通用具身操作由两类算力共同驱动:训练时计算决定能力上限，推理时计算决定能否在机器人本体上实时运行。本期直播以处理器算法专家与IVGLab实验室成员对话展开:先聊具身趋势与真实瓶颈--训练侧如何投入数据与规模，推理侧又被时延、功耗压缩了多少算力预算;再分享实验室在VLA上的探索路径;重点解读Safe-Pruner剪枝及其昇腾实现，结合HiF8量化实验给出精度一时延一显存的权衡，并说明省下的算力如何回投到推理时计算;最后介绍CANN社区具身开源仓，欢迎开发者共建。