作者｜Li Yuan
具身智能的未来，会是一个超级本体、一个超级模型笼罩一切，还是很多本体、很多模型、很多开发者、很多场景一起长出来？
现实似乎在逐渐靠近后者——无数本体和模型正在世界各处寻找不同的落地场景，而每个场景，都需要不少自己的场景数据和知识。
可真往这个方向走，眼下具身智能行业显然还不没有准备好：今天的模型往往和本体绑在一起训练，换一具身体，迁移就异常吃力；后训练需要真机数据支持，成本高居不下；开发者想像调用大模型 API 那样轻装取用具身能力，还差得远。越是要「多本体、多模型、多场景」，这些卡点就越挡路。
说到底，具身智能还没有大语言模型那样一套标准的 API 规则，把模型和千差万别的机器人接到一起——它缺的，是一套机器人的「安卓」。
不过，这个问题正在被回答。第一届 Action 开发者大会上，原力灵机一口气搬出了一串东西：DM0.5 主打模型创新，强在 Zero-shot 和多本体支持；DexDev 冲着开发者去，把后训练工具、一装就能对接模型的 DexOS、按量收费的 MaaS 收拢到一起；同时还发布了新本体 Apex 与 Ferrata，继续扛起自己的商业交付。
和很多大会不一样，原力灵机的这场大会从头到尾把重心压在「开发者」三个字上——不是把开发者请来看原力灵机有多强，而是把东西交到他们手里，让他们用得上、用得起、用得动。
也正因如此，这次一口气发布的一串模型和工具，看着杂，其实一条线：一手把模型往深里做，把能力递到更多人手上，一手，是亲自钻进物流仓库这样的真实场景，用成本和使用量说话，看这套东西到底跑不跑得起来。
这背后其实是一个更根本的判断。今天没有谁的具身基模真正成熟，原力灵机自己也不例外。但比起再等一等、把模型闷头做到更强，它更想先回答另一个问题：在基模还不完美的当下，怎么让具身智能先被更多人用起来、先在真实场景里跑起来。
01
先把模型做深：
开箱即用的前提，是 Zero-shot
原力灵机首先发布的，是一个新模型：具身基座模型 DM0.5——保持了半年一次模型架构迭代的承诺。
新的 DM0.5 比上一代 DM0 更大——参数量翻了一倍到 4B，训练数据翻了好几倍，堆到 15 万小时的规模。
其中 5 万小时是不同种类的真机数据，10 万小时是第一视角的人类操作数据，采取了毫米级的 3D 手部关键点标注；剩下是上百万条高精度导航数据。
在媒体沟通会上，周而进表示：「今天行业里都在比谁的数据量大，从去年的一万小时干到今年的上百万小时，但真正决定模型好坏的是数据质量，忽视质量单谈数量没有意义。手部关键点如果标不准，喂进去再多也是「垃圾进、垃圾出」，学出来的动作看着像、一样都做不成。」
在数据量之外，原力灵机还强调了此次模型采用了几个创新架构：
第一是原生记忆。没有记忆的模型做不了稍微复杂一点的任务——走一步忘一步，记不住上一步干了什么，也记不住最初的指令。原力灵机做了一个上下文抽象层，从预训练阶段就原生支持最长 60 秒的记忆，而不是事后外挂一个模块。有了记忆，「打扫完再把东西放回原处」这类需要前后依赖的活才做得成。
第二是推理。分两层：一层是任务规划——定位目标物、判断当前该做哪个子任务、下一个是什么、这个动作做完没有；另一层才是动作生成——机械臂怎么动、夹爪怎么开合。其中最关键的是特意构造的反事实任务，用「如果指令换一个说法、结果该不该不一样」这类题，逼模型真的看懂指令，而不是背下训练集里的固定套路。
第三是对齐。同一个动作采上五十遍、一百遍，哪怕同一个人操作，也总有快有慢，轨迹对不齐，网络学起来就一片混乱。原力灵机让动作的监督从传统的「对点」变成「对齐」：用带约束的动态规划去算出各条轨迹之间的最优匹配，训练时先把它们对齐一遍，让模型学到的是真实的运动节奏，而不是死记硬背一个个坐标点。
改动带来了更强的泛化性。—机器人碰上没有专门训练过的任务，能靠对语言、视觉和动作的理解直接上手，而不必退回「采一批数据、再训一个专项模型」的老路。
据公司披露，在 Franka 单臂与 Dexmal-Mint 双臂的实际评测中，DM 0.5 相比于前一代模型和装载了 PI0.5 的模型上，指令遵循成功率都均取得了跨越式的提升。
三处创新摞在一起，指向同一件事：行业都在往落地和场景使劲的时候，原力灵机没把基础模型这块撂下，而是实打实在往深里做。最直接的证据是钱——唐文斌提到，公司在算力上的投入是「小几个亿」的量级，还补了一句，算力上没花过上亿的钱，大概率就别再训模型了。往大做、堆高质量数据、在架构上一处处啃硬骨头，没有一样省钱。
而模型做得够不够好，恰恰是开头那个问题的地基。开发者敢不敢放心地不再自己折腾基模、把精力挪到上层的场景和应用，前提就是底下这个模型真的扛得住、拿来能用。基座越结实，上面能长出来的东西才越多。
更难得的是，往大做的同时，原力灵机没有放掉效率。这一代延续了 DM0「效率优先」的底色：最快 50 毫秒延时，能在一张 4090 消费级显卡上做二次后训练，很多下游任务最快不到一天就能重训一遍。这些都不是炫参数，而是实实在在给开发者留出的余地——用得起、调得动，他们才接得住。
那模型到底好到什么程度？唐文斌给了一个他们自己最认的判断标准。他说，同行也好、自家过去的模型也好，嘴上都讲自己 benchmark 更漂亮，可真正的检验是有没有开发者放弃开源、转过来用你——「到目前为止是没有的」。而这一次，他「敢讲」，DM0.5 比开源的派更好用。
02
让能力被用起来：
MaaS 是第二条曲线
如果说 DM0.5 解决的是「模型本身够不够强」，那么这场大会的另一个重头，是模型之外那一层——怎么让这份能力，被更多不是原力灵机的人用起来。
原力灵机把这一层打包成了一个面向开发者的平台，叫 DexDev。它装着三样东西：让模型持续变强的 DFOL2.0，让模型接得上不同机器人的 DexOS，以及让能力被直接调用的 MaaS。三样各解一道题。
第一道题：模型怎么在落地之后继续变强，还不烧钱。
具身模型的后训练，长期卡在一个又慢又贵的环节：让真机在现实里反复试错、采数据。DFOL2.0 的思路，是把这个试错搬进虚拟世界。
基座模型 DM0.5 先生成一批初始动作，推给世界模型 DW0.5；DW0.5 当仿真器，在虚拟环境里把这些动作会导向的未来「跑」出来，批量生成成功和失败的轨迹；再由一个强化学习的「教练」CFG-RL，给每条轨迹的任务进度打分——成功的价值一路走高，失败的价值断崖下跌；打分和奖励实时回传，更新模型权重，喂出一个更强的 DM0.5。
关键在于，这个循环里大部分数据是世界模型在线生成的，不必再靠真机一遍遍试。据公司披露，DFOL2.0 能让实际的真机训练数据占比下降六成，端到端的训练成本下降四成。
对开发者来说，这意味着把模型搬进自己的场景做适配时，不必再被真机采数据的成本拖住。
第二道题：模型和五花八门的机器人，怎么接得上、跑得稳。
具身行业有个绕不开的麻烦：模型和本体之间没有统一的抽象。换一台机器人、换一套传感器和执行器，往往就得重写一大堆对接的代码。用唐文斌的话说，这是个「N 乘 M」的匹配——M 个模型对 N 种本体，两两都要单独适配，行业就很难规模化。
原力灵机给的答案是一套操作系统 DexOS，加一个开源的接口协议 ECP。它想做的，正是导语里那个「机器人的安卓」——让模型这一侧只对接一个标准接口，本体那一侧也只对接同一个标准接口，中间的差异由 OS 抹平。
这样模型只管发出它想要的轨迹，硬件尽力去实现。N 乘 M 的两两适配，变为一台机器人只要装上 DexOS，模型只要对齐这套接口，就能接上。
第三道题：这份能力，怎么让开发者直接调用。
这是 MaaS——具身行业里第一个把模型做成「按调用付费」的服务。它对标的是大模型云服务那套：开放推理接口，任何人拿到就能用，按 Token 计费。
MaaS 给了两种模型。一种是通用模型，零样本，拿来即用，不必自己训；另一种是定制模型，开发者上传自己机器人的数据，用原力灵机的基座和这套后训练适配之后，托管在云端供自己调用，按 GPU 占用时长另算钱。前者是「开箱即用」，后者是「用不顺手就再训一训」——恰好复刻了大模型从通用到微调的两条路。
范浩强提到，敢把模型做成 MaaS 开放出去，是因为对这一代模型的开放集能力有了底气：接口一旦公开，任何人可以用任何方式来测，结果不可撤销、即时返回、永远留痕。这既是自信，也是一种自我倒逼——MaaS 一放出去，各种人、各种测试、各种没见过的场景和失误都会涌进来，而这恰恰会牵引公司把研发方向对准「通用化、场景泛化」这件最该做的事。
不过现阶段，MaaS 最先盯住的还不是广义的开发者，而是本体厂商。
逻辑很直接：相比于模型，目前完成一个相对成熟的机器人本体更简单一点。一台只会动的硬件，装上 DexOS、接上云端的模型，就变成一台能干活的机器人。范浩强表示，第一批面向的正是这些「有了硬件」的厂商，让他们和模型一结合，硬件就成了能做任务的机器人。
03
从 Apex 到 Ferrata：
愿景很大，但原力灵机愿意自己先下场
把模型做深、把能力交出去，这是原力灵机递给外部的两条线。
但它没有停在"我有一个好模型、也有一套好工具"上——同一场大会，它还发布了自己的本体 Apex，搭配此前已经发布的物流解决方案 Ferrata，把具身的落地应用往前推。
原力灵机做本体是"后发"的——用张绍政的话说，是先对模型和算法有了足够认识，才回过头来做硬件，所以它想做的是一台"更懂模型"的本体。
最典型的设计是模块化：手臂、夹爪、底盘都拆成独立模块，像搭积木一样拼出不同配置，换末端不必重启、支持热插拔。这背后是一个务实的判断——张绍政说，他们不认为一台统一的本体能满足所有场景，成本和可靠性都还没到那个成熟度，与其硬做一台全能机器人，不如让一台机器人按场景换装。
对落地的考虑，也体现在稳定性上。过去不少具身产品跑几个小时就发热、宕机，Apex 反过来把稳定性当第一指标：据公司介绍，首款硬件已测出超过 1000 小时的持续运行数据，支持带电作业、30 秒快速换电，换电时大脑不断电、任务不用重启。这些细节不性感，却正是一台机器人能不能真在仓库里连轴转的前提。
今年 6 月，原力灵机与物流机器人公司 Atomix 合并，很快又发布了具身 harness Ferrata，再加上自己的本体，原力灵机自己的落地这条线就补齐了。按公司的规划，下半年在真实场景做 POC，明年开始规模化部署，年底的目标是 1000 台机器人在物流场景里持续跑到 1000 小时。
把这次所有的发布连起来看，原力灵机这场大会的野心其实不小：它要的不是一个更强的模型，而是从各个链路上，把具身落地缺的那些环节一处处补齐。
但难得的是，讲这么大一套东西的同时，原力灵机仍然对眼下的位置异常清醒。
唐文斌在媒体沟通会上反复强调一件事：今天还没到「具身智能的 ChatGPT 时刻」，顶多是「ChatGPT2.0 的水平」，包括原力灵机自己在内，没有谁的模型能说自己已经赢了。
今天所做的事更像是它的战略选择：它没有选择再等一等、把模型闷头做到更强，而是先把能用起来的这条路铺开——让模型跨得了本体、让开发者调得动、让机器人在真实仓库里先转起来。
在一个还没有定论的早期，比起证明「我的模型最强」，原力灵机更想先回答另一个问题：怎么让具身智能这件事，从少数团队手里的定制工程，变成更多人能直接用上的基础能力。
