DragonWorks | 从 Demo 到 Dragonwing 量产

01 · Problem

机器人团队不是缺模型，而是缺一条从实验室到现场的工程路径。

硬件、ROS、仿真、数据、训练、边缘部署和现场运维被切成不同工具。样机越来越快，但量产越来越慢；每次 demo 成功之后，团队还要手工解释数据来源、模型版本、Qualcomm runtime、设备状态和失败后的回滚路径。

断点 1

ROS 和学习数据脱节

rosbag2 记录了真实行为，LeRobot dataset 用于训练，但二者常常没有同一条 lineage。

断点 2

训练和边缘目标脱节

GPU job 能跑，checkpoint 能出，但没有从第一天绑定 Dragonwing target、input shape、runtime 和 NPU backend。

断点 3

模型和交付脱节

一个权重文件离可安装技能还差 profile、SBOM、权限、安全边界、签名、rollback 和 support boundary。

断点 4

比赛和商业脱节

视频、截图、BOM、指标、源码、客户材料和答辩故事没有自动从真实项目状态生成。

02 · Current Alternatives Fail

现有工具各自很强，但没有解决 Dragonwing 生态里的端到端产品化。

DragonWorks 不应该声称“没有竞争”。更准确的说法是：ROS、Isaac、AI Hub、LeRobot、Foxglove、Formant、Viam 和 OEM clouds 都解决一段问题；缺的是把这些能力组织成 Qualcomm-first release graph。

ROS / Sim

基础层不是交付层

ROS、Gazebo、Nav2、MoveIt 是机器人基础设施，但不会自动生成 QNN artifact、SkillCertKit gate 或客户 evidence packet。

NVIDIA Isaac

GPU-first 路径很强

Isaac / GR00T / Isaac Lab 强在仿真、synthetic data 和 GPU 生态；Qualcomm 需要自己的 Dragonwing production path。

Edge ML

模型工具不是机器人产品

AI Hub、QNN、ONNX Runtime、Edge Impulse 能优化模型；真实机器人还需要传感器、ROS topic、地图、动作边界和回滚。

RobOps

运维工具通常从上线后开始

Formant、InOrbit、Foxglove、Viam 更偏运行、数据和 fleet ops；DragonWorks 从数据采集、训练和 edge profile 开始。

03 · Solution

DragonWorks 是 Dragonwing 机器人的 build、optimize、deploy、observe 控制平面。

开发者上传 ROS 2 package、模型、传感器配置和 LeRobot dataset；DragonWorks 生成 Dragonwing target profile、训练 job、AI Hub/QNN evidence、runtime package、skill release、fleet rollout 和 submission packet。

Workspace

选择 robot archetype、RB3 / QCS / IQ target、ROS graph、camera、actuator、runtime。

Capture

采集 rosbag2 + LeRobot episode，同步相机、state、action、operator note 和 failure tags。

Train

TrainRouter 选择 China / Global lane、GPU provider、budget、eval suite 和 target constraints。

Profile

AI Hub / QAIRT / QNN / ONNX Runtime QNN 生成 latency、memory、backend 和 artifact evidence。

Release

SkillCertKit gate、SkillDock card、EdgeFleet rollout、incident capsule 和 rollback pointer。

04 · Why Now

2026 是 Qualcomm 做机器人开发平台的窗口期。

Dragonwing 品牌、AI Hub Workbench、QAIRT/QNN、RB3/QCS/IQ 设备路径、LeRobot 数据标准和服务机器人商业化同时成熟。机会不是再做一个机器人 demo，而是做 Qualcomm 机器人生态的生产流水线。

Dragonwing

边缘 AI 和连接品牌正在成型

Dragonwing 已经承载 industrial / embedded IoT、edge AI、connectivity 和 robotics 叙事。

AI Hub

模型流水线越来越具体

compile、profile、inference、QAIRT / QNN context、ONNX Runtime QNN 让 edge evidence 可以产品化。

LeRobot

真实机器人数据开始标准化

LeRobotDataset v3 把多相机视频、state/action、metadata、indexing 和 episode workflow 做成可复用资产。

Market

商业化正在从 demo 走向 fleet learning

工业和服务机器人部署持续增长，客户要的是可部署、可运营、可复盘、可续费的机器人劳动。

05 · Product

产品不是 PPT 平台，而是机器人团队每天打开的工作台。

第一版不要声称支持所有机器人。更可信的范围是 AMR / inspection 和视觉抓取两个 reference workflow，围绕 RB3 Gen 2 / QCS6490 先跑通，再扩展到 QCS8550 和 IQ10 RRD。

Build

Robot Workspace Manager

项目、target board、ROS 2 graph、launch profile、calibration、camera、actuator、container 和 sim/real target。

Learn

Episode + Dataset Studio

rosbag2 原始证据、LeRobot dataset、metadata search、quality score、split、rights、region 和 retraining queue。

Optimize

Qualcomm Optimizer

AI Hub / QAIRT / QNN / ONNX Runtime QNN 路径，输出 latency、memory、backend、thermal、power 和 fallback evidence。

Deploy

Runtime Agent

Dragonwing device agent 记录 artifact hash、runtime、camera health、thermal zone、power mode、FPS 和 dropped frames。

Govern

Skill Release Gate

SkillCertKit 决策、SBOM/VEX、签名、known limitations、rollback target 和 install audit。

Submit

Submission Builder

自动导出项目书、evidence table、BOM、代码步骤、source links、screenshots 和三分钟答辩 storyboard。

DragonWorks release graph 和 evidence packet 概念图

06 · Product API/Evidence

评委需要看到它能被调用，而不是只被观看。

DragonWorks 的核心证据不是漂亮看板，而是一组 API、CLI 和 release packet：每个 release 都能回答 trained on what、evaluated where、approved by whom、deployed to which robot、rolled back how。

dragonworks init --template amr-inspection --target rb3-gen2
dragonworks capture --robot lab-amr-01 --format lerobot+rosbag2
dragonworks profile --target qcs6490 --runtime qnn-context-binary
dragonworks release --skill inspect-pallet-v4 --gate skillcert --rollout lab

Evidence

Dataset lineage

LeRobot card、rosbag manifest、split、operator、robot ID、task language、calibration hash 和 rights。

Evidence

Training run card

code commit、config、seed、GPU lane、checkpoint hash、loss curves、eval suite 和 budget record。

Evidence

Qualcomm profile

AI Hub job、QNN context hash、runtime、input shape、latency、memory、backend、thermal 和 fallback。

Evidence

Release record

SkillCertKit result、known limits、install audit、EdgeFleet rollout、incident links 和 previous-known-good。

07 · Market & Business Model

先卖给正在把 10-1,000 台机器人推向客户现场的团队。

不要从“全球机器人 TAM”开始。更可信的是 bottom-up：10 个 design partners，每个 partner 10-100 台机器人，每台机器人每月软件/证据/运行授权，再加 training、simulation、validation 和 private deployment 收入。

Beachhead

中国机器人出海团队

他们硬件强、成本强、供应链强，但需要海外客户能信任的部署、日志、质保、SLA 和合规证据。

China

dragonworks.cn

内地部署、数据留在中国、适配国产与国际算力，服务制造业、物流、巡检、教育和服务机器人。

Global

dragonworks.ai

海外控制平面，AWS/GCP/Azure 负责企业采购，CoreWeave/Lambda/RunPod 等负责弹性训练和仿真。

Revenue

Free -> Pro -> OEM

Developer free tier，team SaaS，enterprise/OEM per-device runtime license，support 和 reference design integration。

08 · Competition & Moat

DragonWorks 的壁垒不是“AI 更强”，而是 Qualcomm-specific evidence graph。

它应承认 Isaac、LeRobot、Foxglove、Formant、Viam、ROS、OEM clouds 的强项，然后清楚站位：Dragonwing production layer，连接 real data、cloud training、AI Hub/QNN profile、runtime、skill gate 和 fleet feedback。

短期

Dragonwing target templates

RB3/QCS6490、QCS8550、IQ、camera pipeline、runtime、AI Hub profile、QNN export 和 demo recipes。

中期

Release evidence graph

episode、rosbag、dataset、job、checkpoint、artifact、gate、install、incident、rollback 形成可查询关系。

长期

Ecosystem distribution

Dragonwing Robotics Hub、Arduino Project Hub、SkillDock、SI/OEM templates、education kits 和 competition submissions 互相强化。

09 · Why Qualcomm

DragonWorks 把 Qualcomm 从硬件选项，变成机器人开发默认路径。

Qualcomm 已经拥有 Dragonwing robotics portfolio、RB3/QCS/IQ device path、AI Hub Workbench、QAIRT/QNN、ONNX Runtime QNN、IM SDK、connectivity 和 developer hub。DragonWorks 补上的层，是把这些能力组织成可重复交付的开发与部署流程。

Create 项目从 Dragonwing / RB3 / QCS / IQ target profile 创建。

Capture 采集时记录 board、sensor、runtime、region 和 dataset rights。

Profile AI Hub / QAIRT / QNN evidence 成为 release gate。

Improve EdgeFleet failure data 回流到下一轮 TeleopStudio / TrainRouter。

对 Qualcomm

更高 attach rate

开发者从项目第一天就选择 Dragonwing target，而不是最后才考虑边缘硬件。

对生态

更短 production path

从 design-win 到可复现 reference workflow，减少 BSP、runtime、profile、field evidence 的人工胶水。

对比赛

更强示范价值

不只是跑一个 benchmark，而是展示 perception、ROS2、cloud training、QNN artifact 和 fleet lifecycle。

10 · Demo & Ask

90 天证明或证伪：两条机器人 workflow，十个 design partners，三个 LOI / paid pilot。

最后要让评委相信：给硬件、AI Hub/QNN 支持、开发者入口和客户介绍，DragonWorks 能在 90 天内交付可检查的 evidence，而不是停留在战略口号。

0-30 天

RB3 / QCS6490 baseline

跑通 AMR inspection：ROS 2 -> LeRobot capture -> TrainRouter -> AI Hub profile -> QNN artifact。

30-60 天

第二条 workflow

视觉抓取或 tabletop manipulation：teleop data、sim/real eval、SkillCertKit gate、SkillDock release。

60-90 天

Design partner proof

10 个 OEM/SI/实验室伙伴，至少 3 个 LOI 或付费 pilot，KPI 是部署时间、性能、功耗和现场故障率。

Ask

Qualcomm validation sprint

开发板、IQ10 RRD guidance、AI Hub quota、QAIRT/QNN office hours、Robotics Hub / Arduino 发布路径和 partner introductions。

DragonWorks 的一句话：把“我做了一个机器人 demo”变成“我有一条 Qualcomm-first、可复现、可发布、可回滚、可运营的机器人生产流水线”。

Qualcomm Dragonwing Dragonwing Robotics Hub Qualcomm AI Hub AI Hub Compile AI Hub Profile RB3 Gen 2 IQ10 RRD ONNX Runtime QNN LeRobot v0.6 LeRobotDataset v3 NVIDIA Isaac Intrinsic Flowstate Foxglove Formant IFR 2025