把 VLA 塞进国产计算盒子，卡在哪

朋友在做具身创业，前阵子安利我一块国产计算平台，说他们项目上在用。我脸皮厚，直接借了一台回来，在实验室插了两天。

先说我的问题。这几天在跑一个很小的 VLA 实验，动作 token 化之后，模型不大，但要塞到机器人本体上做端侧推理，卡点很实在，算力够不够，散热撑不撑得住长时间跑，还有最烦的，国产平台上算子支不支持。我之前的默认路径是 CUDA，换个平台等于把整条工具链重走一遍。

致境T系列是灵境智源做的具身智脑计算平台，定位是端侧。官方给的算力区间跨度很大，从 40 到 1500 TOPS，我拿到的是中间档。宣传里有两条比较特别，全栈国产化和航空级散热。前者对做项目的团队是硬指标，后者我一开始当营销话术看。

上电比想象中顺。接口该有的都有，多路相机接进来没有折腾太久。系统起来之后我第一件事是看工具链文档，这是决定我这两天是干活还是白干的地方。结果不算差也不算好，主流框架的模型能转，但我这个模型里有几个算子走了回退，落到 CPU 上跑，延迟一下就上去了。这不是它一家的毛病，换平台都要交这笔学费，只是交多交少的问题。

改完之后我让它满载跑了大概四十分钟，专门盯着散热。外壳是温的，不烫，风扇声音比我预期低不少。这点我确实没想到。之前用别的板子，跑一会儿就听见风扇开始嚎，本体上装这个东西，噪声和功耗都是要算进系统预算的。

我朋友的说法是，他们选这个主要是冲着软硬件自主可控去的，性能排在第二位。

这话我认同一半。性能上它不是那种让你惊艳的平台，但够用，而且稳定。真正让我犹豫的是生态，文档还在补，遇到算子问题基本靠自己啃，社区里能搜到的东西不多。你要是习惯了 CUDA 那边一搜一大把答案，会有落差。

结论是看情况。有明确国产化要求、必须走自主可控路线的项目组，这个平台是对得上的；要把模型塞进机器人本体、对功耗和散热敏感的，也合适。纯在云端做训练、不碰端侧的，没必要折腾；工具链重度依赖最新算子支持的，现在上手会比较难受。

下一步我打算把量化再压一档，看精度掉多少。端侧这件事，最后拼的是你能在多大精度损失内把它跑稳，峰值算力没那么要紧。