SemiAnalysis 算机器人该在哪推理：放数据中心成本不到机载芯片一半，难在无线网络

大语言模型的做法是先训练、再想办法部署：模型第一，硬件第二。报告说机器人把这个顺序倒了过来，原因是两条约束。

• 时间：机器人跑的是实时控制回路，不能错过截止时间。聊天机器人慢一点只是让人多等；机器人慢一点，周围环境已经变了，算出来的动作就作废了。
• 成本：用大模型时，屏幕是用户自己的。机器人则要由制造商在每一台上预先装好算力并买单，规模上去之后是数十亿美元量级的资本开支。

所以机器人身上的硬件是固定的，模型要去适配能以合理成本造出来的硬件。报告的原话意思是：前沿机器人模型的能力上限，会被「买得起、跑得了实时」的硬件卡住。

这解释了为什么机器人模型比大语言模型小两到三个数量级。报告也提醒，机器人模型的参数量不像大语言模型那样有意义：大模型实验室按训练预算和推理成本选尺寸，机器人实验室按数据能撑多大、装得进 Jetson 或 H100 延迟预算来选。参数量反映的是约束在哪，不是尺寸最终停在哪。

模型尺寸往哪走，报告没有下结论。DreamZero 是一个基于视频扩散的世界动作模型，140 亿参数要两块 GB200 才能实时跑；几个月后英伟达的 RoboTTT 走了反方向，用约 30 亿参数、靠测试时训练不断更新自身权重，换来几分钟的可用上下文，而且小到能装在机器人上。

报告的判断是「多种方案并存」：有的机器人全部机载，有的把一部分认知放到数据中心。对需要真正智能的通用机器人，SemiAnalysis 倾向于机器人外的算力，理由是能摆脱机身的算力和功耗预算，还能在整个机队之间共享推理资源。代价是网络问题。