点击下方卡片，关注“具身智能之心”公众号
2026年6月5日，具身智能赛道迎来了一场引发行业地震的「超级合并」。
具身智能企业原力灵机正式宣布，通过股权并购方式完成与物流机器人公司Atomix的合并，并同步完成新一轮融资。这是一份极其罕见且极具信号意义的投资方名单：智谱、阶跃星辰、阿里、商汤等中国最头部的通用大模型公司集体押注，华勤技术、上汽恒旭等核心产业方同步重金加持。
最令人玩味的是，旷视系背景的团队与昔日的「老对手」商汤，在具身智能的战场上罕见地握手言和——曾经的对手成了今天的队友。这种打破常规的集体共识，释放了一个强烈的行业信号：具身智能赛道的游戏规则，变了。
当大语言模型在数字世界高歌猛进时，具身智能在物理世界却面临着一个终极拷问：模型怎样获得持续增长的高质量数据？机器人又怎样获得足够聪明的大脑？
过去两年，行业主要依赖实验室数据采集、仿真环境生成（Sim2Real）以及简单的模型参数扩张来推动能力提升。但随着真实世界高质量数据逐渐成为稀缺资源，不少玩家的「采集型 Scaling」被严重束缚了手脚。
原力灵机则用这场超级合并，给出了最硬核的解法——直接进入场景，开启「场景型 Scaling」。 Atomix在全球超20个国家、日均出货超60万件的庞大业务盘，直接为原力灵机接通了物理世界最真实、最庞大的数据活水。
正如 Skild 与 Zebra 的联手，原力灵机与Atomix的合并，标志着国内具身智能赛道第一次出现了一个同时拥有顶尖基础模型与超大规模真实落地场景的「超级组合」。具身智能，正式进入了模型与场景双向奔赴的下半场。
01.
打破数据孤岛：从「采集型 Scaling」到「场景型 Scaling」的范式跃迁
在大模型时代，Scaling Law被奉为圭臬。但在具身智能领域，Scaling 却遭遇了「物理墙」。
大语言模型可以通过爬取整个互联网的文本库来实现能力跃升，但物理世界的互动数据（包含视觉、力度、空间触觉、机器人关节角度等多模态信息）无法从互联网上直接下载。实验室里再精密的设定，也无法穷尽工厂、仓库中千变万化的光照、形变、干扰和意外。依靠人工遥操作采集数据，成本极其高昂且难以实现指数级扩展。这就是「采集型 Scaling」的致命瓶颈。
原力灵机此次合并的核心战略，就是一步到位地构建了一个「场景型 Scaling」的数据飞轮。
模型和场景，在具身智能的语境下从来不是两件独立的事。原力灵机的底层逻辑非常简单粗暴却又极难被复制：让数据飞轮真正转起来。
通过合并 Atomix，原力灵机每天在超20个国家、500多个真实落地项目里跑出来的海量业务数据，不再是沉睡的「死资产」，而是直接化作原力灵机模型训练的天然燃料；反过来，原力灵机训练出的具身大模型 DM0，直接空降武装Atomix每一台机器人的智能上限。
模型变强，机器人越聪明；机器人越聪明，能在更复杂的场景中作业，产生的数据越优质；数据越好，反哺模型继续变强。 当这个闭环打通并开始运转的那一刻，具身智能才算真正拿到了进入指数级增长阶段的钥匙。
这也是为什么智谱、阶跃星辰、阿里、商汤等通用大模型巨头会集体下注的原因。通用大模型竞争的终局必然向物理世界延伸，而原力灵机不仅跑通了国内具身赛道最清晰的商业化兑现路径，更是国内首个拿到具身规模化落地「入场券」的公司。
02.
寻找原子任务：为什么 Picking 是具身智能的「Coding 时刻」？
如果我们要为具身智能寻找一个类似大语言模型「预测下一个 Token」那样的基础任务，以此来驱动整个能力树的生长，那会是什么？
原力灵机创始人兼 CEO 唐文斌给出了一个极具穿透力的行业论断：「具身智能迎来了自己的 Picking时刻。」
回看过去这一轮 AI 浪潮的胜负盘，有一个技术事实容易被忽略：最强的几个大模型，都把 Coding做到了顶级水平。Anthropic 的 Claude 之所以成为地表最强模型之一，正是因为其公认的顶级 Coding 能力。Coding 拥有严密的逻辑反馈和绝对的对错判断，是大模型时代的「原子任务」——谁先解锁它，谁就拿到了通往高级推理能力的钥匙。
在物理世界，Picking 完美复刻了 Coding 的生态结构。看似普通地把一个物体从 A 点拿起来放到 B 点，但从技术视角展开，它具备三大无可替代的优势：
第一，拥有规模化、高质量的真实数据源。
全球的物流仓库每天产生数十亿次真实抓取动作。每一次抓取的对象材质（软包、硬盒、不规则物体）、姿态、机械臂力度、成功与否，都是浑然天成的多模态标注数据。Atomix服务近百个全球品牌，日均出货 60 万+件，这意味着原力灵机每天都能获得海量、低成本且极具泛化性的真实物理空间操作数据。这种数据密度，实验室里研究十年也产生不了。
第二，拥有即时、可验证的成功信号。
强化学习在真实物理世界落地的最大痛点是 Reward函数难以设计和稀疏。而 Picking 任务自带完美反馈：东西被抓起来了吗？放对位置了吗？盒子有没有损坏？系统当场就能给出客观判定。这种高频、明确的正负反馈，让机器人在真实世界里跑通强化学习后训练（RLHF的物理版）成为可能，是行业极度稀缺的场景。
第三，具备通往通用泛化能力的强迁移性。
Picking 不是单纯的物流能力，它是空间认知和精细力控的集合。一旦具身大模型真正理解了「用任意末端，以任意姿态，在任意环境下，稳定地把任意物体从 A 移到 B」，那么后续的工业装配、快递分拣、家务整理、医疗辅助等几乎所有需要手眼脑协调的任务，都会沿着这根主干能力自然生长出来。
谁先在 Picking 上跑通真实世界的数据飞轮，谁就拿到了具身通用泛化的底层密码。
03.
拆解技术底牌：DM0、Dexbotic 与 RoboChallenge 构筑的深水护城河
「场景型 Scaling」理念的落地，离不开极其硬核的基础设施支撑。原力灵机之所以能承接住日均 60 万件规模的数据冲刷，并将其转化为智能，依赖于其极具技术深度的「一模型、一框架、一平台」铁三角。
运行DM0模型的机器人完成自主叠衣服
1） 具身原生大模型 DM0：2.4B 参数的「四两拨千斤」
DM 系列是原力灵机自研的全球首个「具身原生」（Embodied Native）大模型。与简单将开源视觉语言模型微调接入机器人的做法不同，DM0 从底层数据混合、训练范式到模型架构，完全面向真实物理世界的机器人作业而原生设计。目前，DM0 已在 RoboChallenge 具身智能真机评测中强势登顶全球第一。
DM0 的技术护城河体现在三个维度：
多源数据混合预训练： 原力灵机联合阶跃星辰、千里科技，做出了一个极为超前的技术决策——将机器人多感知数据、智能驾驶数据与互联网数据进行三源联合训练。智驾数据提供了宏观的动态空间几何与时序导航能力，互联网数据赋予了丰富的语义常识，而机器人数据补足了精细的微观物理交互。这种跨界数据融合，让 DM0 的世界模型具备了远超同行的空间理解力。
跨机型与多任务泛化： DM0 覆盖了灵巧操作、环境导航、全身控制三大核心任务，并在 8 类完全不同的机器人本体上进行联合训练。模型在底层实现了解耦，学会了「忘记」特定电机的运动学参数，抽象出了操作的本质物理规律，真正做到了「老司机换辆车依然会开」。
小参数、高精度的物理思维链： 将思维链CoT推理延伸到物理三维空间，形成了从感知、决策到动作连贯输出的空间推理能力。令人震撼的是，在仅 2.4B 的小参数量下，DM0 突破了亚毫米级的操作精度，能够稳定执行长程连续任务，其任务成功率大幅超越行业内数百亿参数的臃肿模型。这一特性使得 DM0 具备了极佳的端侧部署经济性。
2）Dexbotic：具身智能时代的「PyTorch」
如果说 DM0 是大脑，Dexbotic 就是原力灵机为整个具身智能行业打造的「神经系统」。
定位为全球第二、国内唯一的通用具身智能开源框架，Dexbotic 致力于成为具身时代的 PyTorch。它不仅是一个 VLA（视觉-语言-动作）工具箱，更是一个贯穿数据管理、模型训练、评测与硬件真机部署的统一基础设施。
在技术架构上，Dexbotic 展现了极强的工程美学：
模块化解耦架构： 将视觉编码器、语言大模型与动作专家进行深度解耦。这意味着感知、认知、控制三大模块可以独立迭代升级，极大地降低了算法适配不同机器人硬件的摩擦力。
强化学习与模仿学习的统一闭环： 在训练管线上，Dexbotic 巧妙地融合了模仿学习与强化学习。由 Dexbotic 框架负责前期的 VLA 预训练与监督微调（SFT）让模型学会「通用常识」，随后通过内置的 RLinf 模块承接强化学习后训练，让模型在仿真和真实场景中试错迭代，最终逼近高成功率的最优操作策略。
繁荣的技术生态： 自发布以来，Dexbotic 已服务清华、北大、普林斯顿等顶尖学术机构，以及腾讯、北京人形机器人创新中心等知名企业，汇聚超千位开发者，建立起了统一的数据处理和基准评测标准。
3）RoboChallenge：定义全球物理评测基准
原力灵机深知，没有统一的标尺就无法衡量技术的进步。其与全球开源 AI 社区 Hugging Face 联合发起的 RoboChallenge，已成长为全球最大规模的具身智能真机评测平台。目前平台吸引了智元、星海图、星动纪元等近 20 家头部具身智能企业联合运营，累计完成超 8 万次真机测试。阿里千问、小米、千寻智能等巨头玩家均参与其中，原力灵机实质上已经成为了行业标准的制定者之一。
04.
从前沿算法到重型商业：
规模化落地的全球版图
没有商业闭环的技术，只能停留在实验室。Atomix在物流场景的积淀，为原力灵机的技术提供了最肥沃的落地土壤。
作为国内领先的 AI 原生柔性仓储解决方案商，Atomix通过融合多类型机器人，打通了「存-搬-拣」的完整物理链路。在单项目工程能力上，Atomix创下了行业多项纪录：全球首个实现单系统部署 80+ 台托盘四向车的企业，50+ 台规模的超大型项目数位居全球第一，单项目最高调度规模更是达到了惊人的 600+ 台机器人。其自研的托盘四向车销量已稳居全球第二。
目前，这套经过验证的系统已在全球超 20 个国家完成 500+ 个复杂项目的交付。从优衣库、蜜雪冰城到宁德时代，从北美的美国、墨西哥，欧洲的意大利，到亚太的新加坡、日韩，再到中东和非洲，全球 26 个售后服务中心支撑起了庞大的商业帝国。
在此次合并的催化下，原力灵机即将发布全球首个多类型机器人混合作业的「飞拉达」产品。 这一极具前瞻性的落地范式，将首创三级分拣体系，彻底展示 DM0 大模型跨机型应用与多类型机器人协同作业的降维打击能力。
05.
决战下半场：全球化人才招募与生态扩张
「场景型 Scaling」飞轮的高速旋转，正在推动原力灵机以史无前例的速度扩张。
今年7月初，原力灵机将密集发布下一代 DM 具身模型、通用机器人本体以及全新的应用基础设施。为了支撑这一宏大技术蓝图，原力灵机的全球化组织架构已全面成型：以北京为模型研发与技术核心；香港作为全球总部；新加坡依托 Atomix 设立全球商业总部辐射东南亚；日韩子公司深耕当地服务优衣库等关键大客户；而位于美国硅谷的办公室也将在 2026 年 6 月正式启动。
伴随业务的全面升级，原力灵机正式发起了「百人全球招募计划」，面向全球顶尖极客全面开放具身智能核心算法、机器人学习、大模型训练与工程落地等核心岗位，并开出了比肩硅谷一线的优厚薪酬福利（详情请访问官网 dexmal.com 或发送简历至 hr@dexmal.com）。
结语
当行业的多数玩家还在纠结于仿真数据如何跨越「Sim2Real」的鸿沟时，原力灵机已经通过一笔超级合并，将模型与规模化真实场景焊死在了同一条战壕里。
大模型时代的下半局属于把大模型装进物理世界的企业。以 DM0 为大脑，以 Dexbotic 为中枢，以每天 60 万次真实 Picking 数据为血液，原力灵机不仅跑通了具身智能的技术闭环，更重塑了整个行业的商业演进路径。
属于具身智能的「超级玩家时代」，大幕已经拉开。
