最新机器人软件架构基准研究报告：QNX AI创新直面功能安全

2026年5月28日，BlackBerry旗下QNX业务部门发布了一份题为《机器人软件架构基准研究报告》的深度调研。这份报告的核心目标，是精准捕捉一个正在发生的行业变迁：当机器人系统日益依赖软件驱动、融合AI能力，并加速渗透到人类生产与生活场景时，全球开发者的实践路径究竟如何演化，理想与现实之间又存在多大落差。

报告基于对全球1000名开发者的调研，数据反馈直指关键。首先，一个颠覆性结论浮出水面：硬件已不再是创新瓶颈，软件才是。

硬件不再是瓶颈，软件已成机器人创新关键因素

数据显示，27%的开发者将“软件架构与系统集成”视为最大性能瓶颈，而仅有16%的人认为“硬件”是主要制约。这意味着，未来机器人行业的进步不再依赖硬件的跨越式升级，而是取决于能否构建出可预测、高安全、支持混合关键性等级的系统架构。

这一趋势在中国市场尤为显著。60%的中国受访者将“调试与测试”列为软件开发中的主要挑战，比例远超全球平均的41%。更有70%的中国开发者表示，架构缺陷直接推高了调试或维护的工作量。当机器人从实验室内受控环境，真正走向城市道路、工厂车间等复杂真实场景时，底层软件能力才是决定创新能否落地的硬门槛。

QNX大中华区首席代表董渊文对此给出了一个形象总结：物理AI正成为机器人行业的战略核心，其本质是让智能从数字世界“落地”到物理世界。不同于仅运行在网络空间中的传统AI，物理AI具备四个刚性特征：第一，必须遵循物理定律，重力、惯性等真实世界法则不可忽视，行为结果需符合常识；第二，多模态感知，需通过视觉、触觉、力觉等传感器实时感知环境；第三，实体化存在，智能必须依托机器人、机械臂、机器狗等具体载体，不能仅存于虚拟空间；第四，感知-行动闭环，从环境感知到决策执行必须形成完整反馈回路，实现对物理世界的实时交互与操控。在此趋势下，软件价值水涨船高，85%的开发者已认同：真正的瓶颈是软件，而非硬件。

感知精度与闭环控制，对物理AI提出了更综合的挑战

机器人团队正加速向更智能、更自主的系统演进，但数据清晰揭示出他们正遭遇架构本身的制约——这些架构最初并非为如此复杂、高责任要求的场景设计。开发者反复提及四大核心挑战：系统集成的复杂性、认证延迟、人机交互中的功能安全风险，以及在关键时刻实现可预测行为的难度。

与此同时，中国市场对物理AI的发展前景展现出强劲信心和明确的投入意愿，表明机器人产业正从概念验证迈向更高水平的规模化落地。QNX的策略是，通过安全、实时且经过认证的基础软件，帮助开发者更高效地应对上述挑战，为新一代安全、可靠且高度自主的机器人提供坚实的底层支撑。

以人形机器人为例，董渊文指出，其芯片架构呈现“大脑+小脑”的分层模式。“大脑”芯片由英伟达、地平线旭日等大算力芯片（数百TOPS级别）承担，负责复杂决策、AI推理和感知处理；“小脑”芯片则由英飞凌、瑞萨、芯驰等MCU（M核/R核）承担，负责关节驱动、动作执行和实时平衡控制。

这两类芯片对系统提出的要求截然不同。QNX作为实时操作系统，目前专注于“大脑”层的大算力处理器（CPU），暂不支持ARM M核或R核这类MCU架构。因此QNX当前主要聚焦于与英伟达、地平线等“大脑”芯片厂商的深度合作。

谈到合作模式，董渊文进一步阐释了QNX的定位：提供以操作系统为核心的基础软件，处于机器人控制器架构的第二层。他将其归纳为一个五层模型：芯片硬件→基础软件（OS）→中间件→应用与算法→云端与用户数据。对用户和开发者而言，最容易快速产出成果的是应用层、算法层和数据层，这也是投资人最先看到演示的层面。而底层的操作系统和基础软件，由于“看不见摸不着”，在初期往往容易被忽视。

但这层基础软件绝非可有可无，而是绕不开的根基。一旦产品进入产业化阶段，就必须满足行业严苛的功能安全与信息安全标准。例如手术机器人，需通过IEC 62304医疗软件认证，同时满足强实时性要求。这正是QNX的核心价值所在：在应用层之下，提供一个经过安全认证、具备确定性调度的软件底座，让上层创新能够合规、可靠地落地。

目前，QNX在机器人领域的布局已趋于完整：芯片层和操作系统层已经就位，中间件层通过支持ROS2实现了兼容，仅剩算法与应用层的集成环节——可谓万事俱备，只欠东风。

当前的核心挑战在于用户接受度，主要体现在两方面：一是成本接受度，创业公司能否承担QNX的商业授权费用；二是迁移成本，将现有Linux生态移植到QNX所需投入的时间和精力。

对于机器人创业公司而言，时间成本永远是第一优先级。先用最熟悉的方式快速实现功能、向投资人演示、将产品推向市场，远比底层优化更为紧迫。成本优化——例如用中等算力芯片替换大算力芯片以降低硬件成本——属于后续考量。目前机器人行业尚未像汽车电子那样进入极致拼成本的阶段，因此QNX需要在窗口期内，帮助用户平衡快速上市与底层可靠性之间的取舍。

为未来机器人的发展，全力以赴

报告还揭示，除架构与实时性挑战外，监管与合规要求正加剧开发难度。三分之二（66%）的受访者表示，项目因认证流程而延迟，在英国和德国该比例接近70%。中国受访者因行业认证导致项目延误的比例为56%，低于全球平均水平，但合规与安全压力依然突出：67%的中国开发者将“功能安全标准”视为主要合规挑战，61%的人将“安全威胁或漏洞”列为对未来机器人发展的最大担忧。无论认证延误比例高低，合规要求都会直接影响开发成本、交付周期和商业风险。

由于机器人需与物理世界直接交互，对功能安全的要求极高，QNX恰好是合适的选择。它不仅是全球少数通过全行业功能安全认证的操作系统，且达到了最高等级的功能安全标准。董渊文透露，目前QNX已广泛应用于手术机器人领域，达芬奇手术机器人以及中国头部的手术机器人公司均采用QNX作为底层操作系统。原因十分明确：手术机器人必须通过IEC 62304医疗功能安全标准，而QNX具备相应认证。

与之相比，在人形机器人这一物理AI的新兴赛道，QNX仍处于市场逐步拓展阶段。当前机器人行业——尤其是人形机器人领域——尚处发展早期。在软件架构的五层模型中，第四层的长期安全性与稳定性尚未成为行业关注的焦点。现有的人形机器人大多偏重消费电子属性，远未达到手术机器人那样性命攸关的安全等级，也不像汽车电子那样需要严格的功能安全要求。因此，行业对底层功能安全和长期稳定性的诉求尚未被充分激发。

不过，尽管面临多重挑战，行业的整体雄心与乐观情绪依然高涨。物理AI已被明确纳入发展路线图，调查显示89%的受访者认为，具备感知、推理与自主行动能力的AI机器人，将在未来三到五年内对其组织战略至关重要。而中国在这一趋势中，已处于全球领先位置。未来的信心指数，还将持续攀升。

来源：互联网