近期，Dyna联创杨世远（York Yang）表达了对Astra的看法。Dyna的产品核心是Dyna系列的基础模型，包括Dyna-1（VLA路线）和前不久发布的Dyna-2（以视频生成为基础的原生WAM）。落地的一贯主张是重可靠性、重部署，看淡Demo。产品形态也从之前的固定机械臂走向了半人形。

目前行业主流的做法是，机器人的控制模型大体可以分为三层。System 2 负责理解、推理和高层规划；System 1 接收高层指令，结合环境反馈规划和调整动作。System 0 负责底层运动控制。

Astra所处的位置是System 2，但可以直接输出运动轨迹，已经触及System 1。这一点和前段时间许华哲的判断是一样的。

York的核心观点是，以 Astra 为代表的旗舰大模型不会"降维打击"具身公司。大模型已经很好地覆盖了 System 2，但 System 1（仍需要能在本地快速运行的小模型，这部分无论谁来做都绕不过去，和具身公司现在做的事没有本质区别。

他主要是从实时性来做的判断。据 NVIDIA Astranomy 报告，Astra 在 RoboLab-120 上直接输出末端目标时，成功回合平均每次调用约 18.56 秒（含网络延迟）。能力很强，但这个速度在实际作业中不可用。

同时York逐一反驳了常见的三种“变通”方式。

第一种方式是蒸馏。York提到，模型压小之后能力损失明显。

Dyna 内部用 4B 千问做 System 2 时效果很差，换大尺寸后效果提升，但部署压力也随之提升。York认为，大模型公司从上往下做，具身公司从小模型往上做，最终可能殊途同归，大模型公司在动作层未必占多少便宜。

第二种方式对端侧算力的期望。竟然小模型效果不好，那就做大端侧算力，端侧直接部署大模型。York表示，端侧算力会变强的说法听了快十年，进展并没有那么快。目前，Jetson AGX Thor 功耗已到 40–130W，接近低功耗桌面整机，即便满配跑稍大的模型也吃力。

第三种是网络。端侧既然无法部署，那就通过联网的方式来解决。York表示，除了带宽和延迟这两方面，云端还需要关注在连接的时候是否能持续稳定。很多工业现场网络覆盖本来就差，家庭网络也参差不齐。Starlink 延迟并不天然更低，也解决不了室内覆盖。

最后York的结论。

大模型适合放在云端做低频的 System 2，同时可以帮具身公司标注数据、分析失败，用来改进具身模型。具身公司仍有自己的积累空间：触觉、力控、力反馈等传感与控制闭环，以及作为硬件产品的渠道、交付和维护。

所以，具身智能模型公司不必过度恐慌。

#Astra #Dyna