90%的成本省在云端之外——SiMa.ai的1.5亿美元融资,赌的是“机器人不需要云端大脑”

这不是“更便宜的芯片”，这是换了一套计算范式——把智能放在设备本地，而不是送到云端再送回来。

物理AI——机器人、无人机、自动驾驶——长期依赖云端推理。

设备采集数据，通过Wi-Fi或5G传到云端，云端GPU计算完，再把结果传回来。这条链路的问题极其清晰：延迟不可控、带宽成本高昂、隐私风险难以规避，而最根本的问题是功耗。

一项针对自主系统的对比研究给出了一个触目惊心的数字：云端方案的能耗比端侧方案高出4倍，延迟达到10到20秒——这对于需要实时决策的物理AI设备来说，是完全不可接受的。

当一台机器人的“大脑”在云端时，它每做一个动作都要等数据往返一圈。而在工厂车间、偏远农田、地下矿井里，网络根本靠不住。

SiMa.ai选择了一条完全不同的路：让机器人在本地运行完整的AI流水线，不需要把数据送到任何地方。

SiMa.ai的核心产品Modalix MLSoC（机器学习系统级芯片），能做到一件极其硬核的事。

在低于10W的功耗下，它运行包括流媒体解码、推理在内的完整高性能ML流水线。其集成的Arm A65八核微处理器可直接向浏览器提供可视化服务，无需x86硬件或PCIe加速器。

它支持的模型类型覆盖CNN、Transformer、LLM、VLM和生成式AI。在物体检测任务中，YOLOv8n推理速度超过1000 FPS，YOLOv8m达到约300 FPS，ResNet-18分类约1000 FPS。

更关键的是“多模型并行”能力。 在2025年AI Infra峰会上，SiMa.ai用单个Modalix系统级模块，同时运行了16路视频流、4类不同模型（YOLOv9s、YOLOv8s-pose、YOLOv8n、YOLOv7n），涵盖人体检测、安全设备检测、车辆追踪和姿态估计，全部在10W以下完成。传统方案需要整机架服务器才能完成的工作，现在被压缩进了一个69.6mm × 45mm的掌上模块。

更令人震撼的是对基础模型的支持。SiMa.ai成功在Modalix上部署了英伟达的GR00T 1.5人形机器人基础模型——包含视觉语言模型和扩散Transformer的完整栈——在BF16精度下运行，性能与英伟达Jetson Orin NX持平，但功耗更低。这意味着，曾经需要整机架GPU才能运行的人形机器人基础模型，现在可以在一颗低功耗嵌入式芯片上运行。

SiMa.ai宣称其方案相比云端视频分析方案可节省高达90%的总拥有成本。这个数字的底层逻辑，需要从三个维度拆解。

第一，硬件成本。 云端方案需要部署服务器机架、GPU加速卡、网络设备、机房冷却系统。而Modalix方案只需要一颗芯片、一个系统级模块。从“整机架”到“掌上模块”，硬件投入降低了一个数量级。

第二，运营成本。 云端推理的每一帧视频都需要上传到云端再返回结果。带宽费用、GPU租赁费用、数据中心电力成本，都是持续性的运营支出。端侧推理将这笔持续成本压缩到接近零。

第三，延迟与数据合规成本。 云端方案的10到20秒延迟，在安防、工业控制、自动驾驶等场景中意味着不可接受的响应时间。同时，将视频数据上传到云端，在越来越多司法管辖区面临严格的数据合规要求。端侧推理从架构上规避了这两个问题。

而SiMa.ai在迁移成本上还做了一件极其聪明的事。 其Modalix SoM 与英伟达Orin SoM引脚兼容——这意味着客户不需要重新设计载板，只需物理替换模块，即可完成硬件升级。在软件层面，其Palette Neat开发环境能够保留约90%的现有代码库，自主Agent层处理底层计算管道。“硬件引脚兼容+软件代码保留”，让从英伟达GPU到SiMa.ai的迁移风险大幅降低。

SiMa.ai的客户名单，验证了其技术路线的产业可行性。

STIGA——欧洲顶级园林设备制造商，与SiMa.ai达成战略合作，将AI驱动的实时控制技术应用于机器人割草机。STIGA选择SiMa.ai的原因极其直接：超低延迟和最低功耗。

博世、艾默生、美光、新思科技、通快等全球头部工业企业，已进入SiMa.ai的客户与合作伙伴名单。

在机器人领域，SiMa.ai的方案覆盖自主移动机器人、人形机器人、协作机器人、户外与野外机器人、仓储自动化等多个方向。其芯片可支持16通道LiDAR输入、6摄像头30FPS物体检测、SLAM与3D导航，性能效率比现有GPU方案提升8到10倍。

SiMa.ai的营收也在快速增长。 据公司披露，2024年至2025年间，营收同比增长了四倍。

SiMa.ai的融资和产品路线，建立在一个根本性判断上：物理AI的未来在边缘，不在云端。

物理AI和纯云端AI有一个根本区别：物理世界的设备需要在没有稳定网络的情况下工作。 一台在工厂车间里作业的机器人，不可能因为Wi-Fi断了就停下来；一架在偏远地区巡检的无人机，不可能等数据传回云端再决策。

而边缘算力的需求，正在从“低功耗小模型”走向“低功耗全模型”。SiMa.ai的路线图显示，其目标是在2028年上半年实现1000 TOPS算力，同时维持低功耗特性。其下一代产品将涵盖机器学习IP、Chiplet和系统级芯片，目标市场从当前的机器人、无人机扩展到人形机器人、汽车高级驾驶辅助系统和AI座舱。

当一台机器人的智能不再需要“往返云端”，它就不再是“被远程控制的机器”，而是“拥有自主决策能力的智能体”。

从10W以下的完整AI流水线到90%的TCO节省，从与英伟达Orin引脚兼容到部署GR00T 1.5基础模型——SiMa.ai的技术路线揭示了一个朴素的产业逻辑：在物理AI赛道，最稀缺的不是“更强的云端算力”，而是“让每个设备都能自己思考的能力”。

当一台机器人的“大脑”功耗比一个灯泡还低，当一套曾经需要整机架GPU的AI系统被压缩进一个掌上模块——物理AI的“云端依赖症”，正在被一颗颗边缘芯片终结。

而“设备自己会思考”，才是物理AI从“连接”走向“智能”的真正起点。

参考资料：

https://www.digitaltoday.co.kr/cn/view/108285/simaai-raises-150-million-at-1-45-billion-valuation

https://www.digitaltoday.co.kr/cn/view/108285/simaai-raises-150-million-at-1-45-billion-valuation

https://app.qudong.com/article/524501.html

https://sima.ai/blog/doing-the-impossible-with-modalix-16-channel-30-fps-video-analytics-on-one-chip-in-under-10w/

https://sima.ai/press-release/deepseek-r1-1-5b-on-sima-ai-for-less-than-10-watts/