具身智能迎来API时刻：从炫技演示走向工程化落地

过去评估一个具身模型的能力，通常只能依赖官方演示视频。如今，这种评价方式正在发生转变。

近期，多家技术公司开始将检验权交到开发者手中：通过接入标准接口，直接驱动不同硬件在真实场景中完成作业。

2024 年 10 月，Physical Intelligence（PI）启动了模型 API 测试。开发者可上传自有机器人数据在平台完成模型微调，并依托云端推理驱动机械臂。机器人研发商 Almond 借助 Pi API，历经四天迭代，便让其双臂机器人 Axol 成功掌握了为自身装配零件去毛刺的操作。

同月，Dream Labs 推出 Dream API，开创按作业时长计费的机器人模型推理模式，并配套模型微调服务。11 月初，国内具身智能企业原力灵机升级 Dexmal MaaS，将核心放在场景落地所需的后训练上，使数据上传、训练、部署及针对执行失败的优化能在同一平台闭环。

具身智能正从各家各自宣称突破，延伸到一个更严苛的现实问题：第三方开发者能否真正用这些模型打造出稳定可靠的应用？

具身 API 为何在此时出现？

硬件厂商负责本体，模型企业提供基础能力，开发者深入行业场景构建应用——这一理想分工早已确立，如今得以落地主要得益于两项技术条件的成熟。

首先，基础模型跨本体迁移与零样本泛化能力取得突破。

以往引入新任务意味着针对特定硬件从头采集数据和调试算法。如今，具身基础模型已积累大量物理世界常识与通用操作经验。以原力灵机发布的 DM0.5 为例，模型在零样本条件下即可执行抓取、推移、放置、叠放及擦拭等复合动作，并能准确区分物体的颜色、形状与尺寸。

此外，DM0.5 还原生支持序列指令解析与记忆能力。当指令被拆解为多步连续操作时，机器人能在前序动作完成后，结合当前已改变的环境状态继续执行下一步，同时对光照变化、相机抖动等外界扰动表现出足够鲁棒性。这种泛化能力使公共接口服务具备了通用价值。

其次，端云协同架构化解了算力与时延的矛盾。

持续的环境感知、记忆与长程规划对计算资源要求极高。受限于本体功耗、散热与成本，单纯依赖端侧算力难以承载大型模型。然而，若完全依赖云端推理，传输时延又可能导致动作脱节。

工程层面的解法正逐渐成型。PI 探索了实时动作分块技术，使云端模型计算与机器人当前动作执行重叠；原力灵机则推出轻量化运行时 DexOS Lite，将云端动作预测与本地底层控制连通，内置多步动作执行、推理循环及失败重试机制，有效屏蔽了网络波动对作业连续性的冲击。

接入接口，适配工作才刚刚开始

对于真实生产环境而言，调用基础模型仅仅是起点。机械臂的活动自由度、末端夹爪形式、视角差异，都会让未经适配的模型出现失误。例如抓取鸡蛋时若发生打滑，机器人能否主动调整姿态进行容错，决定了它能否被派上用场。

现阶段，这些边界问题必须通过后训练（Post-training）来解决。

Dream Labs、PI 与原力灵机均将微调入口作为服务标准组件。当机械臂动作失误时，单纯盲目补采数据收效甚微，关键在于明晰补充何种状态演示、如何录制纠偏轨迹。

原力灵机在其 MaaS 服务中加入了标准化的数据采集指引，兼容 LeRobot v3 格式。平台提供可视化的工作台，支持监督微调（SFT）学习示范流程、DAgger 算法在偏差发生时引入人工干预记录，以及通过 RECAP 机制对失败日志进行价值评估并优化控制策略。这让不具备深厚算法背景的场景团队，也能针对性地训练机器人的纠错与自愈能力。

在物流传送线供包场景中，机器人需要持续抓取不同位姿的包裹。据原力灵机披露，基于 MaaS 的定向后训练后，机器人在物流供包环节的综合作业节拍已突破每小时 1200 件，端到端成功率超过 99%，在部分原子任务测试中可达 100%。此外，仓储拆零、手机产线废料回收及打包组装等场景也进入了持续测试阶段。

具身智能进入 API 阶段，标志着行业重心从“模型能演示什么”转向“开发者能用它做成什么”。通用基模的泛化能力结合务实的后训练工具，正在让机器人跨越实验室与工厂车间之间的鸿沟，接受商业投资回报率（ROI）的真实考量。