成立3个月便反超GPT-6 Astra！深圳黑马首次亮相

师弟常新远则从大厂出来，此前是高德视觉技术中心具身智能方向的技术负责人，主导了ABot-M、ABot-PhysWorld、ABot-Claw等通用具身项目，谷歌学术引用2000余次。他离开大厂的原因很实在：具身需要算法、数据、真机乃至芯片整条链路一起迭代，模型的研发必须贴着端侧芯片走。

算法和芯片之间，还需要有人把控制这一环接上，这就是联合创始人张冬军。他负责域设计、实时通信和时间确定性方案，在固高科技、大疆主导过运动控制器与无人机系统的研发落地，是机器人界泰斗李泽湘教授最早的一批博士生，早在2005年就开始研究灵巧手。

四人各管一摊，任清源则在炎曦动力统管战略，也盯着算控一体SoC、域控制器和配套软件栈。

短短两个月，炎曦动力就扩到了50人左右。除了站到台前的算法团队，水面下还隐藏着一支由芯片老兵组成的硬件与系统团队，他们是国内少有的连续两次从0到1把大芯片做到千万级乃至上亿颗量产的队伍。三拨人靠一套共同的工程文化拧在一起，从任务类型反推SoC架构和微架构。

顺便一提，Paimon这个名字是算法团队的年轻人起的，取自《原神》游戏里的角色。马智恒笑着说，业内给模型起名希腊字母都快用光了，不如起个有意思又顺口的代号。

还记得开头那个降到原来约1/200的控制时序误差吗？其实很多时候，机器人的毛病根本不出在模型上。

任清源分享了一组实验：在英伟达芯片上，采用行业通用的摄像头接入方案，从相机感光采集到模型读取图像，中间经过图像预处理、内存搬运与同步等待，整条链路耗时几乎和单次模型推理相当。对于高频闭环机器人而言，即便模型推理速度很快，数据供给不及时，动作依旧会滞后。

这也是机器人与自动驾驶计算架构的关键区别：自动驾驶能够容忍一定延迟，而机器人存在接触式操作，控制频率要求更高，延迟、抖动会直接引发轨迹偏移、抓取不稳、力控失效。

炎曦动力的方案是在现有主控外设搭载FPGA，将模型推理前后的预处理、后处理任务卸载其上；这部分RTL后续计划大部分集成到自研芯片中，控制时序误差的优化正是硬件链路调优的典型案例。正如任清源所说：