向大模型看齐，原力灵机摸索具身MaaS生意，可行性如何？

大模型领域，MaaS（模型即服务）生意已蔚然成风——通过API（应用程序编程接口）“售卖” 模型能力。如今，阿里、智谱等投资的具身智能公司原力灵机，试图在机器人行业复制这套商业模式。

7月9日，原力灵机发布具身智能行业首个MaaS服务平台，允许机器人本体玩家直接通过API从云端调用具身模型，由模型驱动本体完成操作任务。

原力灵机联合创始人兼CEO唐文斌接受南都等媒体采访时介绍，云端运行的具身模型分为两类：一类是开箱即用、具有一定程度泛化能力的通用模型；另一类则是上传数据进行后训练，生成的满足特定场景精细化需求的定制模型，MaaS平台同时提供相应模型的托管部署服务。

唐文斌提到，若无MaaS服务支持，上手体验一款具身模型需经历繁琐的部署流程，通常耗时三五天才能完成。原力灵机联合创始人范浩强说，一系列部署流程折腾完之后，“可能你对机器人的热情已经消耗85%了。”

据唐文斌判断，未来具身智能行业有望形成混合式的商业模式——既有机器人整机销售，也衍生出租赁机器人的RaaS（Robot as a service，机器人即服务）生意，以及从云端调用具身模型的MaaS模式。

市场调研机构IDC中国研究经理李君兰关注机器人赛道，她对南都记者分析，具身模型MaaS通过API提供通用模型调用、后训练、模型托管等能力，有望帮助机器人本体厂商、系统集成商、应用开发商等产业参与者快速获得具身智能能力，降低AI开发成本，加快机器人应用开发与场景落地。

但李君兰指出，现阶段，具身模型MaaS的价值更多体现在研发侧，即降低具身智能开发门槛，推动模型能力在产业生态中的快速复用，而非替代机器人端侧推理。受实时性、安全性和网络稳定性等因素影响，机器人底层运动控制和实时决策仍将主要依赖本地部署，云端模型则更适合承担模型训练、能力迭代、任务规划等高层智能服务。

长期来看，李君兰认为具身模型MaaS有望从模型服务平台，进一步发展为机器人智能平台，成为支撑机器人集群协同运行的重要基础设施，而不仅仅是单个机器人的云端“大脑”。

原力灵机具身MaaS平台定价。公司供图

和大模型MaaS一样，原力灵机的具身MaaS服务同样以Token（词元）消耗量作为计费标准。公司介绍，通用模型的定价为1元/100万Token；定制模型的价格则在1元/100万Token的基础之上，叠加GPU时长占用费。

范浩强就定价逻辑解释称，按正常频率调用模型，每小时的使用成本大概为几十元，与雇佣真人干活的成本相近。

范浩强受访时表示，一旦具身模型通过API对外开放，意味着任何人都可以进行测试，所有运行结果都将被不可撤销地永远记录。是否敢于涉足这种模式，直接考验一家具身公司对自身模型能力的信心。

支撑原力灵机MaaS服务的通用基础模型，是该公司7月9日迭代发布的DM0.5。相比上一代模型，DM0.5的参数量和训练数据规模均有了成倍增长：拥有40亿参数，基于15万小时数据训练而成，其中包含5万小时的真机数据和10万小时的Egocentric（第一人称视角）无本体数据。前者采集速度快、性价比高，后者的数据精度高。

原力灵机方面介绍，DM0.5模型具备跨本体能力，能适配宇树G1、天工、睿尔曼等不同厂商的双足人形、轮式、双臂/单臂机械臂及灵巧手。该公司援引的评测结果显示，DM0.5模型在操作类、导航类任务等多个维度的不同评测榜单上，成功率均位居首位。

具身模型评测作为衡量模型性能的参照，今年以来却频陷争议。将自身模型与美国具身模型标杆企业Pi（Physical Intelligence）对标，并宣称超过Pi的模型，已成为国内具身智能行业常见的宣发策略。但由于行业评测标准不成熟，“刷榜”现象随之滋生。此前曾有多家公司几乎同期均宣称自身模型能力位居第一。

一位具身赛道的投资人“泼冷水”称，具身模型榜单是实验室的评估工具，跟真实世界落地需求还差距甚远，最终仍需看客户是否买单。

破壳机器人创始人许华哲此前在6月的智源大会上亦表示，只有产品能够真正卖出去，才是检验性能的核心标准。比赛式的评测有其意义，但也存在操作空间。就像一场期末考试，突击复习也能考得很好，但这不代表他就是全班学得最好的学生。

在唐文斌看来，许多同行都在宣传模型比Pi好，但残酷的现实却是，并没有多少开发者放弃了Pi的开源具身模型，转而投向国内具身公司的模型，“原因是不好用”。他坦言，评测榜单结果仅仅是论证模型性能的必要不充分条件，真正是否好用，最终要看开源模型到底有多少人在调用。

唐文斌认为，具身模型能力是否好用，核心能力体现为两点：模型是否需要具备很强的泛化性，能够拿来即用；以及基于通用基础模型，能否省时省力地训出针对具体任务的后训练模型。

MaaS服务除了考验模型能力，还对高并发、低延迟有较高要求。范浩强介绍，原力灵机具身MaaS平台的推理延迟在150毫秒（0.15秒）左右，这一延迟表现“对于绝大多数任务而言已经够用”。

算力底座成为MaaS服务运行的关键支撑。然而，具身智能玩家同样面临大模型企业遇到的算力困局——“好用的卡不好买”。为此，7月9日，原力灵机宣布和阿里平头哥、摩尔线程、爱芯元智、天数智芯、沐曦等国产芯片公司开展算力合作。

唐文斌告诉记者，MaaS的云端后训练服务上，平台除了支持英伟达的芯片，也引入平头哥的PPU等国产芯片，以此降低训练成本，同时带动国产卡的使用量。

至于原力灵机的DM0.5具身基础模型，则基于数千张英伟达H系列GPU进行的预训练。“如果用B系列卡，训练速度会更快。”唐文斌透露，原力灵机在算力上的年投入在亿元量级，“算力上没有花过亿的钱，大概率不要再训模型了。”

采写：南都N视频记者 杨柳 发自北京