近日，声网与全球领先的AI系统芯片（SoC）供应商爱芯元智联合宣布，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，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、大模型与边缘 AI的驱动下，机器人正加速进入工业巡检、物流配送、农业植保、家庭陪护等真实场景。但要让机器人跨越地域与网络限制、实现高效人机协同，仅靠感知和推理远远不够——它还必须拥有稳定的实时视频回传、可靠的远程控制，以及在复杂网络下持续在线的通信能力。

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，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。方案支持前进、后退、转向、停止、云台控制及状态同步等指令，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。

在落地集成上，方案采用标准化 SDK 接口，率先基于 AX8850N 完成验证，并支持适配更多 AX 系列 SoC。得益于 AX8850N 的高集成度和丰富接口，机器人厂商无需自研复杂通信系统，即可快速接入音视频、远程控制与实时消息，大幅缩短研发周期和产品上市时间。

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，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。声网与爱芯元智的此次合作，是实时互动（RTE）技术 与AI 芯片的一次深度融合，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。