视觉 - 语言 - 动作（VLA）模型一直被视为通用机器人的核心突破口，可强悍性能的背后，始终绕不开普通硬件带不动、算力成本过高的难题。如今，中山大学、MBZUAI 、Spatialtemporal AI 与 ATeam团队联合推出A₁模型，不靠堆参数、不依赖闭源数据，凭借一套自适应推理机制，在保持顶尖操控性能的同时，大幅压低推理成本，让高效能机器人 AI 第一次真正具备了规模化落地的可能。 当机器人能够听懂自然语言、理解复杂场景并完成灵活的精细操作，具身智能才算真正走进现实。而支撑这一切的核心技术，正是视觉 - 语言 - 动作（VLA）模型。它将视觉感知、语言指令与机械臂运动控制融为一体，让机器人拥有了类似人类的常识判断与操作能力。可一路飙升的模型性能，也带来了一个极为现实的问题：越强大的 VLA 模型，落地成本越高。 当下主流的 VLA 模型，往往依赖数十亿参数的视觉语言骨干网络，再搭配需要十数次迭代去噪的生成式动作头，算力消耗巨大、推理延迟明显。即便现有研究对骨干网络做了量化、剪枝等优化，也始终没能解决动作头的效率瓶颈，高性能与低成本，似乎成了 VLA 模型无法兼顾的两端。

01

核心设计：让模型 “聪明省算力”，不做无用功

A₁模型从根源上跳出了 “减性能或加算力” 的固有思路，研究团队通过大量实验总结出关键规律：机器人动作轨迹只需极少步去噪即可锁定正确模式，连续动作变化平滑且冗余度高，VLM 中间层特征已足够支撑可靠动作生成。 基于此，A₁确立了自适应算力分配的核心逻辑 —— 只在动作发生有效变化时计算，动作稳定就提前终止，从根本上杜绝算力浪费。这也是它能在性能不打折的前提下，实现极致高效推理的关键。

图1：A1 模型整体架构

02

技术突破：双核心创新，同时加速骨干与动作头

A₁最核心的价值，是同时解决了 VLM 骨干笨重、动作头迭代缓慢两大行业难题，实现真正的端到端加速。 模型采用动作一致性早退出机制，训练时让 VLM 每一层都连接动作头，推理时逐层对比动作差异，达到阈值立即停止计算，简单任务浅层即可完成，复杂任务再深入深层。针对早退出可能导致动作头变瓶颈的问题，团队创新提出层间截断流匹配，将去噪步数大幅压缩，并且让下一层动作生成直接承接上一层结果热启动，无需从噪声重新初始化，像接力一样连贯生成动作，彻底消除冗余计算。

图2：训练与自适应推理流程

这两项技术结合，让 A₁摆脱了 “拆东墙补西墙” 的妥协优化，实现骨干网络与动作头的协同加速。

03

全场景验证：仿真→真机→竞赛，全面领先

A₁的性能并非实验室跑分，而是在仿真、真实机械臂、权威竞赛三大场景完成严格验证。 在仿真基准中，模型操作成功率逼近满分，物体定位与长时序任务表现稳定；迁移到 Franka、AgiBot、OpenArm 等多款真实机械臂上，面对水果装盘、桌面清洁、物品归位等易干扰任务，A₁的抓取精度与动作稳定性显著优于主流开源模型，小样本学习场景下也能快速适配。在 RoboChallenge 真实机器人竞赛基准中，A₁以完全开源的姿态，超越多个知名模型，在开抽屉、放杯垫、叠碗等精细操作上近乎完美。

图3：长时序任务执行对比图

图4：A₁在双臂机器人平台OpenArm 部署演示

图5：自适应推理可视化

图6、7：现实世界任务示例

更重要的是，A₁实现了降本不降质，计算量与推理时间大幅下降，操作成功率几乎无损失，普通硬件即可支撑实时控制，彻底打破高算力依赖。

04

全栈开源：透明可复现，重新定义 VLA 研究范式

与大量闭源、半开源的机器人大模型不同，A₁坚持彻底开放的理念，团队承诺全栈开放所有技术内容，包括模型权重、训练与推理代码、数据处理管道、评估脚本等，实现完全可复现、可审计、可二次开发。 这一做法打破了闭源数据与训练流程的壁垒，为机器人 VLA 社区提供了公平、透明、高效的研究基线，也让产业界可以低成本二次开发，快速落地到真实场景。 未来，团队将进一步融合无监督学习与强化学习，优化云端延迟问题，拓展双臂移动机器人场景，让 A₁的动作更流畅、泛化性更强。 结语

从盲目堆参数到智能用算力，从闭源垄断到全栈开放，A₁模型重新定义了高效能 VLA 的发展方向。它证明了顶尖的机器人视觉 - 语言 - 动作模型，不必以高算力、高成本为代价，真正实现性能、效率与开放性的兼顾。 在具身智能快步走向现实的今天，A₁不仅是一款优异的机器人大模型，更是一条可复制、可量产的落地路径，为通用机器人走进千家万户打下坚实基础。

论文信息：

**论文题目：**A₁: A Fully Transparent Open-Source, Adaptive and Efficient Truncated Vision-Language-Action Model **论文链接：**https://arxiv.org/abs/2604.05672 **代码链接：**https://github.com/ATeam-Research/A1 **项目页：**http://www.ateam.xin/#/research/A1