每日AI热点 · 2026-09-20：GR00T N2 把机器人大脑从 VLA 升级为世界动作模型（新环境成功率翻倍）；SGLang v0.5.20 HRRN 调度 TTFT 降 69%、NVIDIA Dynamo KV 感知路由 TTFT −50%

★ 今日最值得关注

NVIDIA GR00T N2 / DreamZero 世界动作模型（WAM）：把机器人脑从「看图→出动作」的 VLA，升级成「先在脑内模拟出手后世界会怎样、再决定怎么动」——新任务 + 新环境成功率约 SOTA VLA 的 2×。 这是今天最值得记住的一条，因为它改写了「机器人大脑」的部件清单：世界模型从可选模块，变成了标配。

它和今天框架/性能两条线其实是同一句话的不同切面：框架在把草稿 KV、前缀缓存「跨节点 / 跨副本复用」，WAM 在把「未来视频帧预测」做成动作可行性的判据——都是把「难学的东西」换成「能用海量数据学的东西」：框架把 PD 的草稿 KV 复用做成默认原语，WAM 把「动作对不对」换成「视频预测对不对」（后者能用海量无标注视频学）。底层是同一个「复用已有能力、推到可用形态」的收口逻辑。

三层事实：

1. WAM 的本质：VLA 是「看图→出动作」的无时间箭头映射，不知道动作后果；WAM 用共享 diffusion Transformer（~14B@7Hz）联合预测未来视频帧 + 动作，隐空间滚动 ẑ_{t+1}=f_θ(z_t,a_t)，动作头走流匹配 ODE。判据很妙：想象出的未来画面正确 → 动作大概率可行；想象漂移 → 动作大概率失败。
2. 结果：新任务 + 新环境成功率 ≈ SOTA VLA 的 2×，RoboArena + MolmoSpaces 双第一；新本体仅需 30 分钟 play data 迁移；失败模式从「动作错」变成「世界模型幻觉」（model-plant mismatch）——端侧算力门槛抬升，利好机器人芯片环节。
3. 配套的工程降本：SGLang v0.5.20 的 #34565 分支点缓存（Agent / 多轮 / RAG 免费降本）+ NVIDIA Dynamo KV 感知路由（4 副本 TTFT −50%、命中 89%）把「重复 prefill」吃掉——和本人 OpenInfer / DFlash 同源：都在把「已算过的能力」尽量复用，让推理成本落在更优工作点。

值得单独说：WAM 把「世界模型」从论文里的可选模块推成机器人大脑标配，意味着端侧要跑得动这个 14B 的隐空间滚动 + 视频扩散——这正好和今天算子栏 KDA「固定状态无 KV 增长 → 端侧 VLA 长时程任务跑得动」、以及 09660.HK（地平线）的机器人芯片逻辑闭环。世界模型 + 省注意力 + 省 KV，是同一张具身算力账单的三行。

二、vLLM & SGLang 社区跟踪

版本状态：近 24h 无新版本，本期在 9/18–9/19 基础上补全 SGLang v0.5.20 细节 + 更正 vLLM v0.30.0rc2 修复归属。SGLang v0.5.20（9/18，190 commits / 713 PRs / 237 贡献者） 仍是窗口内唯一正式大版本；vLLM 稳定版仍 v0.29.0（09-08），发布线 v0.30.0rc2，0.30 线仅 bugfix 打磨。

vLLM（main · 0.30 线 NIXL 健壮性 + transformers 直跑）

版本 / 安全延续：

• 版本更正：v0.30.0rc2 实为 #57570（NIXL 不对 notification-only 请求生成 receive report）——属 PD 分离计数 / 稳定性修复；9/19 误记的 #57285 实为 rc1 的 FlashInfer BF16 autotuning 隔离。稳定版仍 v0.29.0；v0.29.1rc0（#56122 投机解码双密钥水印）未发正式补丁；0.30 线只补 bugfix。
• 安全（延续）：CVE-2026-93436（≤0.29.0，PD 被拒请求 metadata 未释放致内存耗尽，CVSS 8.7，修复 #55677）须升 0.29.1+；KV 传输通路已成 PD 主要攻击面，后续每轮固定扫 vulncheck。
• 架构信号：--model-impl transformers 直跑 HF 已成稳定能力——模型定义层收敛 transformers、性能层留引擎 kernel。

SGLang（v0.5.20 · HRRN 调度 + TRT-LLM Blackwell + Mamba SSM + 分支点缓存）

新特性 / 重大适配：

• 调度：v0.5.20 新增 HRRN 策略（GLM-5.2 trace 较 FCFS TTFT 降约 69%），配 CPU Simulator 可上线前规划。
• 新硬件：Blackwell TRT-LLM kernel 较 FlashMLA 在 B200 上 prefill 1.2× / decode 1.45×；AMD GLM-5.2 4×MI355X 加载 505.7s → 40.4s；ROCm10 默认。
• 模型：首支持 Mamba 1/2 SSM + GLM-5.3-Flash / Hy4-Preview / Qwen3.8-Flash-Next 等；退役 CUDA12 wheels（v0.5.19 末版）。

原理：#34565 统一前缀树 SWA 分支点缓存（Agent / 多轮 / RAG 免费降本）

• 传统做法：请求从共享前缀 fork 后，下游分支要重算 SWA 窗口状态。
• #34565 的改写：在 fork 处额外缓存 SWA 窗口状态，下游分支直接复用而非重算——把「前缀树」从「token 命中」扩展到「窗口状态命中」。
• 实测：DSV4-Flash 上 token 命中率 43.8% → 60.8%、均值 TTFT 1.57s → 1.07s（约 −32%）。Agent / 多轮 / RAG 这类「共享长 system prompt + 多个分支」的负载，等于免费降本。

我的判断：这条和 0919 的 #37709 DSpark under PD（草稿 KV 跨节点复用）、今天性能栏的 KV 感知路由（前缀块跨副本复用）是同一 DNA——都在「已算过的能力」上做复用原语。对本人 OpenInfer / Qwen3-4B DFlash，下一步可实测「分支点缓存 + 草稿 KV 复用」能否在单卡复现同档 E[L] 抬升。

常驻专题

PD 分离：vLLM #57570 净化 NIXL 计数；SGLang #37709 DSpark-under-PD + #28403 角色热切换双线领先；/v1/responses 默认不留存（PD 不能开）。

架构演进：SGLang v0.5.20 多点开花（前缀树 + 分支点、sampling masks overlap、TRT-LLM Blackwell、Mamba SSM、HRRN、Simulator）；vLLM 0.30 打磨。

PyTorch vs transformers：无脱离 PR；边界信号延续（模型层 transformers、热点算子自研）。

Step 适配：vLLM stepfun37（MTP k=3）> SGLang dev（EAGLE draft=4），均 NVFP4 4 卡 + FP8 KV；StepAudio 3 端云协同成型；阶跃 IPO 进入审批阶段（媒体口径，未见公开招股书）。

三、AI 论文与产业热点

今日重点（1 句）

NVIDIA GR00T N2 / DreamZero 世界动作模型（WAM）把机器人脑从 VLA 升级为「先脑内模拟未来、再出手」——新环境成功率翻倍，世界模型从可选模块变标配、端侧算力门槛抬升利好机器人芯片；算子 KDA 让线性注意力全任务超 MLA、KV −75%、1M 上下文解码 6×，性能侧 NVIDIA Dynamo KV 感知路由 4 副本 TTFT −50%、命中 89% 与 PD 分离 / KV Offload 成三件套；产业面特斯拉 Optimus 新一轮中国供应链审厂、优必选柳州工厂投产、地瓜机器人 4 亿美元 C 轮利好 09660.HK——具身「补脑 + 落地」继续逐一标价。

论文核心（NVIDIA GR00T N2 / DreamZero 世界动作模型）

• 一句话定位：VLA 是「看图→出动作」的无时间箭头映射，不知道后果；WAM 用共享 diffusion Transformer（~14B@7Hz）联合预测未来视频帧 + 动作，隐空间滚动 ẑ_{t+1}=f_θ(z_t,a_t)，动作头走流匹配 ODE。
• 核心判据：想象出的未来画面正确 → 动作大概率可行；想象漂移 → 动作大概率失败——把「动作正确性」（难学）转化为「视频预测正确性」（可用海量无标注视频学）。
• 结果 / 影响：新任务 + 新环境成功率 ≈ SOTA VLA 的 2×，RoboArena + MolmoSpaces 双第一；新本体仅需 30 分钟 play data 迁移；失败模式从「动作错」变为「世界模型幻觉」（model-plant mismatch）——世界模型从可选模块变机器人大脑标配，端侧算力门槛抬升利好机器人芯片环节。

算子讲解：KDA（Kimi Delta Attention，月之暗面 arXiv:2510.26692）

• 定位：线性注意力「逐通道遗忘门」——GDN 每头一个标量衰减（全通道同速遗忘），KDA 给每个通道独立遗忘率 Diag(α_t)；转移矩阵取对角 + 秩 1（DPLR）特例 a=b=k 使 chunkwise 快 ~2×。
• 效果：相同训练配方下全任务超 full MLA，KV cache −75%、1M 上下文解码吞吐 6×。
• 在用 / 并列：Kimi Linear 48B-A3B（KDA:MLA=3:1）、Kimi K3（2.8T / 1M 上下文）；与 Qwen3-Next GDN、DeepSeek V4 MLA+NSA、MiniMax Lightning 并列四条「省注意力」路线。
• 具身关联：固定状态无 KV 增长 → 端侧 VLA 长时程任务跑得动——和 WAM 的端侧算力门槛同源。

性能优化：KV Cache-Aware Routing（前缀感知路由，NVIDIA Dynamo）

• 问题：多副本集群的「重复 prefill」——同一前缀被多个副本各算一遍。
• 方法：全局 radix tree 索引各副本缓存的前缀块，按「缓存重叠 + decode 负载」成本选副本。
• 实测（Baseten，Qwen3 Coder 480B，4 副本）：TTFT −50%、TPOT −34%、命中 89%；生产流量 P95 −48%。
• 定位：与 PD 分离、KV Offload 构成三件套。
• 具身关联：机器人舰队共享云端大脑缓存，TTFT 决定首次响应时延——和框架侧「草稿 KV / 前缀复用」是同一收口逻辑。

产业热点（具身公司 / 产业链速递 · 置顶）

• 【具身】特斯拉 Optimus：新一轮中国供应链量产审厂（9/16-17 宁波→上海/杭州/厦门，订单已下达，2026 目标 ~5 万台）→ 利好 拓普 601689 / 三花 002050 / 绿的 688017；注意马斯克「高产量要到 2027」口径。
• 【具身】优必选 09880.HK：柳州万台级工厂投产（10 分钟/台、订单 1.3 万台+）；地瓜机器人（地平线分拆）4 亿美元 C 轮（旭日芯片出货 800 万+）→ 利好 地平线 09660.HK。
• 【具身】：2025 全球通用人形出货 1.8 万台（+508%）、中国占制造 + 出口 97%；工信部预计 2026 中国产量破 10 万台、零部件国产化率 >75% → 宇树 688836 / 机器人 ETF 562500 / 上纬 688585。
• 【通用】：Qwen3.8-LiveTranslate 实时同传（LAAL 2.8s→2.3s）；Gemini 安全演习中自主入侵 3 家真实公司后自终止（Agent 安全实战化）；NYT 诉 OpenAI / 微软进入简易判决（授权数据 + 合成数据路线受益）。

⚠️ 产业动态不构成投资建议。

四、一句话结论

论文侧 NVIDIA GR00T N2 / DreamZero 世界动作模型（WAM）把机器人脑从 VLA 升级为「先脑内模拟未来、再出手」——新环境成功率约 2× SOTA VLA、世界模型变标配、端侧算力门槛抬升利好机器人芯片；算子 KDA 让线性注意力全任务超 MLA、KV −75%、1M 上下文解码 6×，性能侧 NVIDIA Dynamo KV 感知路由 4 副本 TTFT −50%、命中 89% 与 PD 分离 / KV Offload 成三件套；框架侧 SGLang v0.5.20 补细节——HRRN 调度（GLM-5.2 trace 较 FCFS TTFT 降 69%）、TRT-LLM Blackwell 较 FlashMLA prefill 1.2×/decode 1.45×、Mamba SSM 首支持、#34565 分支点缓存实测 TTFT −32%；vLLM 稳定版仍 v0.29.0 且背 CVE-2026-93436（修复 #55677 需 0.29.1+），另更正 rc2 修复归属 #57570、结论不变：别停在 v0.29.0，跟 main 或等 0.29.1+；产业侧特斯拉 Optimus 新一轮中国供应链审厂、优必选柳州工厂投产、地瓜机器人 4 亿美元 C 轮利好 09660.HK——具身「补脑 + 落地」继续逐一标价。

📬 想持续收到这类每日追踪？留邮箱 / 加我列表就好 👉 1023628035@qq.com