1元/百万Token！原力灵机把机器人模型做成MaaS服务

1元/百万Token原力灵机把机器人模型做成MaaS服务原创 江 宇 机器人前瞻2026年7月10日 17:30北京业内首提Physical Harness。作者 |江宇编辑 |漠影就在昨天具身智能赛道迎来了一场备受业内关注的Action 2026开发者大会。这是原力灵机Dexmal举办的首届开发者大会。恰逢其与物流机器人公司Atomix宣布会师的里程碑时刻原力灵机正式公布了其面向生产力的全栈式技术图谱并拿出了具身智能落地真实场景的新“王炸”——“三级火箭”战略。泛化通用基础模型DM系列、包含操作系统与MaaS服务的开发者平台DexDev以及物理世界的Physical Harness——Ferrata共同组成了原力灵机此次对外呈现的具身智能技术路线图。这也是原力灵机围绕“具身智能规模化落地”各条核心链路的一次密集布局。当前机器人行业正处于一个关键的能力跃迁节点。原力灵机联合创始人兼CEO唐文斌在现场判断具身智能领域的Scaling Law已经显现但距离真正意义上的“ChatGPT时刻”仍有距离。伴随而来的是行业对真实物理世界数据提出了更高要求数据规模需要完成10万小时至100万小时的量级跨越。然而在这种由真实场景反馈驱动的“数据飞轮”逻辑下极度依赖人工采集或实验室演示的模式正在遭遇瓶颈。行业亟需一套覆盖底层模型、开发系统和终端物理硬件的完整动力系统。在这样的背景下原力灵机加速推进的“三级火箭”战略无疑展现出其独特的生态优势。这次原力灵机不仅亮出了DM0.5通用具身基础模型还同时发布了世界模型驱动的闭环强化学习框架DFOL 2.0、具身通用MaaS服务、具身通用操作系统DexOS以及面向通用场景的机器人Apex和场景应用解决方案Ferrata。当越来越多机器人走向开放世界原力灵机希望为整个生态提供一套能够支撑模型训练、硬件适配及场景运行的基础设施。01.4B参数、15万小时数据DM0.5补足开放场景泛化能力长期以来具身智能在产业界难以避开的痛点之一便是场景、任务和硬件的高度碎片化。不同机器人采用不同的执行器、传感器和控制接口即使面对相似任务也往往需要重新采集数据、训练模型并完成现场适配。模型一旦离开预设环境物体形态、摆放位置或相机视角的变化都可能导致执行失败。因此原力灵机把DM0.5通用具身基础模型放在“三级火箭”的第一级。数据是机器人落地的核心卡点100万小时的高质量数据绝不能靠“人工采集”堆出来必须去场景里获取。而要进入场景基座模型必须具备极高的能力下限。DM0.5的诞生正是为了解决模型“一进场景就翻车”的尴尬局面。规模和性能是DM0.5此次升级的两个核心指标。DM0.5拥有4B参数基于15万小时多源数据训练。与上一代DM0相比其训练数据量增加400%参数量增加100%。15万小时训练数据中包括5万小时高精度真机操作数据和10万小时Egocentric第一视角视频数据。前者覆盖100多种动作后者用于丰富模型对人类行为、物体关系和空间环境的理解。同时DM0.5还引入100万平方米级空间重建数据用于复杂室内环境建模并缩小仿真环境与现实场景之间的差距。时长00:17▲高精度场景重建数据在公开评测中DM0.5也交出了一组成绩。在RoboChallenge真机评测Table30 V2中面对30项复杂任务及4种异构机型DM0.5取得43%的成功率和54.42的总得分位列榜单第一。在LIBERO评测中DM0.5综合表现达到99.0%并在RoboTwin 2.0、R2R、RxR等评测中取得领先成绩。除模型规模和评测成绩外尤为关键的是DM0.5“成本普惠”的特性。开发者使用一块RTX 4090消费级显卡最快18小时即可完成一个下游任务的专家级微调部署微调成本暴跌60%。在推理侧DM0.5在H100平台上的延迟低至50毫秒在RTX 4090显卡上的延迟约为90毫秒。这意味着中小团队无需配置大规模算力集群也可以围绕具体任务训练和部署模型。配合原生60秒长时记忆能力和双系统大脑架构DM0.5还提升了机器人执行长序列任务时的稳定性。其中Sys2负责指令理解、任务规划和未来状态预判Sys1负责高频动作生成和快速响应。机器人在面临视角变化或人类动作强行打断时依然能够理解当前状态并修正动作。时长01:08▲零样本“对话”机器人除此以外DM0.5支持Video Prompt。机器人观看人类示教视频后可以结合视觉信息理解任务并尝试复现对应动作。时长00:34▲人类示教后即时完成任务在多本体支持方面DM0.5采用多机型、多任务融合训练可以适配双足人形、轮式机器人、双臂及单臂机械臂等不同构型覆盖导航、抓取和全身控制等任务。相比DM0DM0.5的Zero-shot导航成功率提升31%Few-shot成功率提升45%Fine-tuning成功率提升20%。这些便构成了原力灵机飞向真实场景的底层动力。02.真机数据需求降60%“三件套”补齐模型落地中间层如果说强大的模型是第一级动力那么本次大会上更吸引开发者眼球的则是支撑具身模型走向应用的“第二级火箭”——开发者平台DexDev。原力灵机切入开发者生态瞄准了当前机器人“开发集成极其复杂”这一痛点。即使基座模型再强若每次换场景、换机型都要重新写代码适配生态就永远无法繁荣。为此原力灵机直接掷出了“三件套”首先是DFOL 2.0框架。基于斩获多项第一的通用具身世界模型DW0.5原力灵机将强化学习直接搬进了高保真虚拟仿真器中。这使得真机数据需求下降60%训练成本骤降40%跑通了低成本、规模化后训练的现实方案。其次是行业首个通用具身MaaS服务。其打通了一站式数据与模型管理支持一行命令启动推理且通用模型仅需1元/百万Token。这种按量计费的云原生模式让大模型能力真正实现了“人人可用”。最后是具身通用操作系统DexOS。它屏蔽了底层复杂的硬件差异开发者仅需几行代码即可完成机器人接入。DFOL 2.0解决模型怎样持续提升MaaS服务解决模型能力怎样被低成本调用DexOS则负责模型与不同硬件之间的连接。三者共同构成了模型落地的工程化中间层。与此同时原力灵机发布了面向通用场景的机器人Apex其具备毫米级精度、1000小时以上MTBF工业级可靠性至此软硬之间的“最后一公里”即被打通。时长00:56▲本体APEX视频03.系上物理安全绳Ferrata让机器人连续进入真实场景从实验室走到真实的工业与物流现场原力灵机还展示了其作为产业导向企业的另一面。在面对复杂多变的商业应用时原力灵机前瞻性地推出了“第三级火箭”——多智能体混合作业系统Ferrata。Ferrata的中文名为“飞拉达”原意是一种安装在山体上的攀登保护系统。原力灵机将其定义为具身智能在物理世界中的Physical Harness即“安全保护绳”或“物理容错层”。它将现场任务进行了务实的分级Level 1由标准自动化设备处理海量、高频且规则明确的简单任务通过低成本硬件覆盖主量业务。Level 2由搭载具身大模型的机器人处理异形、软包、难吸取等传统自动化设备较难覆盖的复杂长尾变量。Level 3则负责人工接管。遇到高风险或机器人无法处理的异常情况时任务会自动流转至人工操作人员。这种架构追求的是系统级容错避免局部长尾异常拖垮整条作业链路。当机器人遇到无法处理的异形包裹或边缘案例时Ferrata可以自动重试、安全回退或将任务转交人工避免设备持续卡死。系统还配备Ferrata Cockpit为远程遥操和人工保护提供统一入口。人工完成接管后任务过程、失败原因和处理动作会被结构化记录。每一次真实任务流转、重试与人工接管都能够转化为新的场景数据回流DM系列模型和调度系统。在经济层面多设备协同和任务分级有助于控制综合部署成本。标准自动化设备处理主量任务具身机器人集中解决长尾问题客户可以根据实际投资回报逐步扩充工位和区域。经济飞轮和数据飞轮协同运转为客户提供了相对稳妥的部署过渡方式也为原力灵机打通了技术与业务之间的连接。目前Ferrata已经在某行业头部客户仓库完成实地测试。该仓库拥有超过10万种SKU日订单峰值达到数万单。原力灵机与Atomix完成合并也为Ferrata提供了更多仓储场景基础。04.结语长期扎根真实场景打好具身智能的底层能力战下一个十年具身智能将继续向产业深水区推进。原力灵机与Atomix完成合并后此次公布的“三级火箭”路线目标也更加清晰以通用模型打底以开发平台降低适配门槛再以场景解决方案承接连续作业推动具身智能融入真实业务流。这背后考验的是长期主义。百万小时级场景数据只有在机器人真正走进工厂、仓库等高频场景后才有可能持续产生。模型成功率、系统稳定性、部署成本和客户投资回报也会共同决定数据飞轮能否长期运转。具身智能的底层能力战最终会落到产线、仓库和每一次真实作业中。