Jim Fan 断言 VLA 已死:多模态编码才是机器人 System 2 的正确动作空间

DrJimFan · x · 2026-09-09

NVIDIA 的 Jim Fan 发推称,Astra 是新一代 VLA(视觉-语言-动作)模型,并抛出「VLA is dead, long live VLA 2.0」的判断。

他的核心观点是:多模态编码(multimodal coding)是机器人 System 2「慢思考」大脑的正确动作空间——即让机器人用生成代码的方式表达高层推理与规划,而非直接输出连续动作序列。这一表态预示具身智能领域的模型范式可能正在从端到端 VLA 转向「VLA + 代码作为中间表示」的混合路线。