世界模型跑不动实机？这篇新论文把 WAM 量化到 29% 显存，精度只掉零点几个点

做机器人操作的同行应该都有这个体感：世界动作模型（World Action Model，WAM）效果好是真效果好——它同时预测下一帧视觉和下一步动作，闭环跑起来比开环模型稳得多。代价也很实在：显存吃掉一大块，推理速度上不去，往实机部署的时候经常卡在「跑得动但塞不进」的尴尬位置。

后训练量化（PTQ）是常规解法，但对 WAM 不太灵。现有 PTQ 方法大多假设模型是开环调用、各层同质、校准数据跟实际部署分布一致——这几个假设在 WAM 上全不成立。WAM 是迭代去噪加闭环执行，每步输出都会影响下一步的输入，量化误差会在闭环里被放大。

今天 arXiv 上挂出来一篇新论文，正好在搞这个事。标题是 QuantWAMs: Calibrating at the Right Granularity for World Action Models，七个作者，来自高校。核心思路：量化决策的粒度要对，别一刀切。

QuantWAMs 做了三件事。

共享基异常校准。只在坐标兼容的模块之间共享激活统计信息，不跨不兼容的结构做 pooling。听起来像常识，但很多 PTQ 工具为了省事会把所有层混在一起算 outlier，结果某些模块被污染。

联合训练目标显著性。从视频和动作的联合梯度里算 empirical-Fisher 分数，然后在「校准稳定」的层粒度上去分配精度：哪些层对最终输出更敏感，就给更高精度；不敏感的层可以多压一点。粒度不是整个模型一致，也不是逐层都单独算——它找的是一个在部署时也能稳定保持的层级颗粒度。

固定干预 rollout 审计。在不改变精度预算的前提下，用闭环中实际可达的状态来修正去噪步的保护策略。不是靠开环推演来决定哪些步要保护，而是让模型在闭环里真正跑一遍，看哪些地方容易崩，再调整量化保护。

效果呢？

论文在 Fast-WAM 和 LingBot-VA 两个模型上做了验证，仿真环境用了 RoboTwin 2.0 和 LIBERO，还在一台 AgiBot G2 上跑了实机操作。在 W4A4（权重 4-bit、激活 4-bit）设定下，仿真指标跟 FP16 的差距只有 0.2 到 0.7 个百分点。峰值权重-激活内存降到了 FP16 的约 29%，block 级别的推理速度提升 1.4 到 1.6 倍。

这个数据意味着：如果你现在在机器人上跑一个 WAM 模型，显存占用如果能直接砍到原来的三分之一不到，精度基本没掉，就有余量把更大的模型塞进去，或者在同一个卡上跑更多并行实例。对于做实机部署的团队来说，这是账面上算得过来的优化。

当然也要说清楚边界。这篇是 PTQ 框架论文，不是新模型或新数据集。它解决的是「用 PTQ 量化 WAM 时怎么不崩」的问题，不是「WAM 本身的问题」。W4A4 能保住精度，但要压到 2-bit 或更激进，目前还没有结论。另外论文使用的模型（Fast-WAM、LingBot-VA）相对较新，框架在不同骨干上的泛化能力还需要更多验证。

但方向是对的。QuantWAMs 没有重新发明量化算子，而是重新做了校准决策的分配逻辑——在哪个粒度做校准、哪层给多少精度、哪一步需要保护。这些细节在 WAM 这种闭环、迭代、异构的结构里，差别很大。

一个比较实际的结论：如果你正在把 WAM 往实机上搬，可以用这套策略重新跑一遍量化校准，不需要改模型结构，也不需要换推理框架。效果看论文数据是稳的。

最后说一句跟论文无关的。2026 年了，机器人模型部署的问题越来越不只是「更大更好的模型」，而是「能不能跑在预算内、跑在实机上」。QuantWAMs 这类工作，某种意义上比发一个新 SOTA 模型更解渴。