從模型到場景全鏈路打通：原力靈機的具身智能野望

文 | 智能相對論

作者 | 葉遠風(fēng)

過去兩年，具身智能始終處在一種微妙的展示期，各家廠商的發(fā)布會總少不了幾段精美的概念視頻，機械臂精準疊放衣物，人形機器人流暢完成日常操作，畫面足夠驚艷，卻總難走出實驗室的聚光燈。

一旦走進光線雜亂的工廠、包裹堆積的倉庫，那些在公開榜單上跑分亮眼的模型，往往會陷入動作變形、任務(wù)中斷的窘境。

而剛剛舉辦的Action 2026原力靈機開發(fā)者大會，給出了另一種行業(yè)答案。

這場首屆開發(fā)者大會沒有只拿出單個模型炫技，而是一口氣發(fā)布覆蓋模型、本體、開發(fā)平臺、場景系統(tǒng)的四大類產(chǎn)品，把從技術(shù)研發(fā)到產(chǎn)業(yè)落地的整條鏈路全部鋪到臺面上。

所謂Action，不只是具身智能的核心命題，更是整個行業(yè)從概念驗證走向規(guī)模化落地的一聲開機號令。

行業(yè)拐點已至，泛化能力開啟2.0時代

行業(yè)內(nèi)已經(jīng)形成普遍共識，具身智能正處在一個類似大語言模型ChatGPT時刻的關(guān)鍵節(jié)點。

此前的階段更像是大模型1.0時期，各家拼參數(shù)、拼榜單、拼單點Demo效果，模型能力局限在特定場景特定任務(wù)，換個物體換個環(huán)境就容易失效。

而現(xiàn)在，整個行業(yè)正在向2.0階段跨越，核心標志就是模型泛化能力的全面提升，以及從技術(shù)能力向真實生產(chǎn)力的轉(zhuǎn)化。

這個轉(zhuǎn)化過程并不輕松。

國內(nèi)不缺硬件廠商，不缺場景資源，也不缺數(shù)據(jù)采集能力，真正的卡點在于碎片化，不同硬件品牌接口各異，不同算法團隊各自為戰(zhàn)，不同場景的數(shù)據(jù)無法復(fù)用。每落地一個新場景，都要從頭做硬件適配、模型微調(diào)、系統(tǒng)集成，成本居高不下，規(guī)模化自然無從談起。

原力靈機給出的判斷是，通用化是打破碎片化、走向規(guī)模化的唯一解法。具身智能的競爭從來不是單點技術(shù)或?qū)嶒炇褼emo的比拼，而是模型、系統(tǒng)、本體、平臺、場景全棧一體化能力的系統(tǒng)對決。

這次發(fā)布的多個產(chǎn)品、構(gòu)建的“三級火箭”，正是這套思路的完整落地。

從大腦到身體，筑牢通用能力底座

整套產(chǎn)品體系的核心，是全新升級的DM0.5通用具身基礎(chǔ)模型。

相比DM0，DM0.5參數(shù)量達到4B，基于15萬小時多源數(shù)據(jù)深度訓(xùn)練，數(shù)據(jù)量暴漲四倍，參數(shù)量提升一倍。數(shù)字背后是能力的代際躍升，整套模型的設(shè)計目標，就是從執(zhí)行固定指令的專用工具，轉(zhuǎn)向理解意圖、連續(xù)泛化、長時可靠運行的通用底座。

DM0.5的能力升級體現(xiàn)在多個維度。

零樣本與少樣本成功率的大幅提升，意味著模型不再依賴針對特定任務(wù)的反復(fù)訓(xùn)練，面對陌生物體和環(huán)境也能完整完成操作閉環(huán)；

原生支持最長60秒的長時記憶，讓機器人可以處理多步驟的長程任務(wù)，不會出現(xiàn)做了前面忘后面的短時窘境；

雙系統(tǒng)大腦架構(gòu)的引入，讓機器人在面對視角晃動、人為打斷等外界干擾時，也能自主判斷狀態(tài)并修正動作，適配真實場景的復(fù)雜環(huán)境，同時整套模型天然支持多種構(gòu)型的機器人本體，跨平臺遷移能力大幅增強。

對具身模型而言，參數(shù)規(guī)模從來不是最終目的，能不能在真實世界里穩(wěn)定干活，才是硬標準。

DM0.5還把微調(diào)成本壓低了六成，一塊消費級4090顯卡就能完成下游任務(wù)訓(xùn)練，最快18小時即可部署，徹底打通了真機落地的成本壁壘。發(fā)布會后模型權(quán)重同步開源，也在試圖把這套技術(shù)路線推向更廣泛的開發(fā)者群體。

而與此同時，本次大會還發(fā)布了Apex通用機器人本體。很多人會疑惑，一家以模型為核心的公司，為什么要親自下場做硬件？

答案藏在具身智能的特殊性里。

傳統(tǒng)機器人的硬件設(shè)計優(yōu)先考慮機械性能，大模型只是后來附加的功能，軟硬件之間往往存在適配損耗，模型的能力很難完全釋放。這次發(fā)布的Apex通用機器人本體，走的就是具身原生的路線，從硬件設(shè)計之初就圍繞大模型的運行特征打造。

Apex采用模塊化構(gòu)型體系，底盤、手臂、末端執(zhí)行器都支持快速更換，夾爪等末端工具一分鐘內(nèi)即可完成熱插拔，軟件端自動識別并無縫切換，無需重啟系統(tǒng)。整套本體的三層算力架構(gòu)，底層負責(zé)1kHz高頻實時控制，保障動作平滑與安全，端側(cè)搭載本地算力芯片支持高頻實時推理，云端則對接大模型負責(zé)高層規(guī)劃與復(fù)雜決策，和DM0.5的能力分層形成完美匹配。

面向工業(yè)級場景的設(shè)計同樣值得關(guān)注。

Apex的平均無故障工作時間目標超過1000小時，支持30秒快速換電且換電過程中大腦保持熱備，業(yè)務(wù)流不會中斷。影子模式的加入，真機運行過程中可以無感采集真實場景的操作數(shù)據(jù)，這些數(shù)據(jù)會成為模型迭代的核心養(yǎng)料——Apex不只是模型能力的展示載體，更是整個數(shù)據(jù)飛輪里最前端的采集終端。

三件套補齊中間層，打通落地最后一公里

有了強模型和好本體，距離真實產(chǎn)業(yè)落地還有一段距離。

具身模型要真正從能力走向生產(chǎn)力，中間還缺一套工程化、系統(tǒng)化、平臺化的支撐層。這次原理靈機推出的DexDev開發(fā)者平臺，包含DFOL2.0、DexOS、MaaS三款產(chǎn)品，分別對應(yīng)練得強、接得穩(wěn)、用得起三個目標，補齊了模型到場景之間的關(guān)鍵短板。

DFOL2.0解決的是模型迭代成本高的痛點。

過去模型優(yōu)化依賴真機采集數(shù)據(jù)，需要在真實硬件上反復(fù)試錯，不僅效率低，還容易造成硬件損耗。DFOL2.0引入通用具身世界模型DW0.5作為高保真仿真器，把強化學(xué)習(xí)直接搬進虛擬世界。在仿真環(huán)境里可以批量生成各類軌跡數(shù)據(jù)，模擬各種成功與失敗的場景，再用這些數(shù)據(jù)迭代優(yōu)化模型。

最終真機數(shù)據(jù)需求量下降六成，整體訓(xùn)練成本降低四成，模型迭代的速度不再受限于真機數(shù)量。

DexOS瞄準的則是行業(yè)碎片化的頑疾。

作為行業(yè)首個具身通用操作系統(tǒng)，它屏蔽了不同硬件的底層差異，提供統(tǒng)一的標準接口協(xié)議。開發(fā)者只用少量代碼，就能完成機器人連接、感知獲取、模型推理和動作執(zhí)行，不用再針對每款硬件單獨啃底層協(xié)議。這相當(dāng)于給具身智能打造了一套通用操作系統(tǒng)，一次開發(fā)就能在多款硬件上運行，大幅降低了適配門檻。

目前DexOS已經(jīng)完成對多款主流機器人構(gòu)型的適配，覆蓋機械臂、人形機器人等多種形態(tài)。

MaaS服務(wù)則把具身能力拉到了普惠層面。

它把具身大模型的能力做成按需調(diào)用的云端服務(wù)，既有通用模型支持零樣本推理，也提供定制化的模型訓(xùn)練服務(wù)，采用按量計費的模式。

中小企業(yè)和個人開發(fā)者不用投入巨額算力和研發(fā)成本，就能用上先進的具身模型能力。高門檻的技術(shù)變成了可靈活調(diào)用的服務(wù)，整個行業(yè)的參與門檻被大幅拉低。

Ferrata落地緩沖，跑通商業(yè)與數(shù)據(jù)雙飛輪

即便模型能力再強，開發(fā)工具再完善，具身智能大規(guī)模落地依然繞不開一個死循環(huán)。模型不夠完美，企業(yè)不敢大規(guī)模部署到真實場景，可沒有真實場景的數(shù)據(jù)喂養(yǎng)，模型又永遠沒法變得完美。很多具身智能項目就卡在這個死循環(huán)里，始終走不出實驗室。

Ferrata多智能體混合作業(yè)系統(tǒng)，給出了非常務(wù)實的解法。

它不追求一步到位用機器人替換所有工作，而是搭建了一套分級作業(yè)的混合體系。簡單高頻的固定任務(wù)，用傳統(tǒng)自動化設(shè)備完成，保證基礎(chǔ)效率和成本優(yōu)勢；復(fù)雜多變的長尾任務(wù)，交給搭載具身大模型的機器人處理，覆蓋傳統(tǒng)自動化觸達不到的場景；遇到極端異常的情況，系統(tǒng)自動流轉(zhuǎn)到人工遠程接管，保證業(yè)務(wù)不會因為模型處理不了而停擺。

這套模式的核心價值在于雙輪驅(qū)動。

一方面，混合方案的整體成本可控，客戶能看到明確的投資回報，愿意規(guī)模化鋪開，形成穩(wěn)定的商業(yè)收入。

另一方面，所有作業(yè)過程中的數(shù)據(jù)，包括成功的操作、失敗的案例、人工接管的處理方式，都會被結(jié)構(gòu)化記錄下來，回流到模型訓(xùn)練體系里。

模型越用越強，需要人工介入的場景就越少，方案的競爭力也會持續(xù)提升。

這也解釋了原力靈機此前合并Atomix的戰(zhàn)略意義——物流倉儲等真實產(chǎn)業(yè)場景，不只是商業(yè)收入的來源，更是模型迭代的最佳練兵場。有了真實場景的持續(xù)輸入，整個數(shù)據(jù)飛輪才能真正轉(zhuǎn)起來。

全棧布局背后，一場行業(yè)標準的卡位戰(zhàn)

縱觀整場發(fā)布會，最值得關(guān)注的不是某一項技術(shù)參數(shù)的突破，而是原力靈機完整的全棧布局思路。從核心模型到硬件本體，從開發(fā)平臺到場景解決方案，環(huán)環(huán)相扣，形成了能力向下傳遞、數(shù)據(jù)向上反哺的完整閉環(huán)。

過去的具身智能行業(yè)，玩家大多聚焦在單點賽道，有的專注做模型，有的深耕硬件，有的只做場景集成，但具身智能本質(zhì)上是系統(tǒng)工程，單點突破撐不起真實落地。

沒有好的硬件，模型能力無處施展；沒有好的開發(fā)工具，落地效率提不上來；沒有真實場景的數(shù)據(jù)，模型迭代沒有源頭活水。

原力靈機走的全棧路線，本質(zhì)上是用一套完整的方案，打破行業(yè)碎片化的困局，同時它也沒有走封閉路線，模型開源，開發(fā)框架開放，操作系統(tǒng)面向全行業(yè)硬件適配，希望用標準把更多玩家拉進生態(tài)里。

當(dāng)然，全棧模式也面臨挑戰(zhàn)。同時布局模型、硬件、平臺、場景，意味著要同時應(yīng)對多個賽道的競爭，對團隊的執(zhí)行力要求極高。自研硬件和開放生態(tài)之間也需要找到平衡，如何打消合作伙伴的顧慮，讓更多硬件廠商愿意接入這套體系，是接下來的關(guān)鍵課題。而Ferrata的混合作業(yè)模式，最終效果如何，也還要靠真實產(chǎn)業(yè)場景的交付數(shù)據(jù)來驗證。

回到這場大會的名字Action，三層含義里，最有分量的或許是那一聲片場開機的號令。過去幾年，具身智能行業(yè)拍了太多精美的概念預(yù)告片，講了太多關(guān)于未來的故事，而現(xiàn)在，隨著技術(shù)成熟度提升，隨著落地路徑逐漸清晰，行業(yè)終于到了喊出Action，走進真實片場實拍的時刻。

原力靈機的這套全棧方案，不會是具身智能落地的最終答案，但它確實捅破了一層窗戶紙，它告訴整個行業(yè)，具身智能不用再等模型完美了再進場，不用再等硬件統(tǒng)一了再落地，用一套系統(tǒng)的方法，完全可以在真實場景里邊跑邊迭代，邊賺錢邊進化。

當(dāng)越來越多的機器人走進工廠、倉庫、門店，當(dāng)真實場景的數(shù)據(jù)源源不斷地反哺模型，具身智能的下一個爆發(fā)節(jié)點，或許比我們預(yù)想的來得更快。

*本文圖片均來源于網(wǎng)絡(luò)