泛化涌现！原力灵机三级火箭助推具身智能落地

要跨越基模能力、集成开发、连续作业这三座大山，具身大脑怎么实现“三级跳”？

作者丨董子博

编辑丨齐铖湧

杀入 2026 下半年，烫得发红的具身赛道，距离第一次交卷正在越来越近。

而要实现具身智能的泛化落地，中国的具身公司，缺的不是硬件、不是场景、甚至不是数据采集能力——行业各家公司的不同硬件、算法、场景各自为战，数据的碎片化才是真正的问题。

少了把硬件、场景、数据连接在一起的标准，采集到的数据无法跨任务、跨机型的复用，那么数据的收集效率就要事倍功半，从 10 万小时到 100 万小时的“鲤鱼跃龙门”，也就更是难上加难。

卡住了具身“脖子”的 100 万小时数据，想要单纯靠数采“堆”出来并不现实；而不少公司期待的，让机器人进入实际场景形成的“数据飞轮”，面前还有三座大山必须跨越：

基础模型能力的限制，常常让机器人在实际场景里的具体任务上表现不佳，有效的经验没多少，翻车教训倒是一大堆，数据的质量也就没法保证；

开发集成的复杂程度，让具身大脑每每进入到一个新的场景、适配一个新的机型，就必须重新适配，效率难以得到保证；

在同一场景下，全时连续地执行任务也是一个难点，数据回流时断时续，也让数据的飞轮更难运转起来。

要越过三座大山，具身公司必须搭起一个“三级火箭”，用全栈的方式，实现一个系统性的能力升级。

01

什么样的具身模型，

才最可能实现“泛化涌现”？

在多个场景能实现能力的泛化，可以 Few-shot，甚至 Zero-shot 地实现智能涌现，是每一个具身模型落地应用的重要指标。

要实现面向开放世界的通用具身模型，就需要更大的数据规模、更先进的架构，以及更强的开放世界泛化能力。

2026 年 7 月 9 日，原力灵机在北京主办了 Action 2026 开发者大会。会上，公司推出了他们独立自研的具身基础模型——“DM0.5”，正式向卡住了具身实际落地的模型问题宣战。

这个 4B 参数规模的模型，背后是 5 万小时包含百余种丰富动作的真机数据，加上了 10 万小时的场景视频，让 DM0.5 在前面提到的三大任务和六类机器人选型上都有数据支持，可以覆盖日常出现的主要场景和任务。

之所以说，DM0.5 更有希望让具身机器人在场景中落地，首先最核心的，就是它强大的泛化能力。

检验泛化能力最重要的指标，就要看模型在 Zero-shot 和 Few-shot 的能力。今天，不少公司 Demo 相当好看，却都是在给定任务上进行过无数次“排练”的“表演——而现实世界没法被穷举，面对未进行任何训练的目标任务，具身模型必须要能够举一反三。

在这种环境下，DM0.5 的能力也相当能打，相较先前的 DM0 版本，Zero-shot 的导航成功率提升了 31%，Few-shot 的成功率提升了 45%。模型可以在没有专门受训的情况下，完成“看懂目标——做出动作——跨本体将语言与视觉统一成执行结果”的流程闭环。

有了更强的“举一反三”能力，模型要实际进入场景，Fine-Tuning（模型精调）也是相当重要的必修课。

DM0.5 的 Fine-tuning，不仅支持 4090 的消费级显卡，成本下降了 60%，成功率还反而提升了 20%，最快 18 小时即可完成一个下游任务的部署。推理上，DM0.5 的效率也令人艳羡——在 4090 上的响应速度仅有 90 ms，在 H100 环境下，响应速度更是达到了 50 ms 的优秀成绩。

在面向真实工业和真实场景的真机 Benchmark 中，RoboChallenge 是被不少业者承认的榜单。面对 30 个复杂任务、4 种异构机型的挑战，DM0.5 的成功率达到了 43%，以 54.42 的总得分拔得头筹。

除了 RoboChallenge，DM0.5 在 LIBERO 的综合表现达到了 99.10%（Clean 场景: 94.1% / Random 场景: 94.4%），并且在 RoboTwin 2.0、R2R、RxR 三个榜单中以很大优势领跑。通过更强的上下文工程，DM0.5 也实现了长达 60 秒的原生记忆，来对抗传统具身模型“走一步忘一步”的尴尬。

在典型的桌面清理场景，DM0.5 驱动的机器人能够记得物品的来处，以便可以精准地将其放回原位。除此以外，在人类的示范之后，DM0.5 也可以让具身机器人立刻和示范行动对其，并且跟随完成复杂任务，让使用者可以不必多费口舌，把人机交互又一步完成了简化。

桌面保洁：记得来处，才能放回原处。最后，DM0.5 也通过结合高阶大脑（系统2）和直觉反射（系统1），实现针对相机扰动、人类动作更强的抗干扰性能；而其“多任务+多机型”训练方式，更能让 DM0.5 在不同的本体上实现更快的适配，无论双足、轮式、单臂、双臂、灵巧手都不在话下，覆盖导航、抓取、全身控制的三大核心任务。

今天，DM0.5 已经在 GitHub 上开放了官方仓库，在 HuggingFace 也上线了 DM0.5 模型权重和官方 Blog。而在一周后，原力灵机也将正式向 LeRobot 社区提交核心代码，并面向全行业公开深度技术报告，用生态开源的方式，把更优秀的具身大脑向市场提供。

如果说，过去的具身范式，是“执行固定指令、单次动作重复”；今天，在 DM0.5 的驱动下，具身智能正在向“理解意图、多维连续泛化、长时可靠运行”完成跃升。

而强大的模型，只是具身跨越“三座大山”的“第一级火箭”，而全栈的能力，才是补全具身落地的一块重要的拼图。

02

为什么只有全栈，

才能让通用具身更好地落地？

如果说，具身模型可以通过 Scaling Law 实现线性的可见提升；那么全栈能力，则是对具身公司的一场逃不开的“大考”。

具身要落地，只有模型显然不够，没有性能更好的本体、更好用的工具链、更好的多机器人协作系统，具身就没法真正成为用户可用的生产力，在实际场景中发挥实际用途。

面对这场大考，原力灵机也做足了准备。

给“大脑”一个更强大的“身体”，原力灵机推出了通用具身本体 2.0-Apex。

DM0.5 能够兼容更多形态的本体，2.0-Apex 则干脆将机器人的诸多部件进行了解耦设计，让用户可以根据自己的需要，一分钟内对底盘、手臂、灵巧手和夹爪等部件进行热插拔，实现“十八般武艺”的样样精通。

算力上，2.0-Apex 的底层算法采用 1k HZ 高频控制，让基础动作安全丝滑；端侧搭载了 Thor 的顶级芯片，让本体高频的实时推理成为可能；同时，针对复杂决策和逻辑规划，通过 WiFi 7 的高速天线，2.0-Apex 也可以无缝连接云端大模型，让具身机器人的更高智能无需等待。

除此之外，由腕部相机和激光雷达组成的 360° 无死角感知、毫米级末端定位的强大夹爪、1000 小时以上的 MTBF（平均无故障工作时间）、30 秒不停机的快速换电等等方面，都是原力灵机本体工程的“基础操作”，让本体可以更易量产，在工业、物流等真实复杂场景，承担更高强度的作业。

大脑和身体齐备，开发者要把具身机器人用到实处，一套工程化、系统化、平台化的支持层也必不可少。为此，原力灵机也推出了开发者平台 DexDev，一次打出 DFOL 2.0、DexOs 和 MaaS 的“三板斧”，给具身落地提供保姆级的保驾护航。

对待具身机器人，今天的产业界总是“既要又要”，高成功率、高节拍、高鲁棒性缺一不可。DFOL 2.0，这套世界模型驱动的闭环强化学习框架，也就在原力灵机的手下应运而生。

DFOL 的 1.0 版本，原力灵机已经让“具身原生应用的量产工作流”成为了现实；而到了 2.0 版本，公司想要的，则是让世界模型成为更高保真的仿真器，直接把强化学习放进虚拟世界跑通。

为了实现这个效果，公司还同步推出了通用具身世界模型 DW0.5。与刚刚提到的 DM0.5 只有一字之差，DW0.5 的仿真能力更强。在 DFOL 2.0 的运行闭环中，DM0.5 提供的是初始动作块和基础策略，DW0.5 则可以在线批量生产 Rollout 1 到 Rollout N 的视觉轨迹预测，来还原未来世界的状态，负责评估的“教练员” CFG-RL 则根据轨迹，进行通用任务的进度评估，并将打分结果与奖励信号实时回传，来更新模型权重，实现具身智能的自我演进。

一句话总结，DM0.5 负责输出动作，DW0.5 则负责模拟，CFG-RL 负责打分，打分的结果则可以用于模型的下一步优化。

这样，DFOL2.0 不仅把整体的训练成本降低了 40%，复杂真机任务（比如打气球、晾衣服、调酒等）的成功率也得到了显著提升。不仅如此，这套闭环的强化学习链路，还通过极大降低了真机训练数据的需求，顺便解决了硬件的损坏和优化问题，让强化学习的规模化成为了可能。

和 DM0.5 一样，DW0.5 和 DFOL 2.0 也同样加入了原力灵机的开放生态，前者已经正式开源，后者也正面向全球开发者开放使用。

要实现一脑多形，最理想的方式当然是无论何种机型，都可以实现一键接入。原力灵机的具身操作系统 DexOS 则专为打破机型的壁垒被设计了出来，通过 ECP（Embodied Control Platform）的多层级系统协作，开发者只用几行 Python，就能实现机器人的连接、感知获取、模型推理与动作执行。

而面对更大的开发者群体，原力灵机发布了行业的首个通用具身 MaaS 服务，不仅支持通用的具身模型，也可以支持满足特定场景的定制模型。开发者可以登录一站式的可视化数据及模型管理工作台，并上传 LeRobot v3 格式的数据集，进行私有数据的联合训练，价格仅在 1 元/百万 token 左右。

有了本体和开发平台，原力灵机还不想止步于此。面向多机器人协作的关键场景，他们手搓了一套给具身智能设计的“Harness 框架”——Ferrata（飞拉达）。

然而，在真实、复杂的物理场景下，单一功能的机器人本体能力再强，也往往难以胜任所有工作。多个机器人一起协作，就难免“打架”，这也让机器人的大规模部署成为了具身落地的重要卡点。

在 DM0.5 和 Realtime-VLA 的支持下，Ferrata 设计了一套机器人分层作业的架构，把标准自动化、具身执行和人工接管的任务进行拆分，来明确日常作业的分工，并以此实现自动化的异常管理和物理容错。

这套架构，在降低了客户部署的成本之余，还通过多机器人大规模部署的方式，建立自己的数据飞轮，结构化记录实际生产的高质量数据，以持续反哺 DM 系列大模型的能力进化。

03

如何穿越具身技术与产业周期

回顾一开始说到的，要翻过具身落地的“三座大山”，原力灵机在 Action 2026 的开发者大会上，都一一给出了解法。

• 模型能力限制具身落地效果，原力灵机就通过更大的数据、更优的架构做更好的泛化性能，来给具身提供更强的智能动力；

• 集成开发太复杂，原力灵机就给开发者提供更易用的一站式开发者平台，来提升机器人在具体场景里的表现；

• 全时连续作业效率低，原力灵机则用多机器人协作的 Harness 框架，来把模型送进产业场景，让客户用得多快好省。

本质上，一个产业从出生到落地，必然会经历一个先“炼丹”，再“造车”的路径——当技术路径逐渐收敛，标准化、规模化就成为了产业必须突破的桎梏。

这条路，通用具身自然不能例外，要让机器人真正走进工厂、走进家庭，靠的不会只是某项前沿突破的技术，而是出于对物理世界的敬畏之心，把模型、系统、场景的每一步都进行拆解，再把每一个原子都做到最优。

要做到如此地步，一家公司靠的不只是一时的灵感，更有近乎执拗的耐心与坚持。只有这样，才能穿越具身行业波谲云诡的周期，以先行者和实干者的身份，长久地留在行业中，见证未来的到来。

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。