微软研究院于2026年9月23日发布Physical AI研究，重新审视“机器人必须把推理GPU装在机身上”的常见做法。研究团队对移动操作机器人在语义建图与规划、导航、操作等工作负载进行系统测量，发现把部分推理卸载到边缘或云端GPU，能够在动态环境中提升响应和任务表现，同时减少机载功耗。 官方结果显示，小型机载GPU会让建图和规划速度最多慢383%，轻量GPU还会让导航及时发现障碍物的能力下降30%；在视觉语言动作模型任务中，机载算力不足造成的延迟足以让准确率下降50%。研究还报告，把推理从机载GPU迁移到远端GPU后，Stretch-3机器人续航可提升超过100%。这些数字来自微软研究团队的测量研究，不代表所有机器人和网络条件下都能复现。 开发方是Microsoft Research，配套发布的Physical AI Toolchain增加了推理卸载能力，可用Kubernetes把机器人、边缘GPU和云端的容器化工作负载统一编排，并提供SO-101、UR10e等示例。适用对象包括仓储、制造、家庭服务和机器人平台开发者，尤其是需要大模型、长续航或多机器人协同的团队。 实际影响是，机器人硬件可以更轻、更省电，并通过边缘或云端算力运行更大的模型；限制在于卸载会引入网络延迟、带宽和远端GPU资源竞争，安全关键任务仍需评估断网、时延抖动和数据传输风险。微软已将工具链开源，开发者仍需结合具体机器人和现场网络验证。 官方来源（2026年9月23日）：https://www.microsoft.com/en-us/research/blog/offloaded-inference-for-real-world-physical-ai-robotics/