GitHubDaily(@GitHub_Daily):具身模型在云端跑得挺好，一放到机器人本体上就变样，看一眼、想一下、再动手，中间隔着几百毫秒。也许 AI 聊天慢几百毫秒没人在意，但机器人慢这一下，动作就迟滞、轨迹不连贯，任务直接失败。就在今天，无问芯穹联合清华、上交开源了一款具身端侧推理引擎：APXInf，专门让模型在机器人上跑得更快更稳。官方实测在 Jetson Thor 上跑 PI 0.5 模型，反应时间从 278ms 压到 26ms 以内，快了 10.7 倍，机器人也能实时控制了。 GitHub：https://t.co/0gKxLMaqeh 稳定性这块也下不少功夫，机器人是要连着跑很久的，中间不能抖、不能卡、不能突然断掉，它的设计就是围着长期运行来做的。新模型往上接的门槛也压低了，自己训练的模型想放到机器人上跑，接入和调优不用花大把时间。支持 PI 0.5 和 WALL-OSS 两款具身模型，桌面上的 RTX 4090 显卡和机器人常用的 Jetson Orin、Thor 都能直接部署。它和去年开源的具身智能训练框架 RLinf 是同一个生态，从训练到部署可以在同一套工具链里走完。正在把具身模型往机器人上部署、被延迟卡住的开发者，可以看看。

2026.09.15 10:20

具身模型在云端跑得挺好，一放到机器人本体上就变样，看一眼、想一下、再动手，中间隔着几百毫秒。也许 AI 聊天慢几百毫秒没人在意，但机器人慢这一下，动作就迟滞、轨迹不连贯，任务直接失败。就在今天，无问芯穹联合清华、上交开源了一款具身端侧推理引擎：APXInf，专门让模型在机器人上跑得更快更稳。官方实测在 Jetson Thor 上跑 PI 0.5 模型，反应时间从 278ms 压到 26ms 以内，快了 10.7 倍，机器人也能实时控制了。 GitHub：稳定性这块也下不少功夫，机器人是要连着跑很久的，中间不能抖、不能卡、不能突然断掉，它的设计就是围着长期运行来做的。新模型往上接的门槛也压低了，自己训练的模型想放到机器人上跑，接入和调优不用花大把时间。支持 PI 0.5 和 WALL-OSS 两款具身模型，桌面上的 RTX 4090 显卡和机器人常用的 Jetson Orin、Thor 都能直接部署。它和去年开源的具身智能训练框架 RLinf 是同一个生态，从训练到部署可以在同一套工具链里走完。正在把具身模型往机器人上部署、被延迟卡住的开发者，可以看看。