涂鸦智能推出PAM模型：毫秒级响应与精准执行，重构AI+IoT设备控制体验

涂鸦智能推出PAM模型：毫秒级响应与精准执行，重构AI+IoT设备控制体验

随着AI硬件加速普及，“听得懂”已成为大模型的基本能力，但“做得对”才是连接AI与物理世界的真正挑战。

在智能音箱、智能中控、车载语音、家居机器人等高频控制场景中，用户的需求非常明确：既要响应迅速，又要执行精准。

然而，当前通用大模型在速度与准确率之间往往难以兼顾。

轻量级模型：虽然响应速度快，但面对跨品牌设备和复杂意图时，指令准确率明显下降。

大参数模型：虽然准确率高，但推理链路过长，难以满足设备端“亚秒级”响应的需求，用户发出指令后仍需等待数秒。

此外，通用大模型在AI+IoT控制场景中还面临另一大难题：理解到位，执行掉线。

检索拖累：依赖RAG在全屋设备字典中反复检索，链路过长导致响应延迟。

思考冗余：通用大模型的链式思考（CoT）在控制场景中属于“过度思考”，每一次操作都需要“想一想”。

指令幻觉：跨品牌、跨协议的设备指令字段不统一，常出现“回答合理，设备无响应”的情况。

如何在“速度”与“控制准确率”之间取得平衡，是AI+IoT实现真正“开口即控”的关键。

01

涂鸦PAM：专为物理世界执行设计的大模型

为解决AI理解与设备执行之间的断层问题，涂鸦智能推出了PAM（Physical Action Model，物理执行大模型）。

该模型由涂鸦智能AI算法团队基于真实IoT语料进行垂直优化训练，围绕全量Schema直推、无CoT极速生成、跨品牌精准映射三大方向，打破了传统AI+IoT设备控制的技术范式，为全行业AI硬件构建了实时执行的技术基础。

简而言之，PAM能够在面对全屋数十甚至上百个异构设备时，依然实现快速且精准的响应，实现低延迟、低幻觉、跨生态的稳定执行。

02

核心突破：四大能力，重塑设备执行体验

围绕开发者在实际AI硬件开发中面临的复杂场景，涂鸦PAM模型通过技术路线的革新，带来了多重体验升级。

架构革新：零RAG+全量Schema，实现“开口即装入”的全屋认知

当前主流方案普遍依赖RAG检索完成设备字典查询，不仅链路冗长，而且在设备数量增加、品牌协议碎片化的现实环境中，检索延迟与错配风险进一步放大，影响整体体验。

涂鸦PAM模型从真实AI+IoT控制场景出发，采用超长上下文原生推理路线，将全屋设备物模型一次性载入模型上下文，摒弃运行时RAG检索；同时基于真实设备字典进行约束解码，从源头上抑制指令幻觉，实现“开口即看清全屋、出口即贴合设备”。

体验突破：无CoT+SLM架构，实现“肌肉记忆式”的极速指令

依托面向物理控制域深度优化的SLM（小语言模型）架构，以及对通用大模型冗余链式思考的剥离，PAM直接将自然语言转为结构化设备指令，形成“听清即输出、输出即可执行”的直觉式推理链路。

在真实业务环境下，该架构稳定输出了以下数据：

• 模型决策时间P95≤220ms，显著低于行业通用大模型，实现“话音落、动作起”。
• 跨品牌设备指令精准映射准确率≥99%，字段一次对齐。
• 原生支持单/多意图精准拆解，复杂指令无需Prompt工程。

这种“无思考犹豫期”的极速控制能力，专为设备端响应定制，使AI硬件的交互流畅度接近用户对“按下开关”的直觉预期。

值得注意的是，从早期内部版本的0.481秒，到正式发布的P95≤220ms，PAM的决策耗时持续下降——这也是PAM数据飞轮“让模型与真实世界一起生长”的初步验证。

生态原生：跨品牌精准映射，实现“统一语义”的开放互通

跨品牌设备指令字段不一、协议碎片化，是行业长期存在的难题。PAM模型在设计之初，就将生态互通作为核心原则。

依托涂鸦多年积累的海量IoT真实语料，PAM实现了跨品牌、跨协议的统一语义对齐：无论是不同品牌的灯具、空调、扫地机器人，还是不同协议下的传感器、执行器，都能在同一语义空间下被精准识别与调度。

这意味着，用户只需一句话即可调度全屋异构设备，无需记住“哪个App控哪盏灯”，生态孤岛从底层被打破。在复杂家庭环境中，PAM展现出良好的业务泛化能力，稳定支撑实际体验。

边界自知：诚实拒识，反幻觉的可信执行

在AI+IoT控制场景下，大模型最大的隐患往往不是“做错”，而是“假装做对”——听到陌生指令就编造，明明不会还强行执行，用户误以为指令已生效，实际可能错执行了无关设备，或根本没有动作。

PAM从设计之初就将“诚实拒识”作为基础能力，主动识别两类典型边界场景，并给出明确反馈：

场景一：多指令中夹带不存在的设备

例如，用户说“打开客厅的灯、把空调调到26度，再启动客厅的烤箱”（而家中并无烤箱）。通用大模型可能将“烤箱”硬匹配到微波炉或电磁炉，导致用户感知与实际执行错位。PAM基于全量Schema的硬约束，精准执行前两条真实存在的指令，并明确反馈“未找到客厅烤箱”——做到的事说做到，做不到的事直说做不到。

场景二：设备存在，但请求的指令越界

例如，“把卧室空调调出童年回忆模式”，而该设备并不支持此模式或字段。PAM能识别出该指令不在设备能力范围内，主动告知“当前设备不支持此操作”，而不是强行映射到一个最接近的真实模式触发执行。这种“知所不能”的能力，本质上是反幻觉在物理执行链路上的工业级实现——少一次错执行，就少一次用户对AI的信任崩塌。真正可靠的物理执行能力，既要敢于行动，也要敢于说“做不到”。

03

生态赋能：即插即用，加速AI+IoT爆款诞生

作为涂鸦智能“物理世界AI基座”战略的重要组成部分，PAM模型将面向全球开发者开放集成。

通过涂鸦智能全栈开发平台，开发者可以快速将PAM模型接入各类智能硬件形态，重塑多场景下的执行体验：

智能音箱｜单设备指令极速响应

“开灯、关空调、调亮度”等高频指令，是智能设备最考验“执行速度”的场景。涂鸦小智音箱接入PAM模型后，单指令端到端响应时间小于1.5秒——PAM让设备真正做到“话音落、动作起”。

智能音箱｜单设备标准与泛化指令准确响应

用户既能说“把灯调成红色”这种精确指令，也能说“灯太亮了”、“有点暗”这种口语化表达，PAM都能稳定转译为正确的亮度调节。

智能音箱｜复杂多设备指令

组合控制、跨设备协同等复杂意图，考验的不再是“反应快”，而是“听清+拆得对+执行稳”的综合能力。

对开发者或企业而言，这意味着：

• 无需从零构建：无需投入高昂成本组建大模型团队、采购海量IoT控制语料、自训设备控制模型。
• 即插即用：依托涂鸦完善的AI+IoT全栈生态，硬件、云端与模型能力实现快速接入与高效调优，控制能力天然贴合设备形态。
• 缩短研发周期：极大降低具备“理解+执行”一体化能力的AI硬件门槛，助力企业以低成本抢占全球AI硬件市场。

PAM的价值，不仅在于让一盏灯亮得更快、一台空调响应得更准。更重要的是，它正在为AI与物理世界之间搭建一条稳定、高效、可信的执行通路。

从理解到行动，从生成内容到驱动设备，从数字世界走向真实世界。PAM，正在成为AI硬件时代的物理执行底座。