1元/百万Token！原力灵机把机器人模型做成MaaS服务

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。

一、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。

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。

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。

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DM0，DM0.5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。

二、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。

三、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。

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。