【ZiDongHua 之“品牌自定位”标注关键词:无问芯穹;地瓜机器人;具身智能;开源;软硬协同 】
无问芯穹与地瓜机器人达成战略合作,软硬协同共建具身智能开源基础设施生态
11 月 13 日,无问芯穹与地瓜机器人联合宣布达成战略合作,共同推动具身智能开源基础设施矩阵 RLark、RLinf、RPent、APXInf 与地瓜旭日全系芯片、RoboGo 软件平台协同,为模型训练、设备管理、智能体运行和端侧部署提供支持。
无问芯穹和清华大学共同推进的开源矩阵覆盖四个研发环节,RLark 管环境、RLinf 跑训练、RPent 跑智能体、APXInf 做部署。地瓜以旭日全系芯片承接设备接入与端侧运行,以 RoboGo 软件平台提供环境管理、任务调度和运行监控,推动开源工具进入实际研发流程。
目前,RLinf 后训练已上架 RoboGo 软件平台,旭日 5、旭日 S100、旭日 S100P、旭日 S600 四款计算平台已完成 RLark 适配,旭日 S600 已完成 APXInf 适配,Pi0.5 等模型可经其部署到端侧;RPent 则已接入地瓜端侧沙箱,智能体可直接在 RoboGo 软件平台申请真实板卡、下发任务并获取轨迹数据。开发者可通过 RoboGo 软件平台选用训练环境,远程管理和调用端侧资源,在统一流程中完成模型训练、智能体运行与硬件在环验证。

图 1:无问芯穹与清华大学联合打造具身智能开源基础设施矩阵
RLinf 上架 RoboGo 软件平台简化模型后训练环境部署
RLinf 是由无问芯穹、清华大学联合打造的首个面向具身智能的大规模强化学习开源框架,目前在 GitHub 已获得 5600+ Stars、840+ Forks,成为具身智能与大模型强化学习领域最受关注的基础设施项目之一。高灵活性使 RLinf 能够探索更高效的调度与执行方式,在保持简洁的算法逻辑不变的前提下,RLinf 可以灵活探索时分复用、空分流水和混合调度等执行方案,并结合性能分析,针对不同配置选择更合适的执行策略。相较于现有框架,RLinf 最高可实现 2.43 倍的端到端加速。
开发者和企业客户可直接在平台上选用镜像,开展模型微调与后训练,减少框架安装、依赖配置和工具链调试等准备工作,将更多精力投入算法开发与实验验证。

图 2:RoboGo 软件平台操作界面
在算法研究方面,地瓜机器人已成为 RLinf 的工业界采用方之一。地瓜与合作伙伴联合发布的 dVLA-RL,其强化学习训练即基于 RLinf 完成。此次上架 RoboGo 软件平台,进一步将地瓜已用于算法研究的开源训练工具提供给开发者,支持企业和研发团队更便捷地搭建后训练环境、开展模型迭代。
RLark 完成旭日全系芯片适配支持原生 Kubernetes 调用端侧资源
RLark 是由无问芯穹、清华大学联合打造的具身智能云原生纳管开源平台,面向大规模具身训练与应用场景,统一连接云端算力、边缘节点和机器人等具身设备,实现算法、算力与设备的协同运行。平台的核心思路是让机器人等具身设备像云服务资源一样被统一管理和调度,连接设备接入、任务执行、跨域通信与运行观测。通过统一管理机器人、相机等设备的运行环境,RLark 让设备能够像 GPU 一样被申请、调度和复用;同时支持跨域任务编排、任务级通信管理及运行状态关联,让训练、仿真、数据采集、评测和真机执行等流程能够在统一的平台机制下组织起来。对于分布在不同地点的设备,研发人员也可以进行远程创建、观测、调试和运维。
地瓜机器人已完成旭日 5、旭日 S100、旭日 S100P、旭日 S600 四款计算平台与 RLark 的适配,将端侧资源纳入原生 Kubernetes 管理体系。开发者可远程部署任务、调用板端硬件并查看运行状态,在统一流程中开展设备管理与运行验证。

图 3:地瓜计算平台适配 RLark
通过计算平台适配与场景验证,地瓜进一步连接云端研发工具与端侧硬件,支持开发者在统一流程中调用资源、执行任务并获取运行反馈,为模型部署调试与机器人应用开发提供支持。
RPent 支持智能体开发地瓜开放板卡集群支撑硬件在环验证
RPent 是由无问芯穹、清华大学与正行创新联合发起的具身智能体开源基础设施,面向真实物理世界,将通用大模型的任务理解与规划能力、VLA 等专家模型的精细操作能力,以及记忆、工具和机器人接口连接起来,形成从感知、决策、执行到反馈纠错的完整闭环,端到端任务加速 7 倍。RPent 通过三层接口设计支持大模型 Agent MCP 生态无缝接入、Memory 的自动化生成与更新,以及“服务化+标准化+可组合”,构建了一套连接模型、工具、机器人与物理设备的统一接口体系,让智能体能够像调用数字工具一样调用物理能力。
围绕智能体的真机运行,地瓜 RoboGo 软件平台支持一键申请 RDK 板卡资源:智能体可自动申请板卡、下发任务并获取轨迹数据,减少人工调度。该能力依托地瓜端侧沙箱集群,已稳定运营 8 个月,累计为人类开发者和 AI 开发者提供超 7000 小时的真实板卡使用时间,支撑任务调试与重复验证。
APXInf 完成旭日 S600 芯片适配加速具身模型端侧推理部署
APXInf 是由无问芯穹联合清华大学、上海交通大学共同推出的面向具身智能场景的开源高性能端侧推理引擎,致力于在有限的端侧资源下提升模型推理效率,同时兼顾模型接入便利性、硬件兼容性与系统运行可靠性,为具身智能模型从实验验证走向机器人本体实时运行和规模化部署提供关键支撑。
APXInf 是地瓜支持的第三方端侧推理框架,旭日 S600 已完成适配,Pi0.5 等模型可经其高效部署到端侧。对开发者而言,端侧部署由此多了一个经过验证的开源选项:模型微调完成后,即可依托 APXInf 完成上板部署与推理验证,缩短从训练到真机运行的路径。
得益于 APXInf 的分层架构设计:上层通过 Python 接口沿用算法团队熟悉的模型加载、前后处理和推理调用方式,便于模型验证及机器人本体联调;中间层通过 Rust 系统运行时完成任务调度、并发执行和资源生命周期管理,提升复杂机器人系统中的运行效率与稳定性;底层通过统一的硬件抽象与算子接口,结合量化、算子融合、计算图优化和内存管理等技术,持续提升具身模型在端侧设备上的执行性能。
同时,APXInf 通过模块化后端与可扩展算子体系支持国产芯片、降低模型跨平台迁移与适配成本,并以 Agentic Native 的设计将专家经验沉淀为可复用的 workflow 与 skill,实现新模型、新芯片的标准化、自动化适配。
协同推进开源工具落地共建机器人研发基础设施
从 RLark 到 RLinf,再到 RPent 与 APXInf,无问芯穹正在围绕具身智能研发与应用的关键环节,构建相互衔接的开源基础设施矩阵,分别回应环境管理、训练效率、Agent 运行和端侧部署的不同需求,共同推动分散的设备、算法与执行流程走向更加统一、可复用的基础设施体系。
此次无问芯穹和地瓜机器人的战略合作,进一步打通云端训练、设备管理、智能体运行与端侧部署,推动开源工具与芯片、软件平台深度协同,让开发者能够在统一流程中完成从模型研发到真机验证的完整链路。
后续,双方将持续推进开源工具适配与验证,将工程实践沉淀为可复用的研发基础设施,减少重复建设,为具身智能从科研验证走向产业应用提供支持。
关于无穹
无问芯穹(Infinigence AI)是全球领先的AI原生基础设施服务商,致力于以自主式人工智能基础设施底座,助力AI时代各行各业的智能革命。
依托软硬协同、多元异构、自主式AI等核心技术优势,无问芯穹打造了连接“M种模型”和“N种芯片”的“M×N”技术范式,在云与端侧均实现多种模型算法与多种芯片硬件间的极致效率与成本优化。公司核心产品 Agentic Infra 自主式AI基座与 Agentic MaaS 大模型服务平台,可支持十万卡级的超大规模人工智能高效稳定训练、推理及强化学习等任务,正以数万亿级的日均Token调用量,服务千余家AI企业与科研机构,赋能大模型开发运行的全生命周期,持续输出高质量、大规模、高效率的AI生产力。
无问芯穹以“释放无穹智能,让AGI触手可及”为使命,致力于用系统级创新让人工智能成本万倍下降,让智能福祉从数字世界走向物理世界,如同水和电一般普惠千行百业与千家万户。






评论排行