在早前于上海举办的WAIC现场，安谋科技（中国）有限公司市场及生态副总裁梁泉直言，当前机器人产业正处于快速发展阶段，机器人“身体”的能力已经取得了显著进展。过去一年多，无论是在机器人表演、动作连贯性，还是跑步、比赛等复杂运动场景中，机器人在运动控制方面已经展现出较高成熟度，并开始在多个行业实现应用探索。

相比之下，机器人“大脑”的发展仍处于持续突破阶段。这主要因为机器人的智能并非单一能力，而是包含感知、运动控制、任务规划以及人机交互等多个层面，需要通过不同模型、软件和工程体系协同实现。

其中，VLA（视觉-语言-动作）模型成为行业关注的重要方向。

被高度看好的VLA

所谓VLA，也就是Vision-Language-Action（视觉-语言-动作模型），就是让机器人具备“看懂环境、理解指令、执行动作”能力的一类AI模型。它被认为是当前具身智能（Embodied AI）发展的重要技术路线之一。

如大家所见，传统机器人通常依赖大量预先编写的规则，例如“检测到物体A→移动机械臂→抓取物体A”。这种方式面对复杂、变化的真实环境时，泛化能力较弱。而VLA希望通过大模型能力，让机器人像人一样完成任务：

梁泉表示，之所以看好VLA，主要因为其具备的以下两个重要特点：一是VLA作为视觉再到端到端的模型，真正跑通了场景下泛化的闭环；二是模型本身有很多的相关特点。

“VLA模型的核心价值在于能够端到端产生动作，不仅能逼真模拟，更能切实改变物理世界。当然，VLA模型开发与部署离不开底层芯片与工程化支撑，尤其是新兴的具身场景对计算提出了全新要求。”香港科技大学讲席教授、物理AI研究中心主任郭嵩补充说。

在梁泉看来，VLA对于芯片企业而言具有现实意义，因为其模型结构相对稳定，视觉部分基于VIT等成熟架构，动作生成部分基于DIT等生成模型结构，便于芯片进行量化、优化和适配。他同时指出，在产业落地方面，芯片最终需要运行实际算法并形成产品，因此不能只关注未来通用模型，而需要围绕当前已经跑通闭环的模型推动应用。

“目前大量AI模型是在英伟达Jetson平台完成研发和验证，如何让这些模型迁移到更多芯片，尤其国产芯片，是产业面临的重要问题。因此，除了开放模型权重，还需要开放数据集、工具链、仿真环境以及工程化服务，降低模型落地门槛。”梁泉接着说。

在这种挑战驱动下，安谋科技携手香港科技大学物理AI研究中心，就VLA模型研究项目达成深度合作，将协同推进VLA模型从实验室研发到具身平台的工程化落地。

校企联手背后

谈及这次合作，郭嵩首先指出，VLA模型开发与部署离不开底层芯片与工程化支撑，尤其是新兴的具身场景对计算提出了全新要求。这也正是他们选择和安谋科技合作的原因之一。通过这次合作，双方将以VLA模型适配部署为牵引，重点攻关模型适配、推理优化和系统通信等工程难题，推动其在多个真实物理场景中跑通闭环，并跑通数据飞轮，帮助基于Arm架构的国产芯片更快在产业中获得应用。

“我们的目标是打通产业的生态，借助我们最先进的训练范式和最先进的模型让‘飞轮’转起来，但要想真正成功落地，唯有依靠Arm，这进而促进了我们双方的合作”，郭嵩表示。

梁泉也补充说，安谋科技依托Arm在全球范围构建的庞大生态体系，将自身先进技术赋能至下游芯片并最终落地到各类应用场景。通过与香港科技大学的深度合作，我们希望双方在研发和部署侧紧密合作，进一步推动VLA模型在不同芯片平台上的快速适配与高效运行，提升机器人在复杂物理环境中的自主感知、推理与执行能力，最终加速具身智能在多元场景中的规模化落地。

从双方的介绍我们得知，安谋科技与香港科技大学的这次合作将聚焦模型适配、平台部署、硬件兼容与实机验证四大维度协同推进，加速VLA模型从学术研究走向真实物理世界。通过推动模型与工程实践开源。

初此以外，双方还将进一步完善AIOS核心能力，积极探索落地场景，携手产业链上下游伙伴，共同加速具身智能产业的商业化进程。

“我希望的理想状态是围绕“开源AIOS联盟”，我们的芯片合作伙伴，下游的OEM、ODM的合作伙伴，都能在软件和模型层面上，拿到足够成熟且能够落地的技术，去快速做新型的AI产品。”梁泉说。

世界模型是终极目标？

在具身智能火起来的这些年，聊到VLA的时候，很多时候也绕不开世界模型。VLA解决的是“机器人听懂人话并执行任务”的问题，而世界模型解决的是“机器人理解现实世界并预测行动后果”的问题。

围绕着这两个模型，分析师也有了取替与被取替等多种观点。

在郭嵩看来，VLA虽然能够根据当前状态生成动作，但它本质上仍然是一个“弱规划器”。它使得机器人面对一个任务时，可能存在多个动作选择。例如直接执行、绕过去、停下来或者换一种方式。在这种情况下，就需要一个世界模型帮助预测不同动作可能产生的结果，再选择最优方案。

“未来不是VLA和世界模型二选一，而是两者融合。”郭嵩说。

作为这次合作的芯片方，也是具身智能的底层算力提供方代表，梁泉从芯片设计角度分享了对上述观点的看法。他表示，这个争论的关键不是判断未来到底是VLA胜出，还是世界模型胜出，而是应该落实在关注模型结构和算子的变化趋势。

他提到，过去Transformer出现时，很多NPU最初主要针对CNN优化，随后逐步增加对Transformer的支持。因此，面对VLA、世界模型等新模型，芯片厂商需要提前考虑：是否出现新的网络结构、是否产生新的算子需求、对NPU架构设计有什么影响。

沿着这个思路，梁泉透露，安谋科技在香港的模型工程团队一方面已经对不少已经落地的小型模型做工程化和落地探索，推动芯片合作伙伴快速搭载模型；另一方面，从VLA开始，安谋科技团队希望能够把将生态建设能力扩展到诸如世界模型这样的更大模型上。

从大模型到具身智能，AI正在进入与物理世界深度融合的新阶段。未来的竞争，不仅是模型能力的竞争，也是芯片架构、软件生态和产业协同能力的竞争。谁能打通从算法创新到硬件落地的完整链路，谁就更有机会在下一轮AI浪潮中占据主动。

安谋科技和港科大，正在跨出重要一步。