当一只杯子决定坠落：原力灵机与“收束世界线”的工程学

作者 | 王启隆 责编 |梦依丹

出品 | CSDN（ID：CSDNnews）

物理世界最迷人也最残酷的地方在于，它没有 Ctrl+Z。

在数字世界里，ChatGPT 可以胡说八道，大不了你重新生成一次；Midjourney 画崩了手，你再跑一张图也就是几秒钟的算力成本。但在具身原生·原力灵机技术开放日现场，这家公司试图向我们展示的，是另一种截然不同的“智能焦虑”。

这种焦虑关乎重力，关乎摩擦，关乎因果律。

当你命令一个机器人“收拾桌子”时，如果它的动作偏差了 5 毫米，或者抓握力度小了 1 牛顿，后果可能不是生成了一行乱码，而是一地碎玻璃。

“我们把数据工作定义为 ‘收束世界线’。”

周而进，原力灵机合伙人，用了一个极其硬核科幻的比喻。在他的描述中，具身智能（Embodied AI）的本质，是在无数个平行的、混乱的、熵增的宇宙中，强行找到那条唯一的、杯子稳稳落在桌面上、没有打翻水、也没有捏碎玻璃的“成功轨迹”。

这听起来像是在拍《信条》，但这确实是 2026 年初，这家由一群 AI 1.0 时代老兵（前旷视科技联合创始人唐文斌带队）组成的创业公司，在“百模大战”的余烬中试图开辟的新战场。

他们没有发布千亿参数的聊天机器人，而是拿出了一个仅有 2.4B 参数的具身大模型 DM0，以及一套名为 Dexbotic 2.0 的开发框架。他们的野心很明确：如果说 GPT 是互联网数据的压缩，那么他们想做的是“物理规律的压缩”。

这是一场关于“身体”的保卫战，也是一场对 Scaling Law（尺度定律）的重新审视。

逃离“互联网借智”：为什么机器人需要从头学步？

在很长一段时间里，具身智能领域流行一种“拿来主义”。

大家习惯的做法是：下载一个开源的 VLM，给它装上一双手，然后通过微调告诉它：“嘿，这是苹果，把它拿起来。”

这种做法看似讨巧，利用了互联网大模型海量的泛化知识。但在周而进看来，这就像是让一个读遍了百科全书但从未下过地的“缸中之脑”去踢足球。

“你能想象一个婴儿，是先学会了对话、学会了背唐诗，然后才学会爬、学会找奶瓶的吗？”周而进在采访中反问道，“如果是那样，这个婴儿早就饿死了。”

这就是原力灵机强调的“具身原生”（Embodied Native）概念的起点。

人类的智能发育，是从感知重力、感知距离、感知冷热开始的。我们的语言能力，是建立在对物理世界深刻理解的“地基”之上的。而现在的许多具身模型，地基是悬空的。它们认识“苹果”这个词，能写出苹果的营养成分表，但它们不知道苹果表面的摩擦系数，不知道用力捏会流汁水，不知道圆球体在桌面上会滚动。

为了解决这个问题，原力灵机做了一个大胆的决定：不继承现有的 VLM，而是从零开始训练一个真正懂物理的大模型。

这不仅仅是数据源的替换，更是认知维度的重构。

周而进在现场补充了一个极具洞察力的观点：“自动驾驶其实是具身智能的一个子集，但它的容错率极低。而现在的机器人，需要的不是那种只懂交通规则的脑子，而是包含了室内导航、复杂操作、人机交互的 ‘全能脑’。”

在 DM0 的训练集中，他们引入了三类数据：

• 互联网数据：提供通用的物体识别和语义理解（这是常识，比如知道“把红色的杯子拿来”中的红色是什么）。

• 自动驾驶数据：这是目前人类拥有的最大规模的“开放物理世界描述”。它教会模型理解透视、遮挡、运动物体的轨迹预测。

• 具身原生数据：这是最稀缺的。是机械臂每一次抓取、每一次碰撞、每一次失败的记录。

“以前大家争论是用哪个大模型来改，我们直接跳出这个问题——为什么要改？为什么不从第一行代码就为机器人而写？”

这种“原生”的执念，直接导致了 DM0 在架构上的反常规。

2.4 B 的反击：智能密度与“毫米级”的尊严

在闭源三巨头迈向万亿参数的时代，DM0 的参数量只有 2.4 B（24亿）。

在很多媒体眼中，这甚至算不上“大”模型。但在工业现场，这个数字代表着一种极致的工程美学。

“大家都在问 ‘用哪个大模型最好’，我们问的是 ‘为什么要用大模型’？”周而进解释道。在具身场景下，模型不是用来写诗的，它是用来干活的。

这里涉及到一个核心矛盾：推理延迟 vs 物理响应。

工业流水线上的节拍通常是毫秒级的。一个工件流过来，机器人必须在 0.1 秒内决定怎么抓。如果模型为了追求“博学”，搞了几百亿参数，推理一次需要 2 秒，那黄花菜都凉了。

DM0 的 2.4 B 参数，配合 60ms 的端到端推理延迟（在消费级 5090 显卡上甚至更快），恰好卡在了这个“实用性”的甜点上。

但这引发了另一个质疑：这么小的模型，脑子够用吗？

DM0 把技能点加在了“空间推理思维链”（Spatial CoT）上。

传统的 VLA（视觉-语言-动作）模型，往往只能做到“大概齐”。比如“拿起杯子”，它知道杯子在哪，但手伸过去的时候可能是歪的。

而 DM0 引入了一种特殊的思维链机制。当它接到指令时，它不会直接输出动作，而是先在脑子里构建一个 3D 的空间坐标系，进行Physical Grounding（物理定位）。

这一切，都发生在那个小小的 2.4 B 模型里。它去掉了写代码、讲笑话的冗余神经元，只保留了对物理世界最敏锐的直觉。

在原力灵机联合Hugging Face发起的大规模真机测评体系 RoboChallenge 上，DM0 在 30 多个桌面级任务中拿到了综合得分第一。这证明了：在物理世界里，精准的直觉远比广博的知识更重要。

数据哲学：在熵增的宇宙里寻找确定性

这次沟通会最让我印象深刻的，不是那些跑分，而是他们对“数据”的哲学思考。

“熵在哪里，数据就投向哪里。”

这是范浩强（原力灵机合伙人）提出的数据采集策略。他们似乎不迷信仿真（Simulation），而坚持要搞大量真机实操。

在仿真环境里，物理规律是人写的。F=ma 永远成立，摩擦力永远是恒定的。这是一个低熵的、确定的世界。

但在真实世界里，情况要复杂得多。

比如“抓取一个装满水的软塑料瓶”。

• 用力太大，水会喷出来，重心会变。

• 用力太小，瓶子会滑落。

• 瓶身可能有水珠，摩擦系数瞬间降低。

这种“非结构化的不确定性”，是仿真器模拟不出来的。这就是“熵”最高的地方。

周而进用“平行宇宙”来解释他们的训练目标：“因为你拿起了手机，瓶子可能会被碰掉。你每一个微小的动作差异，都会导致未来世界线的分叉。我们采集数据的目的，就是告诉模型：在这一万种分叉的可能性中，哪一条线是你能把活干完，而且不闯祸的。”

为了捕捉这些“高熵”数据，原力灵机甚至去印尼接过自动化项目，去物流仓库里通过遥操作（Teleoperation）采集数据。

他们发现，那些最难用规则描述的场景——比如把一堆乱七八糟的快递分拣开，或者把缠在一起的数据线解开——恰恰是具身大模型最能发挥价值的地方。

“对于规则清晰的任务（如下围棋），数据等于算力，你可以在仿真里无限自我对弈。但对于规则模糊的任务（如收拾房间），数据等于经验的映射。”

这解释了为什么特斯拉做 Optimus 也要靠人穿着动捕服去叠衣服，而不是在电脑里跑仿真。因为物理世界的“手感”，是算不出来的，只能练出来。

商业化的“冷水澡”：2026 依然不是爆发年

在软件工程里，程序员最喜欢的指令之一叫 try catch。它的意思是：如果代码运行出错了，没关系，捕获这个错误，让程序继续跑，或者优雅地报错。

但在物理世界里，没有 try catch。

当一个重达几百公斤的工业机器人挥舞着机械臂砸向地面，或者一个服务机器人把滚烫的咖啡泼在用户身上时，你无法通过一行代码来“捕获”这个错误。物理世界的异常，往往意味着损坏、赔偿，甚至人身伤害。

现在的具身智能赛道，热得发烫。融资新闻满天飞，人形机器人排队上市。但在这种狂热中，原力灵机的高管们却显得异常冷静，甚至有点“泼冷水”的意味。

“2026 年是闭不了环的。”范浩强直言不讳，“这应该是业界共识。”

他把 2026 年定义为“真应用涌现之年”，但也仅仅是涌现，离规模化复制还有距离。现在大多数的落地，还停留在 POC（概念验证）阶段——在客户的工厂里搭个小棚子，跑个几百次，拍个视频，领导来了演示一下，然后运回去。

这不叫商业化，这叫“高科技路演”。

唐文斌认为，真正的商业闭环，必须回答两个极其朴素的问题：

1. 流程是否完整闭环？机器人能不能处理 100% 的情况？如果掉了东西怎么办？如果遇到没见过的包装怎么办？在物流场景里，80% 的代码是在处理异常（Exception Handling），而不是在处理正常流程。

2. 账算不算得过来？你用一个几十万的机器人，替代一个几千块工资的工人，ROI（投资回报率）在哪里？

原力灵机最终锁定的第一战场是——物流分拣与上下料。

这是一个完美的靶场：环境相对结构化（仓库），对象极端非结构化（千万种 SKU），允许偶尔抓不住（重抓一次就行），而且是高强度的重复劳动。

做“卖铲子”的人，也做“挖金矿”的人

如果是做纯软件的 AI 公司，发个模型就完事了。但原力灵机花了一整年的时间，开发了一套开源框架 Dexbotic 2.0，还搞了一个评测平台 RoboChallenge。

现场有记者问，你们到底是家什么公司？

他们说，“我们一定是一个机器人公司”。

在媒体沟通会上，汪天才（原力灵机合伙人）把 Dexbotic+RLinf 比作“具身智能的 PyTorch”。

这又是一个反直觉的动作。创业公司通常是做应用的，做基建（Infra）是大厂的活儿。

唐文斌的解释很实在：“因为我们发现，这个行业连个能用的轮子都没有。”

具身智能现在的状态，很像 2012 年之前的深度学习。大家各自为战，每个实验室都有自己的一套代码，数据格式不通，接口不通，连评测标准都不一样。

A 公司的模型只能控制 A 公司的机械臂。

B 大学的仿真数据喂不进 C 公司的模型里。

大家都在重复造轮子，而且造的都是方轮子。

“我们不认为现在的模型结构是终局。我们甚至不认为端到端是唯一的解。”汪天才说。提供一个标准化的框架，是为了让整个行业——包括高校、研究机构、友商——能够在一个统一的语境下对话。

这是一种“修路”的逻辑。虽然修路很苦，不赚钱，但路修好了，跑在上面的车（模型和应用）才能快起来。而原力灵机赌的是，自己造的那辆车（DM0），会是这条路上跑得最快的一辆。

走出金隅智造工场，北京的寒风依旧。

原力灵机这家公司，给人的感觉很复杂。他们身上既有学院派的理想主义（坚持搞开源、搞评测、搞基础理论），又有江湖派的实用主义（去仓库搬箱子、算细账、搞脏活累活）。

他们既想做“卖铲子”的人——通过 Dexbotic 和 RoboChallenge 定义行业标准，成为具身智能时代的“基础设施供应商”；又想做“挖金矿”的人——亲自下场，用 DM0 打造出真正的机器人产品，解决具体的物理世界难题。

这听起来很矛盾，但这或许正是 AI 2.0 时代创业公司的典型样本。

在巨头环伺、资本退潮的当下，单靠讲故事已经拿不到钱了。你必须证明你有仰望星空的能力（搞定 SOTA 模型），同时证明你有脚踏实地的身段（搞定客户的账单）。

2026 年或许不是具身智能的元年，但它很可能是“具身原生”觉醒的一年。

从这一年开始，机器人不再是只会执行死命令的机器，也不再是只会聊天的音箱。它们开始长出自己的眼睛，学会用自己的身体去感知重力、摩擦和碰撞。它们开始在无数次跌倒和失败中，收束那条通往成功的世界线。

而原力灵机，正站在这个十字路口，试图用 2.4 B 的模型和无数行的代码，为这个即将到来的物理智能时代，铺上一块坚实的垫脚石。