近日，星海图团队重磅发布世界模型研究成果Fast-WAM。
作为世界模型（World Action Models）领域的又一里程碑，该研究彻底告别了“先想象、后执行”的传统低效世界模型范式，凭借对模型底层逻辑的颠覆性重构，击碎了困扰具身智能长久以来的延迟困局。
这一突破性的技术进展迅速点燃了AI圈的讨论。其中包括纽约大学助理教授、DiT（diffusion transformers）核心作者谢赛宁在关注到这一成果后也给予点赞，将其与图灵奖得主Yann LeCun的最新力作LeWorldModel并列推荐。
这种来自顶尖AI圈的强烈讨论，源于Fast-WAM极其精准地击中了具身世界模型落地最痛的一环。
长期以来，行业默认WAM必须在推理时生成未来视频，导致机器人陷入“想好了再动手”的低效泥潭。星海图通过Fast-WAM首次证明：世界模型的威力根植于视频建模能力，而非视频生成过程。
这一发现彻底卸下了推理负担，将单步延迟缩短至惊人的190毫秒。在保持SOTA性能的同时，实现4倍以上提速。Fast-WAM的出现，标志着世界模型正式跨越实时控制门槛，为具身智能的大规模产业落地铺平道路。
🔗论文链接：
https://arxiv.org/abs/2603.16666
💻项目主页：
https://yuantianyuan01.github.io/FastWAM/
世界模型核心技术突破：训练与推理深度解耦
作为具身智能领域的先行者，星海图团队始终对原有VLA、世界模型等技术路线保持敬畏，并致力于通过精准的实验揭示技术的本质。
主流WAM遵循“先想象、再执行”范式：拿到画面后，先启动视频扩散模块迭代去噪，把未来几帧画面“脑补”出来，再基于这些虚构画面输出动作。这种逻辑虽然符合直觉，但落地时的短板暴露无遗——视频生成是公认的计算泥潭，反复迭代让推理延迟动辄飙升至数百毫秒，难以满足机器人的实时反应需求。
Fast-WAM的出现，就是为了把训练与推理这两个纠缠不清的环节彻底拆开。
• 训练阶段（协同建模）：我们依然保留视频协同训练（Video Co-training），让视觉模块深度学习物理动力学与空间交互逻辑。
• 推理阶段（跳过生成）：在执行任务时，Fast-WAM果断砍掉冗余的预测分支，不再进行迭代去噪，仅通过一次前向传播直接提取隐含物理规律的“世界表征”。
这种解耦不仅证明了我们对世界模型深层机制的精准掌控，更展现了我们在算法优化上追求极致效能的态度。
模型实证：190ms推理延迟与4倍速度提升
技术成就最终由数据定义。在双臂操作基准RoboTwin 2.0、长程任务LIBERO以及真实世界折毛巾任务中，Fast-WAM交出了令人惊艳的成绩单：
团队通过三组严谨的对照实验（包含保留生成分支、先视频后动作、去掉视频训练等组别）证明了Fast-WAM的优越性。
• 4倍速度跨越：Fast-WAM单步推理仅需190毫秒，相比传统WAM的800毫秒量级，实现了量级上的突破，完美适配实时控制要求。
• 行业头部SOTA世界模型：在双臂操作基准RoboTwin 2.0和长程任务基准 LIBERO上，即便完全不生成未来视频，Fast-WAM的成功率依然能与最强世界模型持平。
• 真实世界挑战：在极具挑战性的毛巾折叠任务中，Fast-WAM展现了对易变形物体极强的物理建模能力，证明了其在复杂物理交互中的实用价值。
通过Fast-WAM，我们对世界模型路线进行了大刀阔斧的革新。通过删去冗余的未来视频生成分支，实时控制不再是世界模型的短板，而这一逻辑的转变，对整个具身智能领域而言意义远不止于提速。
它从根本上推翻了‘必须生成未来视频’的固有范式，有力证明了物理理解力完全可以与高延迟生成彻底脱钩。在190毫秒极低延迟下实现的顶尖性能，直接扫清了世界模型在机械臂操作、工业自动化等延迟敏感场景下的部署障碍。这让原本受限于算力与响应速度的高阶策略，真正具备了从实验室走向大规模产业落地的可能。
Fast-WAM的诞生，不仅是星海图在算法效率上的又一次自我超越，更是我们在技术路线上的重要宣言：从不盲从流行范式，也不一味堆砌算力，而是通过透彻的底层拆解，探寻具身智能最本质的进化路径。
免责声明：本文由星海图授权转发，谨供读者作参考用途，不应被视为在任何地区针对任何证券的研究报告，不构成买卖、认购证券或其它金融工具及产品的邀请或保证。读者不应仅依靠本文、而应按照自己的判断作出投资决定，并在作出任何投资行动前咨询专业意见。华兴资本不就本文内容作出任何陈述或保证，亦不承担因对本文的使用、不当使用、依赖、分发或占有而产生的任何责任。