2026年5月28日，BlackBerry有限公司旗下业务部门QNX发布最新研究报告《机器人软件架构基准研究报告》（Inside the Robot: Architecture Benchmark Report），深入分析了在机器人系统日益由软件驱动、具备AI能力，并越来越多地部署在人类工作和生活中的背景下，机器人开发方式正在发生的变化。
该研究基于对全球1,000名开发者的调研，旨在回答：当机器人系统日益由软件驱动、AI赋能，并大量部署到人类工作与生活场景中时，行业开发方式正在发生怎样的变化，以及愿景与现实之间存在多大差距。
硬件不再是瓶颈，软件已成机器人创新关键因素
研究显示，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%的受访者将“硬件”视为主要问题。这表明，未来行业进步不再依赖硬件突破，而更多取决于能否构建具备可预测性、高安全性以及支持混合关键性等级的系统架构。这一趋势在中国市场体现得尤为明显：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，高于41%的整体平均水平；另有70%的中国受访者表示，架构相关问题会增加调试或维护工作量。随着机器人逐步从受控环境走向城市道路、工厂车间等复杂真实场景，开发者愈发意识到，软件基础能力将决定创新能否成功落地。
QNX大中华区首席代表董渊文先生表示：“物理AI（Physical 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。与当前常见的网络空间AI不同，物理AI具备四大核心特征：一是遵循物理规律，系统必须理解重力、惯性等真实世界法则，确保行为结果符合物理常识；二是多模态可感知，通过视觉、触觉、力觉等传感器实时感知环境状态；三是实体化存在，智能必须依托机器人、机械臂、机器狗等具体物理载体，而非仅存于虚拟空间；四是感知-行动闭环，从环境感知到决策执行形成完整反馈回路，实现对物理世界的实时交互与操控。在这一趋势下，软件价值持续攀升，已有85%的开发者认同软件而非硬件正成为创新的关键瓶颈。”
感知精度与闭环控制，对物理AI提出了更综合的挑战
机器人团队正在加速迈向更智能、更自主的系统，但数据也清晰表明，他们正遭遇架构本身的限制——这些架构最初并非为如此复杂、且责任要求极高的场景而设计。开发者持续指出四大核心挑战：系统集成复杂性、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投入意愿，这也意味着机器人产业正在从概念验证走向更高水平的规模化落地。QNX希望通过安全、实时和经过认证的基础软件，帮助开发者更高效地应对这些挑战，为新一代安全、可靠且高度自主的机器人提供坚实支撑。
以人形机器人而言，董渊文认为，其芯片架构呈现“大脑+小脑”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）承担，负责复杂决策、AI推理与环境感知；“小脑”芯片：由英飞凌、瑞萨、芯驰等MCU（M核/R核）承担，负责关节驱动、动作执行与实时平衡控制。
两类芯片对系统的要求截然不同。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/R核等MCU架构。因此，QNX目前主要聚焦于与英伟达、地平线等“大脑”芯片厂商的合作。
言及合作，董渊文进一步补充道，QNX的定位是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。
董渊文将机器人控制器的软件栈概括为五层架构：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，最直观、最容易快速出成果的是应用层、算法层和数据层，这也是投资人最早能看到演示的部分；而底层的操作系统和基础软件则“看不见摸不着”，往往在初期被忽视。
然而，这层基础软件并非可有可无，而是绕不开的根基。当产品进入产业化阶段，必须满足行业严苛的功能安全与信息安全标准，例如手术机器人必须通过IEC 62304医疗软件认证，并满足强实时性要求。这正是QNX的核心价值所在：在应用层之下提供经过安全认证、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完善：芯片层与操作系统层已就绪，中间件层通过支持ROS2实现兼容，目前只差算法与应用层的集成——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：成本接受度：QNX的商业授权成本是否被创业公司接受；迁移成本：将现有Linux生态移植到QNX所需的时间投入。
对于机器人创业公司而言，时间成本是第一优先级，先用最顺手的方式快速实现功能、给投资人演示、将产品推向市场，远比底层优化紧迫。成本优化（如将大算力芯片替换为中等算力芯片以降本）是后续阶段才考虑的事。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需要在这一窗口期内，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
报告洞察到，除了架构和实时性方面的挑战外，监管与合规要求进一步加剧了挑战。三分之二（66%）的受访者表示，其项目因认证流程而延迟，在英国和德国这一比例接近70%。尽管中国受访者因行业认证导致项目延误的比例为56%，低于整体平均水平，但合规与安全压力依然突出：67%的中国受访者将机器人及自主系统的“功能安全标准”视为主要合规挑战，61%的中国受访者将“安全威胁或漏洞”视为未来机器人发展的“最大担忧”。无论认证延误比例高低，相关合规要求都会直接影响开发成本、交付周期及商业风险。
由于机器人需与物理世界直接交互，对功能安全要求极高，QNX恰是理想选择。因为它是全球为数不多通过全行业功能安全认证的操作系统，且达到最高等级的功能安全标准。董渊文表示，目前QNX已广泛应用于手术机器人领域，达芬奇手术机器人及中国的头部手术机器人公司均采用QNX作为底层操作系统，核心原因在于手术机器人必须通过IEC 62304医疗功能安全标准，而QNX恰好具备相应的功能安全认证。
相比之下，在人形机器人与物理AI这一新兴赛道，QNX尚处于市场逐步拓展的阶段。当前机器人行业（尤其是人形机器人领域）仍处于发展的早期阶段。在软件架构的五层模型中，第四层长期的安全性与稳定性尚未成为行业关注焦点。现在的人形机器人大多带有消费电子属性，远未达到手术机器人那种性命攸关的安全等级，也不同于汽车电子级别的功能安全要求，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。
尽管行业面临多重挑战，但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。未来的信心指数也会不断攀升。
