一、提出背景与价值

随着具身智能的快速发展，动作视觉语言（Vision-Language-Action，VLA）模型正成为机器人理解环境与执行任务的核心框架。通过将视觉感知、语言理解与动作生成端到端地映射，VLA使机器人能够在复杂场景中完成通用指令执行和多任务操作。然而，当前主流VLA系统通常依赖体量庞大的视觉与语言模型，带来巨大的计算与存储开销，同时推理延迟较高，难以满足真实机器人平台对实时性与能耗的严格要求。效率问题已成为VLA从实验室研究向实际应用转化的关键瓶颈。

该综述正是在这一背景下展开，围绕“效率”问题对VLA模型进行了系统性回顾和分类。文章从模型架构、感知特征、动作生成及训练与推理四个核心维度展开分析，总结了代表性方法、比较关键权衡，并提出对未来高效VLA研究的展望。大家可通过以下三点快速把握本综述的核心贡献：

一是首次系统聚焦“效率”这一VLA核心瓶颈： 与以往综述多侧重于模型架构或动作表征不同，该综述以“效率”为中心议题，系统分析了VLA在计算、延迟、存储与能耗上的瓶颈来源，揭示效率问题不仅依赖单点优化，而是贯穿视觉、语言与动作生成全链路的系统性挑战。

二是统一梳理当前高效VLA策略，提出四维度分类框架： 该综述将现有高效VLA方法划分为四个互补维度：高效架构设计、感知特征压缩、动作生成加速与训练推理优化。通过总结各维度的代表性技术，构建了覆盖从建模到部署的完整效率谱系，为理解现有方法的设计逻辑与权衡提供清晰视角。

三是展望未来VLA的发展趋势与效率优化方向： 随着机器人操作任务复杂性不断增加，未来VLA模型不仅需要追求能力提升，更需在计算与部署成本上实现精细权衡。本综述基于发展趋势，分析了下一代VLA系统中最关键的效率优化环节，包括数据利用、感知特征、动作生成与学习策略，为研究者把握能力与效率的平衡提供参考。

图一：综述结构总览

二、领域的痛点

视觉-语言-动作（Vision-Language-Action, VLA）模型，旨在将视觉观测与自然语言指令直接映射为机器人动作，是实现端到端语义驱动控制的核心技术。近年来，得益于大规模预训练模型的驱动，VLA模型的能力取得了飞速发展。

然而，VLA模型在实际应用中，尤其是在机器人端侧部署时，面临着严峻的效率瓶颈。这些模型普遍依赖大规模的视觉编码器和语言模型，导致推理过程计算复杂度高、延迟大、内存占用高。同时，动作输出的连续性与平滑性问题也直接影响任务执行的可靠性。这些瓶颈严重制约了VLA模型在实时、资源受限场景下的应用，成为其从学术研究走向产业落地的关键障碍。

在此背景下，如何设计和优化高效（Efficient）的VLA模型，已成为一个亟待解决的核心问题。该综述以“效率”为切入点，系统性地梳理和分析现有的VLA模型效率优化方法，归纳其核心策略，并展望未来仍需突破的技术方向，以期为相关领域的研究者提供有价值的参考。

图二：Efficient VLA 发展时间线

三、高效模型架构

模型架构改进的核心诉求在于在维持模型性能上限的同时，最小化平均推理开销。

主要方案包括三类：

1. 压缩骨干模型：使用参数量更小的预训练模型，或设计轻量化的序列模型来替代超大规模的骨干网络。此类策略直接减少了参数量与内存占用，实现简单，但存在压缩模型性能上限的风险。
2. 动态计算路径：在训练时保留大型模型的全部能力，而在推理时根据输入复杂度动态选择计算路径，例如early exit， layer skip， Mixture-of-Experts等。此类方法能在保障复杂样本处理能力的同时，显著降低平均计算成本，但代价是增加了路由机制和训练的复杂度。
3. 双系统架构设计：解耦模型的推理与反应功能。通常设置一个“慢系统”（高阶推理系统）负责深度理解和长时规划，以及一个“快系统”（低阶反应系统）负责即时动作生成与多步动作复用。两者通过隐状态向量或特殊Token进行通信。该设计在工程上平衡了推理质量与响应速度，但需要精细处理系统间的同步、通信与联合训练问题。

图三：双系统架构示意图

四、高效感知特征

视觉模态输入通常构成最长的Token序列，是VLA模型最主要的计算开销来源。相关的优化研究主要沿两条互补的路径推进。

一是单帧特征选择性处理：通过基于注意力分数或特征相似度等指标，筛选并保留任务相关的视觉token，或通过token压缩机制将可变长度的长序列映射为固定长度的紧凑表示。

图四：Token剪枝示意图

二是跨时序特征复用：利用机器人观测数据在时间上的高度连续性，复用帧间不变或缓变的特征。时序复用能显著降低连续帧之间的重复计算，但必须引入有效的缓存刷新机制来判断复用的安全性，以避免信息漂移或性能退化。

图五：时序复用示意图

五、高效动作生成

动作是连接感知与执行的关键环节，其表示方法和生成策略直接影响任务精度与系统延迟。主要优化策略分为两类。

一类直接输出低维连续动作向量以实现最低延迟，但逐步预测在长时序任务中会产生累积误差。改进手段包括动作块化（一次生成多步并做时间平滑）和动作序列压缩（频域变换与量化编码）。这些方法兼顾吞吐量与平滑性，但需处理块边界一致性问题。

图六：动作块化示意图

另一类在动作前引入显式推理，包括语言层面的任务分解和视觉层面的子目标预测。此类方法提升可解释性与跨场景泛化，但显著增加序列长度与推理延迟。实践中常采用选择性推理或对高层推理结果实施缓存以减少频繁调用成本。

图七：推理增强的动作生成流程示意图

六、高效训练与推理

训练端的重点在于降低模型在新任务和新环境下的适配成本。常用策略包括参数高效微调、知识蒸馏、结构化剪枝与量化感知训练。前两者通过少量可学习参数或教师–学生迁移实现快速适配，后两者则在压缩模型规模的同时保持控制精度，整体提升了模型的部署效率与可扩展性。

推理端聚焦于突破自回归瓶颈，实现并行化或混合解码。典型路径包括采用并行草案与一次验证的投机式解码、使用双向或部分并行注意力结构以增强吞吐，以及通过一致性蒸馏缩小训练与并行推理间的分布差，从而确保稳定性与收敛速度。

图八：解码范式对比示意图

七、未来展望

随着机器人操作任务复杂性不断增加，未来的VLA模型将不仅追求能力提升，更需要在计算和部署成本上做出精细权衡。综述从发展的趋势出发，对下一代VLA系统中最关键的效率优化点进行了分析，明确了模型、数据、感知、动作与学习策略等环节的潜在改进空间，帮助研究者把握能力与效率的平衡方向。

• 模型数据协同精简： 过去“更大模型+更多数据”的范式在实机数据稀缺这种背景下逐渐失效，未来高效VLA的关键在于模型与数据的协同设计。通过选择高价值样本、优化数据结构和控制数据流向，模型可以在有限算力下充分利用多模态信息，减少冗余训练和无效计算，从而实现能力提升与效率优化。
• 高效时空感知信息： 真实任务要求模型理解复杂空间关系和长时序意图，但全量三维和历史信息代价过高。未来研究将关注任务相关的三维压缩、关键帧和语义筛选策略，使模型在保留必要空间与时间信息的同时，显著降低计算负担，实现高效决策。
• 高效推理动作编码：高精度操作需要连续、上下文敏感的动作输出，而传统离散指令生成推理成本大。通过层次化动作编码、跨动作段特征复用和轻量级在线规划，模型可以在保证动作连续性的前提下压缩输出序列，实现实时高频控制。
• 高效强化学习策略： 模仿学习受限于演示覆盖，而强化学习探索成本高。未来高效 VLA 将采用分阶段训练、离线微调与安全在线适应相结合的策略，同时复用多模态经验和优化奖励信号，使模型在有限交互预算下自主提升，兼顾学习效率与性能增长。
• 效率导向评测体系： 缺乏统一标准让效率改进难以衡量。建议建立以资源消耗、任务表现和可解释性为核心的评测体系，通过统一报告延迟、内存、能耗，同时考察长期稳定性与鲁棒性，为研发者提供清晰的效率指引和明确的优化空间。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

适合人群

• 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
• IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
• IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
• 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
  

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。

顶尖师资，深耕AI大模型前沿技术

实战专家亲授，让你少走弯路

一对一学习规划，职业生涯指导

• 真实商业项目实训
• 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

大厂绿色直通车，冲击行业高薪岗位

文中涉及到的完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】