2025年，具身智能可真是太火了。而提到具身智能，不得不提——视觉语言动作模型（Vision-Language-Action，VLA）。

作为具身智能的核心驱动力，VLA正席卷全球，成为研究人员们的「新宠」。

从产业界到学术界，全球的主流公司与研究机构，都在加速向这一方向靠拢，达成了罕见的共识。

在硅谷，诸如谷歌DeepMind、Figure AI、Skild AI、Physical Intelligence等行业领军者，早已开始发力押注VLA的未来。

几周前，谷歌曾发布了首个离线VLA模型，让机器人不用联网，即可精准操控完成任务。

与此同时，中国在这一赛道上的表现也毫不逊色。

近日，国内具身智能代表性创企——智平方，联合头部高校发布了一款全新的VLA模型——Fast-in-Slow（FiS-VLA）。

这款模型最大的亮点，是将双系统模块中的「快系统」嵌入「慢系统」，打破了机器人「操控效率」与「推理能力」不可兼得的困局。http://t.cn/A6k7w6Xo