拜读维拉科技关于机器人相关信息的综合整理，涵盖企业排名、产品类型及资本市场动态：一、中国十大机器人公司（综合类）优必选UBTECH）聚焦人工智能与人形机器人研发，产品覆盖教育、娱乐及服务领域，技术处于行业前沿。NVIDIA使用Qwen3系列模型的最佳实践机器人中科院旗下企业，工业机器人全品类覆盖，是国产智能工厂解决方案的核心供应商。埃斯顿自动化国产工业机器人龙头，实现控制器、伺服系统、本体一体化自研，加速替代外资品牌。遨博机器人（AUBO）协作机器人领域领先者，主打轻量化设计，适用于3C装配、教育等柔性场景。埃夫特智能国产工业机器人上市第一股，与意大利COMAU深度合作，产品稳定性突出。二、细分领域机器人产品智能陪伴机器人Gowild公子小白：情感社交机器人，主打家庭陪伴功能。CANBOT爱乐优：专注0-12岁儿童心智发育型亲子机器人。仿真人机器人目前市场以服务型机器人为主，如家庭保姆机器人（售价10万-16万区间），但高仿真人形机器人仍处研发阶段。水下机器人工业级产品多用于深海探测、管道巡检，消费级产品尚未普及。NVIDIA使用Qwen3系列模型的最佳实践资本市场动态机器人概念股龙头双林股份：特斯拉Optimus关节模组核心供应商，订单排至2026年。中大力德：国产减速器龙头，谐波减速器市占率30%。金力永磁：稀土永磁材料供应商，受益于机器人电机需求增长。行业趋势2025年人形机器人赛道融资活跃，但面临商业化落地争议，头部企业加速并购整合。四、其他相关机器人视频资源：可通过专业科技平台或企业官网（如优必选、新松）获取技术演示与应用案例。价格区间：服务型机器人（如保姆机器人）普遍在10万-16万元，男性机器人13万售价属高端定制产品。
阿里巴巴近期发布了其开源的混合推理大语言模型 (LLM)通义千问 Qwen3，此次 Qwen3 开源模型系列包含两款混合专家模型 (MoE)，235B-A22B（总参数 2,350 亿，激活参数 220 亿）和 30B-A3B，以及六款稠密 (Dense) 模型 0.6B、1.7B、4B、8B、14B、32B。
现在，能够基于 NVIDIA ，使用NVIDIA nsorRT-LLM、Ollama、SGLang、vLLM等推理框架高效集成和部署 Qwen3 模型，从而实现极快的词元 (token) 生成，以及生产级别的应用研发。
本文提供使用 Qwen3 系列模型的最佳实践，我们会展示如何使用上述框架来部署模型实现高效推理。开发者可以根据他们的应用场景需求来选择合适的框架，例如高吞吐量、低延迟、或是 GPU 内存占用 (GPU footprint)。
Qwen3 模型
Qwen3 是中国首个混合推理模型，在 ME、LiveCodeBench、ArenaHard、BFCL 等权威评测集上均获得出色的表现（信息来源于阿里巴巴官方微信公众号）。Qwen3 提供的系列开源稠密和 MoE 模型在推理、指令遵循、Agent 能力、多语言支持等方面均大幅增强，是全球领先的开源模型。
大语言模型的推理性能对于实时、经济高效的生产级部署至关重要
LLM 生态系统快速演进，新模型和新技术不断更新迭代，需要一种高性能且灵活的解决方案来优化模型。
推理系统设计颇具挑战，要求也不断提升，这些挑战包括 LLM 推理计算预填充 (prefill) 和解码 (decode) 两个阶段对于计算能力和显存大小 / 带宽的需求差异，超大尺寸模型并行分布式推理，海量并发请求，输入输出长度高度动态请求等。
目前在推理引擎上有许多优化技术可用，包括高性能 kernel、低精度量化、Batch 调度、采样优化、KV 缓存 (KV cache) 优化等等，选择最适合自己应用场景的技术组合需要耗费开发者大量精力。
NVIDIA TensorRT-LLM提供了最新的极致优化的计算 kernel、高性能 Attenon 实现、多机多卡分布式支持、丰富的并行和量化策略等，从而在 NVIDIA GPU 上实现高效的 LLM 推理。此外，TensorRT-LLM 采用PyTorch 的新架构还提供了直观、简洁且高效的模型推理配置 LLM A，从而能够兼顾极佳性能和灵活友好的工作流。
通过使用 TensorRT-LLM，开发者可以迅速上手先进的优化技术，其中包括定制的 Attention kernel、连续批处理 (in-flight batching)、分页KV 缓存 (Paged KV cache)、量化 (FP8、FP4、INT4 AWQ、INT8 SmoothQuant)、投机采样等诸多技术。
使用 TensorRT-LLM运行 Qwen3 的推理部署优化
下面以使用 Qwen3-4B 模型配置 PyTorch bkend为例，描述如何快捷进行基准测试以及服务化的工作。采用类似的步骤，也可以实现 Qwen3 其他 Dense 和 MoE 模型的推理部署优化。
1. 首先准备 benchmark 测试数据集合和extra-llm-api-config.yml
配置文件：
全部评论
留言在赶来的路上...
发表评论