大多数 LLM 推理运行时忽略物理截止时间。一个面向 Qwen2.5-Coder-1.5B-Instruct 的新 CUDA 运行时，若无法在 33ms 机器人控制周期内完成则拒绝启动，按含义（余弦相似度）而非年龄驱逐 KV 缓存，并使用无锁双缓冲。它避免了持续视觉流导致的 VRAM 溢出，防止控制环截止时间错失，并能应对 60Hz 摄像头超越推理速度的情况。完全采用手写 CUDA 构建 —— 无 cuBLAS 或 libtorch —— 在单张云端 NVIDIA Hopper GPU (sm_90) 上运行，代码中建模 8GB VRAM 上限，而非在 Jetson 等边缘设备上实测。架构将感知、准入控制和推理分离：摄像头馈入无锁缓冲区，准入控制器根据 33ms 截止时间加 2ms 安全边际检查可行性，再将帧传给手写 Transformer。Github 仓库为 https://github.com/Anubhab Banerjee/vla-edge-backend1。摄像头以 60Hz 运行（16.7ms/帧），模型必须在 33ms 内决策并行动 —— 比人眨眼还快。这是一种架构，而非基准测试。