PhyAI 統一 VLA 與世界動作模型推論，官方路徑對照加速 1.40 至 4.65 倍

具身模型從雲端強化學習 rollout、離線評估到機器人端側控制，往往使用不同的推論程式；即使 checkpoint 相同，前處理、迭代式動作求解器或輸出轉換的差異，也可能讓部署行為偏離訓練。北京郵電大學、北京大學、清華大學、明體科技與面壁智能等團隊提出 PhyAI，希望用同一條模型執行路徑涵蓋視覺—語言—動作模型（VLA）及同時預測世界狀態與動作的 WAM。

PhyAI 沒有把這些模型硬套進 LLM 的 prefill／decode 介面。模型轉接器保留條件輸入、迭代求解器狀態、可重用張量、排程及動作轉換；底層則共用 CUDA Graph、最佳化核心、記憶體與快取管理、量化、通訊及平行執行。π0.5 可沿用單 GPU runner 做資料平行，Cosmos3 則能結合張量平行與 classifier-free guidance 平行。公開程式目前支援 Jetson、RTX 5090、A40、H100，以及多張 H20、A100 等部署形態。

論文在 11 組可對照的模型與裝置組合中，報告相較官方實作有 1.40 至 4.65 倍加速。Cosmos3-Nano-Policy-DROID 在八張 H20、CFG=2、TP=4 下，延遲由 2.46 秒降至 1.18 秒；模擬的八張 A100 強化學習 rollout，則把每步時間降低 26.5%，推算訓練吞吐量提高約 1.36 倍。效能剖析也顯示，π0.5 的 action expert 在 batch 1 僅占 8.8% FLOPs，卻占 57.2% 延遲，說明只看計算量會誤判具身模型瓶頸。

團隊另提出 control-time Roofline：若推論已比機器人執行當前動作更快，繼續縮短延遲不一定提高控制頻率，而可能只增加時序裕量或單卡可服務的策略數。這是比單純 tokens/s 更適合控制系統的衡量方式。不過作者承認專用 runtime 在若干配置仍較快，部分官方基線也未做到完全相同精度；RLinf 整合目前仍是模擬結果。下一步應觀察真實機器人端到端延遲、動作品質是否與官方實作一致，以及量化和多租戶排程能否維持控制穩定性。