时隔两年，CT-Unite团队继CVPR 2024再度登顶国际人工智能ACM MM2026顶会，拿下冠军。这一次，夺冠的不是通用大模型，而是一套面向机器人端侧的类脑跨模态融合认知神经网络方案——它将算力需求为100TFLOPS的大模型，通过端侧IDPU分布式计算技术压缩到38.8TFLOPS即可运行，为物理认知大模型落地机器人端侧撕开了一口子。

01.

夺冠现场：类脑技术登顶多媒体顶会

2026年，第34届ACM国际多媒体会议（ACM MM 2026）EgoLink挑战赛结果揭晓，中科（深圳）无线半导体有限公司联合广西大学团队，凭借类脑跨模态融合认知技术从全球众多顶尖高校与科技企业中脱颖而出，夺得赛事冠军。

ACM MM由美国计算机学会主办（由蚂蚁集团与浙江大学联合发起），是计算机视觉与多媒体处理领域的全球顶级学术会议。本届EgoLink挑战赛聚焦第一人称视角下的视频社交理解与环境事件认知推理，代表着当下人工智能视频社交、环境事件认知推理领域的最高竞技水平。

对机器人行业而言，这场赛事的含金量远超一般学术竞赛——EgoLink挑战的核心问题，正是具身智能机器人从"感知"走向"认知"必须跨越的门槛：如何在第一人称视角下，理解人与人之间的社交关系、情绪因果和事件逻辑。

02.

技术解码：芯片+平台+传感，端侧一体化方案

本次参赛方案并非单点算法突破，而是一套完整的**"芯片+平台+传感 + 工具链"端侧一体化技术路线**。

核心硬件：CT-2001A IDPU类脑加速架构

方案依托CT-2001A IDPU分布式低时延类脑神经网络加速架构。IDPU（Intelligence Data Processing Unit）类脑推理芯片，不同于通用GPU的"暴力计算"路线，而是专为类脑神经网络和多模态融合计算设计——采用分布式计算、低时延、事件驱动架构，天然适配机器人端侧的实时性和低功耗要求。

开发平台：CT-Unite RMCS V1.0

在硬件之上，团队基于CT-Unite RMCS V1.0机器人多模态认知开发插件架构，完成多模态认知模型训练调优、知识推理策略迭代，实现类脑跨模态加速与认知技术的工程验证。

感知入口：CT-HS01 4D光谱传感器

感知层采用CT-HS01 4D光谱传感器，同步采集事件、视觉、深度、音频多源信息。与传统RGB摄像头相比，4D光谱传感器能获取更丰富的光谱维度，结合事件流（Event Stream）和深度信息，感知维度大幅提升。

关键突破：跨模态精准对齐+全链路打通

这套方案最核心的突破在于：对事件、视觉、深度、音频多源信息完成跨模态精准对齐，打通视觉感知→环境理解→语言解析→动作交互全链路。

传统机器人采用"各管各的"串行拼接模式——视觉数据送视觉模型、语音数据送语音模型、激光雷达数据送定位模型，最后再用决策层拼凑结果。这种方式信息损失大、延迟高、对齐难，更谈不上深层语义融合。

中科无线半导体的方案则在特征层面甚至神经元层面直接对齐多源信息，让机器人像人脑一样形成统一的"场景表征"。机器人不再局限于"看见画面、听见声音"的基础感知，而是能够推理场景背后的社交关系、情绪因果与事件逻辑，真正实现类人化认知能力。

03.

硬核指标：算力需求直降61%，端侧部署成为可能

如果说认知能力的提升是"软实力"，那么算力指标的突破就是"硬通货"。

依托IDPU端侧分布式计算架构的算力优化，团队将将原100TFLOPS支撑的云端模型降至38.8TFLOPS在端侧部署——算力需求直接砍掉61%以上。

这一数字对机器人行业意味着什么？

当前，端侧算力不足是制约具身智能从 "演示" 走向 "量产" 的核心瓶颈。行业实测显示，即便是英伟达 2000TOPS 算力的芯片，在复杂三维空间交互任务中也捉襟见肘；在家庭等非结构化环境中，实时建图与精细操作叠加的算力需求，远超自动驾驶场景。更隐蔽的瓶颈在内存带宽 —— 当模型参数、视觉特征与多路传感器数据频繁搬运时，带宽可能比 AI 计算单元更早触顶。

中科半导体利用IDPU 架构将认知多模态推理模型拆解后分发给端侧关节芯片完成运算，将算力需求压缩至六成，带来的不只是 "省算力"，而是一套全新的端侧分布式计算范式：

• 高端 GPU 不再是必选项：原本需要旗舰级 GPU 才能跑通的多模态大模型，现在可由一颗中低算力 GPU 协同机器人端侧的 IDPU 专用小脑芯片完成。更关键的是，IDPU 架构支持将机器人各个关节的控制芯片组成局域计算网络，利用分布在每个关节控制芯片中的 IDPU 单元进行分布式实时加速运算 —— 算力不再集中在 "大脑"，而是像人类神经系统一样，"大脑" 负责认知决策，"小脑" 和 "神经末梢" 负责实时运动控制，分层协同、就近计算。

• 真正的端侧自治：摆脱对云端通信的依赖，延迟更低、隐私性更好，即便在网络不稳定或完全离线的环境下也能稳定工作。

• 功耗与续航的双重释放：算力需求降低直接传导为功耗下降，对单次续航普遍只有 90-120 分钟的人形机器人而言，每节省一瓦都意味着更长的工作时间和更小的散热负担。

这为物理认知大模型落地机器人端侧，开辟了一条 "分布式类脑计算" 的全新技术范式。

04.

评测视角：为什么这次夺冠值得行业关注？

作为机器人行业的观察者，我们认为这次夺冠的意义远超一座奖杯——它验证的不只是一个算法，更是一条完整的技术路线。

第一，它验证了“类脑+多模态”路线的可行性。当全行业都在比拼通用大模型的参数规模时，中科无线半导体走了一条“难而正确”的路：不拼参数拼架构，用类脑小脑芯片开展分布式多模态融合计算。

打个比方，传统方案是把所有计算都集中在一颗“大脑”芯片上——感知、认知、决策、控制全都依靠它，最终结果就是算力需求爆炸、延迟高、功耗大。而中科无线的思路更贴近人类神经系统：“大脑”负责高层认知和任务规划，分布在各个关节的“小脑”芯片负责实时感知融合和运动控制，两者通过局域网络实现协同计算、就近处理。

这种从计算架构层面切入的分布式方案，从根本上解决了能效、时延和认知融合三大难题，同时开启了“端侧小脑神经网络分布式协同”这一全新技术范式。ACM MM的权威认证，证明这条路线在国际最高水平竞技中经得起检验。

第二，它不是停留在实验室的代码，而是已经稳步进入产业链的成熟方案。中科（深圳）无线半导体深耕机器人专用芯片与类脑处理器研发，核心业务覆盖IDPU类脑推理芯片与分布式神经网络算法研发。其中CT-2001A/B系列机器人小脑ASIC驱控一体化芯片，已与国内40余家机器人企业达成合作。有芯片硬件、有开发平台、有工具链、有客户验证——这是一套可落地的完整体系，也期待这项类脑跨模态融合认知神经网络技术早日部署到实际应用产品中。

第三，它为中国机器人产业提供了“换道超车”的可能。在通用GPU和大模型赛道，中国企业面临高端芯片供应受限的现实压力。但分布式类脑计算是一个全新低时延计算赛道，全球都站在同一起跑线。

本次夺冠充分印证了我国类脑芯片与多模态融合认知技术，在具身智能物理感知领域已经跻身国际第一梯队。

05.

未来展望：推动类脑芯片产业走向全球

本次斩获 ACM MM2026 全球赛事冠军，是对 RMCS V1.0"芯片 + 平台 + 传感 + 工具链" 端侧一体化技术路线的权威验证。

后续团队表示，将持续迭代 IDPU 芯片硬件、升级 RMCS 开发环境，联动科研院所与产业链上下游伙伴，共同推动国内机器人类脑芯片产业走向全球市场。

对整个机器人行业而言，一个共识正在形成：机器人产业的发展，需要深耕端侧基础类脑神经网络算法，而不只是泛化大模型。当参数竞赛遇到算力天花板，当 "演示级智能" 无法突破真实场景，类脑架构提供的，可能正是撬开量产 "最后一公里" 的那把钥匙。

中科无线的这次夺冠，或许就是一个信号。