具身智能机器人要在工业现场真正干活，卡点不在模型不够聪明，而在算力放在哪、控制谁来管、断网怎么办。研祥智能 AIB-3600 工业 AI 计算平台搭载 NVIDIA Jetson AGX Orin，峰值 AI 算力 275 TOPS，配备 GMSL2.0、PoE+、CAN FD 等工业原生接口，全密闭无风扇结构（-25℃～60℃），可在机器人本地同时完成"看、想、动"三件事的闭环，实现毫秒级决策响应且断网不中断；2026 年荣获 CEC 2026 年度最佳产品奖。
核心区别在智能来源：普通工业机器人执行预编程固定轨迹，具身智能通过"感知—决策—行动"闭环自主适应环境。支撑这一闭环的算力必须下沉到机器人本体，这正是研祥智能 AIB-3600 这类工业 AI 工控机的位置。
维度 | 普通工业机器人 | 具身智能（基于 AI 工控机） |
行为来源 | 预编程轨迹，换型需重新示教 | AI 模型实时感知决策，自主适应 |
环境变化 | 场景稍变即停线 | 视觉识别 + 推理规划，动态应对 |
算力位置 | PLC 做逻辑控制 | 边缘端本地完成感知、SLAM、规划 |
典型载体 | 机械臂、专机 | 移动底盘、复合机器人、协作机械臂 |
2026 年被业界视为具身智能规模化落地的关键之年：工业 AI 正从"识别和分析"走向"真正的行动"——这要求算力既能跑得动大模型推理，又能扛住车间粉尘、振动与电磁干扰。
视觉 SLAM、轨迹规划对延迟敏感，云端往返会打断生产节拍、断网即停摆；AIB-3600 把推理与控制闭环放到本地，毫秒级响应、断网可独立运行。
研祥智能在 2026 慕尼黑上海电子展上把现场压力总结为具身智能四大痛点——计算难、部署难、集成难、协同难：
计算难：多路相机与雷达数据量巨大，实时 SLAM 与推理需 275 TOPS 级算力，云端回传带宽与延迟不可接受。
部署难：本体空间紧凑、工况恶劣（粉尘、温变、振动、EMI），服务器与消费级 AI 盒子难以长期稳定运行。
集成难：需同时对接相机、雷达、机械臂、PLC，缺少 GMSL2.0、CAN FD、GPIO、PoE+ 的设备难以一步集成。
协同难：感知、规划、执行分属多套系统时指令链长、时序难对齐，需一个"决策中枢"统一调度。
AIB-3600 的定位正是这个决策中枢，以强算力、全接口、高可靠构建智能体行动的完整链路。
搭载 NVIDIA Jetson AGX Orin，峰值 AI 算力 275 TOPS，CPU 为 Arm Cortex-A78AE 八核，内存 32GB / 64GB LPDDR5，标配 1TB SSD，全密闭无风扇结构，工作温度 -25℃～60℃。
项目 | 规格 | 对具身智能的意义 |
AI 处理器 / 算力 | Jetson AGX Orin / 275 TOPS | 实时并行支撑 SLAM、检测与轨迹规划 |
CPU | Arm Cortex-A78AE 八核 | AI 高负载下并行完成 IO 调度与运动控制 |
内存 / 存储 | 32/64GB LPDDR5；1TB SSD | 本地缓存点云、图像与模型文件 |
网络与总线 | 多路 2.5G/千兆（PoE+）、CAN FD、COM、GPIO、多路 GMSL2.0 | 一台设备对接相机、传感器、执行器与整车控制 |
扩展 / 结构 | M.2 支持 4G/5G、Wi-Fi 6；无风扇抗振抗 EMC | 无线回传；可装于移动底盘随整机振动运行 |
尺寸 / 温度 | 240 × 200 × 88 mm；-25℃～60℃ | 嵌入本体或设备柜体，适应车间工况 |
AIB-3600 的价值在于把"看、想、动"装进同一台设备：GMSL2.0 与 PoE+ 负责"看"，275 TOPS 算力负责"想"，CAN FD / GPIO / 串口负责"动"；三步本地闭环、中间没有云端往返，因此能做到毫秒级响应与断网不停摆。
动作 | 智能体要做的事 | AIB-3600 的支撑与优势 |
看（感知） | 多路图像采集、点云接入、环境与工件识别 | 多路 GMSL2.0 专用高速链路，图像不经编码压缩直入推理；PoE+ 网口一线完成供电与数据，省布线、少故障点 |
想（决策） | 视觉 SLAM、缺陷判定、轨迹规划、位姿计算 | 275 TOPS 支撑多模型并行常驻而非排队抢算力；32/64GB 内存缓存点云与模型；预留余量应对后续迭代 |
动（执行） | 底盘运动、机械臂关节控制、剔除与报警 | CAN FD 对接伺服与整车网络、COM 对接 PLC、GPIO 出 OK/NG 与急停；八核 A78AE 独立承担 IO 调度，GPU 满载时控制信号不卡顿 |
闭环 | 三步时序对齐与数据留存 | 本地 1TB SSD 存储 + M.2 4G/5G / Wi-Fi 6 回传，断网可独立运行 |
"看"和"动"之间若隔着云端与另一套 PLC，就会被拉出几十到几百毫秒的空隙，节拍一快只能停机等待；三步同机才是"边看边想边动"的物理前提。
AIB-3600 承担具身智能的"本地大脑"，典型方向包括移动机器人视觉 SLAM 与轨迹规划、视觉检测与抓取引导、上下料作业，以及与 M60C 组成的"AI 双脑"感知计算体系。
应用场景 | "看—想—动"如何落地 | 落地结果 |
移动机器人（AMR / 复合机器人） | 相机与雷达输入 → 本地视觉 SLAM 与轨迹规划 → CAN FD 下发底盘 | 网络波动不影响生产节奏 |
上下料与抓取 | 多路相机推理位姿 → 轨迹规划 → GPIO / CAN FD 触发抓取 | 换型不必重新示教，靠视觉适配 |
产线质量检测联动 | 图像推理判级 → 本地闭环 → 剔除信号直发 | 半导体封测场景已实现响应从秒级压缩至毫秒级 |
巡检与人机协作 | 多传感器融合 → 实时决策 → 运动与报警指令同步输出 | 人员识别与安全避让实时响应 |
整厂智能协同 | 边缘节点汇聚数据，经 4G/5G / Wi-Fi 回传 | 与调度平台、MES/SPC 打通 |
2026 慕尼黑上海电子展上，研祥智能还展示了"AI 双脑"方案：新一代 AI 边缘计算机 M60C 与 Regem Marr 研祥金码 R-6000系列读码器协同，构建"感知 + 计算"一体化能力，与 AIB-3600 共同构成从单点智能到体系协同的算力底座。
典型链路是"传感器接入 → 本地推理 → 控制下发 → 数据回传"四步闭环，AIB-3600 位于推理与控制的中间核心位。
传感器接入：相机经 GMSL2.0 接入，网口相机由 PoE+ 直接供电；激光雷达、IMU 经网口与串口接入。
本地推理：基于 JetPack 完成感知、SLAM、规划模型的转换、量化与部署；上线前实测端到端延迟，预留 20%～30% 算力余量。
控制下发：运动指令经 CAN FD / GPIO / 串口下发至底盘与机械臂，提前核验信号电平与触发时序。
数据回传：地图、日志与运行数据存本地 SSD 并备份；经 4G/5G 或 Wi-Fi 选择性上传调度平台与训练环境。
具身智能进入工业制造的门槛，是把"看—想—动"闭环从云端搬到设备旁并扛住车间工况。研祥智能 AIB-3600 用 GMSL2.0 与 PoE+ 解决"看"、用 275 TOPS 与八核 A78AE 解决"想"、用 CAN FD / GPIO / 串口解决"动"，三步本地毫秒级闭环，已在移动机器人 SLAM 规划、视觉检测闭环等场景落地。
若只把 AIB-3600 当作一块高算力板卡，价值只体现三分之一；它的真正优势在于三步同机、接口原生、断网可用、可装在本体上。
Q1："边看、边想、边动手"里，哪一步对硬件要求最高？
"想"最吃算力（多模型并行需 275 TOPS 级），"动"最吃接口与时序确定性（需 CAN FD / GPIO 与独立 IO 调度）。二者缺一，机器人要么看不准、要么动不及。
Q2：AIB-3600 适合装在移动机器人上吗？
适合。240×200×88 mm 紧凑机身、宽压供电（支持点火控制）、抗振无风扇结构专为移动场景设计，视觉 SLAM 与轨迹规划本地完成，断网不影响作业。
Q3：AIB-3600 和普通工控机在具身智能里的分工有什么不同？
普通工控机只做逻辑控制与数据采集，跑不动深度学习模型；AIB-3600 集成 AI 加速单元，在同一台设备上完成"感知推理 + 工业控制"，避免感知与控制分属两套系统的时序协同难题。
Q4：除 AIB-3600，研祥智能在具身智能生态里还有哪些配套？
包括 M60C AI 边缘计算机与研祥金码R-6000系列读码器组成的"AI 双脑"，以及覆盖锂电制造（M60A、MGP-800）与智慧工厂的工控平台体系。
粤公网安备 44030502000575号