新智元报道
新智元报道
【新智元导读】最近，原力灵机携世界双榜第一模型杀到，一张4090直接训爆机器人。现场丝滑削黄瓜看傻全场，具身智能正处于「ChatGPT 2.0时刻」，模型能力正在全面泛化。硬核现场赶快来看！
昨天下午， 中关村国际创新中心的大厅中，人们围着眼前的机器人发出一阵阵惊呼。
切黄瓜和叠包装盒的这两个摊位，是现场人气最高的，围观的人群里三层外三层。
先看切黄瓜的这个。
只见眼前的这两只夹爪一手拿刀，一手开始给黄瓜去皮，一套动作行云流水，削去的黄瓜皮极薄，厚度恰到好处。
旁边的工作人员解释道：当我把黄瓜拿走，它能感应到没有黄瓜了，就会放下削皮器。
而在它旁边，叠纸盒的夹爪也是人气爆满。
只见眼前的机械臂双手并用，拿起一张平整的纸盒，然后慢慢叠成立体的包装盒。
这边的夹爪，展示着取出一片面包，然后放进旁边的烤面包机的绝技。
这位人形机器人，秀出拿零食包装袋的绝活。
这边的夹爪，可伸手抓万物，各种形状，各种材质，没有它夹不起来的东西。
而在这个高精度三维结构的搭建操作，则让每个经过的人都发出赞叹。
你看到的这一切，都来自同一家公司：原力灵机。
在Action 2026发布会的现场，我们真实地感受到：具身智能的下一个时代，已经来临！
在人看来，切黄瓜、叠盒子、捏面包，这些都是不值一提的小事。
然而对于机器人来说，黄瓜有粗细，纸板有韧性，面包一捏就掉渣，每一个动作的完成，都意味着巨大的飞跃，都是感知与控制实时配合的巨大成功！
2026年，炙手可热的具身智能圈，有一个问题始终绕不过去：这些机器人，什么时候能真正干活？
我们期待的，不是机器人在舞台上的表演，而是在仓库、在产线上，一天干满二十四小时。
在Action 2026发布会上，原力灵机给出了一个时代判断：具身智能，正处于ChatGPT2.0时代。
现在，Scaling Law已全面显现，模型能力正从能完成特定任务，加速迈向场景、任务、对象、机型的全方位泛化。
眼看着，重要的突破就在前面！
然而，通往突破的路上，横着一道坎——数据。
今天的具身模型，大多喂着10万小时量级的数据，这离完成特定任务、全方位泛化，还差着一个数量级。如果无法完成这个跨越，其他一切都免谈。
在WAIC上，六台搭载了DM0.5的模型，会挑战用15个小时共同拼装超8万件长城积木
很多人第一反应是：数据不够，那就采啊。
过去两年，行业里确实建起了一座座数据采集工厂，操作员戴上遥操作设备，一条轨迹一条轨迹地去采集，像录磁带一样堆数据。
然而，原力灵机直接打碎了行业内的这一幻想。
CEO唐文斌在发布会上把话说得很直接：100万小时的这道坎，靠采集是跨不过去的。
为什么会有这个反直觉的判断？原因就在于，采集型数据最大的问题不在贵，在「死」。
首先，单纯的数据采集存在边际效益递减，从1万小时到10万小时能让模型能力增长20%，但再想增长20%，需要的数据量是指数级的。
另外，人工遥操作录下来的轨迹，是人的动作。喂得再多，模型也只是在模仿别人的人生。
原力灵机的指出，真正有价值的数据，是经过模型输出、又循环回流的数据。
模型在真实场景里干活，成功，失败，纠错，每一条记录都带着模型自己的体温。数据必须完成从被动「采集型」到真实「场景型」的跃迁。
只有体系化地把模型送进真实场景，全时、稳定地作业，用真实价值驱动规模化使用，回流的数据再反哺模型，才能让数据飞轮自己转起来。
道理大家都懂，可去场景里拿数据，却面临着模型能力不足、集成复杂、连续作业难三大卡点。
怎么破？
在现场，原力灵机给出了自己的答案——「三级火箭」！
用模型解决能力不足，用系统解决应用复杂，用场景方案解决连续作业难。
同时，为了承载这些智能，他们还推出了首款具身原生通用机器人——Apex。
Apex的推出，就是为了给聪明的大脑，配一副「能扛事儿」的躯体。
这个首款亲儿子硬件——Apex，它打破了过去工业机器人的刻板印象，与其说是机器，不如说，它更像是一个随时能给你搭把手的硅基同事。
首先，它手长够得着，还不手抖。因为个头和普通人差不多，它一伸手，下能摸到地板，上能够着两米高的货架顶，完美覆盖了人类最习惯的工作区。
别看它单臂能稳稳拎起3公斤的重物，干起精细活来，指尖的定位能精准到亚毫米级。
而且，它还能一分钟「换装」，随插随用。
面对不同的差事，Apex主打一个「百变」。它的底盘、双臂都能像搭积木一样模块化拆换。
只要进了工厂，它就是最不知疲倦的劳模。
不但扛得住超1000小时的高强度连轴转，还能7x24小时带电干活。就算真没电了，只需30秒就能极速换电。
更离谱的是，换电池的这半分钟里，它的「大脑」依然清醒在线，手上的动作完全不需要重启，主打一个无缝衔接。
当它走入生活场景，你也绝不会感到害怕。
它全身上下找不出一根杂乱外露的线缆，彻底告别了机械感。原力灵机甚至给它的核心关节用上了透明外壳，内部运转一目了然。
再给它披上人类质感的布料衣服，形象瞬间变得亲和。
火箭第一级决定能飞多远。这一级，就是发布会的主角——通用基础模型DM0.5。
原力灵机给它的定位是四个字：泛化涌现。
相比DM 0，DM0.5取得了堪称飞跃的进步。
官方公布的数据是：它的参数量达到4B，基于15万小时多源数据训练，对比上一代DM0，数据量提升400%，参数量提升100%。
它的核心突破就在于，让机器人从「按程序执行」走向「理解任务并做出行动」。
再看成绩单，RoboChallenge、Libero、RoboTwin2.0等榜单第一。
RoboChallenge真机评测Table30 V2中，它取得了42%成功率，拿到了60.1的总得分，排名第一。
看，下面这个机械臂真刀真枪在桌面上完成了30类任务，光线、摆位、物体，全是实打实的物理世界。
在单臂操作环境Libero与双臂操作环境RoboTwin2.0仿真基准中，DM0.5微调能力双双夺魁。
LIBERO评测综合表现99%，基准正在被打穿，快没题可刷了。真正拉开差距的战场，已经挪到真机上，而真机榜的头名，就是DM0.5。
在H100平台，推理延迟压到50ms。机器人没法像聊天助手那样，眼前的杯子歪了，它得当场伸手接住。50ms，已经贴近人类反射弧的量级。
代际提升同样硬：Zero-shot提升31%，Few-shot提升45%，Fine-tuning提升20%。
没见过的任务，它会直接上手，强了三成；给几个示范就会干，强了将近一半。这两项，恰恰体现了「泛化」的进步。
架构上，DM0.5带着60秒长时记忆，外加一套双系统大脑：Sys2负责深思熟虑，Sys1负责直觉反射，慢想与快做各司其职。
读过卡尼曼《思考，快与慢》的人对这套命名不会陌生，人脑处理世界，靠的正是直觉系统与理性系统的这种分工。
身体方面，他同样不挑：双足人形、轮式、双臂、单臂，多类异构机型都能快速适配。
而它真正的杀手锏，是成本——微调成本下降了60%。一块4090显卡，最快18小时可完成一个下游任务。
从此，一个三五个人的机器人小团队，办公室角落一台游戏显卡攒出来的工作站，下班前挂上训练任务，第二天下午，机械臂已经会干一个新活了。
放在两年前，同样的流程，起步价是一组A100集群加一支算法团队。
门槛的下降，让高校实验室用得起，中小集成商用得起，行业客户自己也养得起。用的人多了，更能让场景数据回流。
接下来，我们到了具身智能的安卓时刻。
第二级是开发者平台DexDev，专治「开发应用极其复杂」，包含三个部件。
DFOL 2.0与世界模型DW0.5
在真机上做强化学习成本极高，为此原力灵机推出了通用具身世界模型 DW0.5。
它能准确预测物理世界规律，甚至能评估任务进度（相关性达95%以上）。
DFOL2.0是世界模型驱动的后训练框架，把强化学习搬进虚拟世界。
在真机上试错一次就是真金白银，摔一跤可能就是一条机械臂。
DFOL2.0用世界模型DW0.5当高保真仿真器，让模型先在虚拟环境里千锤百炼，再上真机。
在DW0.5的驱动下，DFOL 2.0 让模型在虚拟环境里在线闭环试错，真机数据需求下降60%，训练成本下降40%。
行业首个具身通用MaaS服务
为了降低使用门槛，原力灵机推出了具身MaaS API。
开发者无需自行配置复杂的机器与环境，一行命令即可调用零样本泛化模型，云端推理延迟约150毫秒。
其定价低至1元人民币/百万Token，每小时持续调用的成本与雇佣真人相当。
具身通用操作系统DexOS
为了划清模型和硬件之间的责任边界，DexOS 提供了一套「具身上下文协议」(ECP)。
模型只需下发抽象、标准的意图，而平滑控制、传感器标定等复杂物理执行由硬件底层的 DexOS 完成。
几行代码完成机器人接入，换了机型，不用从头适配。对开发者来说，过去横在面前的那几个月集成周期，被压成了几行命令。
现在，该系统已首批适配了天工人形、华勤F1、史河机器人等多款生态硬件。
第三级火箭叫 Ferrata，它的使命是保证机器人进了真实场景后能一直干下去，从而转动数据飞轮。
原力灵机与刚刚完成合并的原力聚合机器人（Atomix）共同在物流拆零拣选场景交出了一份务实的答卷。
它已经在某个行业头部客户的仓库里跑完实地测试，规模超10万SKU，日订单峰值数万单。
物流行业痛点明显：体力劳动重复乏味，人员流失率高，分拣打包环节占用了超过70%的人力。
针对此，Ferrata采用三级任务分层兜底设计：
L1 层（简易有效）： 使用简单的坐标机械臂和吸盘，处理纸箱、规则商品等50%-60%的简单拣选任务，成本极低。
L2 层（复杂智能）： 由 DM0.5 驱动的具身机器人处理不规则、难以吸附的复杂商品，覆盖 80%-90% 的长尾任务。
L3 层（人工兜底）： 对于极少数机器无法处理的异常订单，由人工在白天工作时段进行兜底处理，确保业务系统 100% 顺畅流转，绝不卡壳积压。
通过这套逻辑，机器人能实现 24 小时不间断作业，系统投资回报期被压缩至 18-36 个月。
更重要的是，L2 层面产生的所有真实「失败与接管数据」，都会源源不断地回流反哺模型，让机器人每一天都变得更聪明。
发布会最后，这句话打动了我们。
中国具身智能不缺优秀的人才，不缺丰富的数据，不缺领先的硬件。真正稀缺的，是对物理世界的敬畏心，是愿意长期扎根的耐心，是把每一个场景做扎实的坚持。
过去一年，太多公司把精力花在「谁更像人」的竞赛上。然而，物理世界看到不是才艺，在真实场景中，产线绝不接受反复NG。
原力灵机给自己定的路线，显得非常朴素：把模型训练到极致，把系统打通到极致，把场景验证到极致，穿越具身智能的技术周期与产业周期，让机器人真正走进工厂，走进生活，走进每一个需要它的真实角落。
三个「极致」，对应的正是三级火箭的三级。
如今，我们已经迎来了具身智能真正的考场。
ChatGPT时刻，或许就会在100万小时的真实作业里，逐渐接近。
