System One 视觉模型时代已经来临！隆重推出 VFlash：以无与伦比的速度并行解析视觉世界，赋能具身智能（Physical AI）。

大多数具身预测任务（如目标定位、机器人轨迹规划和密集 3D 运动）都是固定长度的浮点向量。例如，边界框永远是 6 个 token，10 个航路点的机械臂轨迹则是 54 个：这些我们预先已知。我们无需逐个 token 解码，而是可以一次性输出整个几何形状。

在 Jetson Thor 和 DGX Spark 等边缘 GPU 上，VFlash 将动作解码速度提升高达 12 倍，整体机器人推理速度提升 5.1 倍。令人惊奇的是，它的准确率甚至超过了 VLM 主干网络，3D 轨迹误差降低了高达 61%。其直觉在于，VFlash 避免了自回归解码的级联错误——在自回归中，每个坐标都一落定就无法更改，后面的每个点都失去了退格修正的机会。

所有会移动的东西都将实现自主化，而所有自主化的东西都需要在自己的芯片上思考。下一场推理革命是以反射速度进行的物理推理。

一如既往，论文与代码全部开源！链接在回复中：