近期，浦东具身智能产业捷报频传：DSA（专用指令集架构）领域计算实验室启用，“专芯专用”破解AI“算力效率”困局；艾利特机器人跑通“一脑多形”产业闭环；智元推出灵犀X2 EDU（人人造）版本，同步开源行业首个聚焦物理交互的具身数据集并发布“元苼生态发展计划”，系统赋能具身智能科研教育与产业落地。

作为浦东全力打造的十大硬核产业之一，浦东正加速构建完整的具身智能产业生态。从“技术概念”加速走向“产业现实”，浦东正以全产业链优势，抢占具身智能发展高地。

“专芯专用”破解AI“算力效率”困局，高能级计算实验室在浦东启用

当下数据、AI运算爆发，通用计算架构的“一刀切”模式，正陷入“算力过剩与效率不足并存”的尴尬。以DSA（专用指令集架构）为代表的专用计算架构，已成为突破通用算力瓶颈、赋能千行百业数字化转型的核心引擎与关键支撑。

日前，DSA（专用指令集架构）领域计算实验室在浦东软件园启用，生态伙伴将携手在浦东破解行业核心痛点、强化产业协同效应，推动前沿技术从实验室走向市场。

实验室首批合作单位、深圳市宏瀚微电子有限公司创始人孟小宁表示：“通过和实验室合作，我们将加速聚焦RISC-V（第五代精简指令集架构）架构在DSA领域的关键技术突破，寻找适配自身场景的专用加速方案。”

业内专家指出，过去数十年，通用计算架构（CPU）凭借标准化、生态成熟的优势，成为算力供给的主流，但智能时代的算力需求已经从“通用计算”转向了“领域专属计算”。DSA是面向特定领域的计算范式优化，意味着兼顾效率与领域内的灵活性。现场，芯昇科技、隼瞻科技与宏瀚微签署战略合作协议，三方将在基于RISC-V芯片的AI应用软硬件方案领域开展深度合作，加速技术成果产业化进程，提升产业链整体竞争力。

据悉，DSA领域计算实验室由RISC-V工委会、上海浦东软件园与隼瞻科技共同组建，实验室以RISC-V架构为聚焦点，持续拓展DSA技术创新应用场景。

艾利特机器人瞄准“AI全产业链”，已落地500多个真实场景

近日，扎根张江人工智能岛的艾利特智能机器人股份有限公司宣布：自研具身大模型“元启 Primo”完成试点验证、轮式人形机器人Centaur-G1进入联合客户测试，叠加此前完成的6亿元D+轮融资，企业依托“一脑多形”技术体系，正式跑通模型、本体、场景协同进化的产业闭环。

作为深耕机器人行业的AI产业链智能操作机器人公司，艾利特机器人今年率先提出From AI，For AI创新产业理念，将具身智能机器人核心应用场景锚定AI全产业链。支撑这一产业模式的核心，是艾利特贯穿企业发展全程的“一脑多形”技术战略。

根据其规划目标，协作机器人作为“第一形”，已落地500多个真实场景。产品覆盖汽车、3C、医疗、新零售等行业，产品谱系持续拓宽，业务稳健成长。此外，多个“形态”机器人正在加速推进中。

“具身智能不是一个单点的技术问题，它还是一个系统工程。”艾利特具身智能事业部负责人兼迈幸智能机器人CTO吴珉指出，真正进入真实场景后，最终考验的是系统级能力。

业内人士表示，具身智能是人工智能通往物理世界的关键载体，也是AI基础设施建设的重要一环。艾利特打造的“模型-本体-场景”协同闭环，为行业商业化落地提供了可参考路径。

新机器人版本、生态基金、开源数据集，智元“三箭齐发”

日前，智元推出灵犀X2 EDU（人人造）版本，面向科研教育、工程实训、机器人赛事开发等多元场景，聚焦设备拆装实训与软件二次开发，以硬件实力、全开放拓展能力，完善教学配套，为机器人科创教育领域注入全新动能。

据介绍，灵犀X2 EDU（人人造）版本在硬件设计上强调可拆装、可扩展与可二次开发。整机含假头身高130厘米，重量35千克，全身具备29个自由度，单臂具备7个自由度，运动姿态灵活自然；最大末端负载可达3千克，最高行走速度可达1.8米/秒，可满足教学演示、结构认知、运动控制实验和赛事开发等多类实操需求。

开放性是该版本的重要优势。依托自由集成、全栈扩展两大核心优势，支持夹爪、仿真假手、假拳等多类型末端执行部件选配，该版本可适配抓取、人机交互、运动实验等不同教学和科研任务。设备开放供电与数据接口，可接入各类外部传感器，支撑多方向教研探索。算力板支持自主加装高阶二次开发板，满足进阶研发需求。目前，灵犀X2 EDU（人人造）版本主要面向机器人科创教育、赛事机器人开发、装调与运维实训三大核心场景。

此前，智元还发布了“元苼生态发展计划”，宣布2026年先行投入1亿元生态扶持资金，未来五年规划投入20亿元专项资金，围绕科研学术创新、教育人才培养、生态伙伴发展、开发社区运营四大维度，系统赋能产学研及开发者群体。该计划将以资金、技术、平台和资源为支撑，持续降低开发门槛。

此外，智元还正式开源AGIBOT WORLD 2026数据集第二期主题“多样交互”。这是行业首个聚焦物理交互的开源具身数据集，面向世界模型、神经仿真器、物理感知以及表征学习等具身智能研究，系统记录机器人与真实物理世界之间复杂、高密度、非理想的交互过程，旨在补齐当前世界模型训练中长期缺失的真实物理交互数据。

过去，机器人更多是在学习“如何成功执行动作”；现在，机器人需要进一步学习对世界的建模——“真实世界如何回应动作”。本期数据集的发布，意味着具身智能数据建设正在进入新的阶段。

文字：杨珍莹 张紫薇

供图：浦东软件园 艾利特机器人

编辑：张紫薇

来源：浦东发布官方微信