異,再決定記憶體節省是否值得。這項驗收能把軟體取捨接到實際任務,而不只比較算力。
因此,合作圖上的機械手臂與晶片適合說明定位,不能替代實機證據。目前最清楚的成果是平台採用關係與運算架構,終端產品的安全、功耗與任務成功率,仍需要各自的測試資料。
應用範圍越廣,越需要回到具體產品與測試條件,才能判斷商業意義。
台灣處理器 IP 供應鏈的價值,接下來怎麼追?
這次採用顯示台灣供應商可以從運算設計參與機器人平台,但商業規模仍要等產品與財務證據。
首先可以追蹤平台是否公布具體開發環境與支援模型。對開發者來說,文件、範例與可重現的執行流程,會直接影響把自己的模型搬進去需要多少工程工作。
其次是確認配置。相同加速器 IP 可有不同運算單元、記憶體與介面安排,處理器名稱相同也不代表所有客戶晶片完全一樣,因此規格比較應接到實際採用版本。
第三是產品進度。從採用設計到客戶終端產品,還有整合與驗證階段,若後續公布晶片、開發板或應用產品,就能逐步核對本次合作承諾落在哪裡,而不必先猜出貨量。
對晶心而言,可整合的處理器與軟體工具是它參與市場的方式。這使公司的價值不只在一項核心規格,也在能否減少客戶開發與部署的阻力,但本公告沒有拆出本案收入來源或合約安排。
若要比較其他方案,我會先固定同一個模型、感測輸入、品質要求與功耗條件,再量測完整任務的等待與穩定度。只有單一運算峰值,還不足以決定哪種架構更適合機器人。
這個案例的正面訊號,是台灣供應商正從處理器設計與整合參與邊緣生成式 AI。最可能改變判斷的,是後續平台是否能被客戶順利部署,以及產品證據是否支持原本承諾的用途。
因此我會追客戶落地與軟體成熟度,先不把合作公告換算成已實現的營收成長。
常見問題(FAQ)
晶心科技這次是自己推出機器人嗎?
不是。晶心提供處理器 IP 與軟體工具,INTELPRO 採用這些設計作為下一代平台核心,終端機器人的整合、製造與上市仍是其他層次的工作。
RISC-V 開放,代表這套 AI 處理器免費嗎?
不代表。RISC-V 是開放指令集,特定商業核心、加速器與工具的使用仍依供應商條件與合約。開放規則不能直接換成任何產品免授權費。
公告能證明全部 AI 都能在機器人上離線跑嗎?
不能。官方介紹的是裝置端模型與混合運算能力,沒有提供所有模型、環境與整機任務的共同實測。採購前應固定模型、記憶體、延遲與品質要求再驗收。
結語
INTELPRO 的採用,讓晶心的處理器與加速器設計接進具體機器人平台。理解向量運算、模型加速與軟體工具的分工,比把它簡化成另一台 AI 機器人更能看出產業價值。
我會優先追可重現的模型部署與客戶產品進度。架構合作是值得研究的起點,真正商業規模則需要後續交付與財務資料,現階段還不能從這則公告推算獲利。
延伸閱讀:HubEgo-100K 開放第一批資料:一萬小時人類工作影片,怎麼幫機器人學習?
延伸閱讀:鴻海 Q3 營收破 3 兆創高!AI 伺服器、ASIC 與自產機器人進產線一次看