新闻X今天
VFlash视觉模型开源：边缘端机器人推理加速5.1倍且3D误差降61%
本文由 AI 根据公开内容整理，可能有误，请以原文为准：The era of System One Vision Model is here! Introducing VFlash: parsing the visual world in parallel at unmatched speeds for Physical AI.（X：Jim Fan (@DrJimFan)（via AIHOT））
核心内容
NVIDIA Jim Fan正式发布并开源VFlash视觉模型，专为Physical AI场景设计。该模型突破了传统视觉语言模型（VLM）的串行解码瓶颈，在Jetson Thor和DGX Spark等边缘计算平台上实测实现最高12倍动作解码加速及5.1倍整体机器人推理提速，同时3D轨迹误差最多降低61%，精度超越现有VLM主干网络。
技术上，VFlash采用System One范式，摒弃自回归逐token生成机制，转而一次性并行输出完整几何形状表征。这种非自回归架构显著降低了端到端延迟，解决了具身智能在边缘侧部署时的实时性难题。目前论文与源代码均已开放，为机器人感知与控制算法提供了新的高性能基线方案。
关键看点
- 边缘推理加速：在Jetson Thor/DGX Spark上实现12倍动作解码与5.1倍整体推理提速
- 并行几何解析：摒弃逐token解码，一次性输出完整几何形状以突破串行瓶颈
- 3D精度提升：3D轨迹误差最高降低61%，几何理解精度优于传统VLM主干
- 开源资产释放：论文与代码完全开源，提供Physical AI视觉感知新基线
工程与产业观察
VFlash验证了非自回归并行解码在具身视觉中的工程价值，将边缘端推理延迟降至实用级。其开源代码为算法工程师优化端侧模型提供了关键参考，标志着Physical AI视觉系统正从通用大模型向专用低延迟架构演进，对机器人实时操控落地具有直接指导意义。
线索来源：AIHOT
延伸选型与深度对比
基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。
宇树 G1
Franka FR3来源
本页事实对应的公开页面，以原文为准。