撕下具身智能的偽裝和炫技，原力靈機點燃具身智能"三級火箭"

撰文｜曾憲勇

出品｜勇礪商業評論 阿桶觀察

"具身智能行業正處在一個關鍵拐點上。Scaling Law已經全面顯現，模型能力正從完成特定任務加速邁向真正的泛化，這是繼大模型之后AI能力的又一次質變。"原力靈機CEO唐文斌表示，但從模型能力邁向真實生產力，行業還需要跨越具身模型應用的門檻。持續的Scaling up，需要推動數據從“采集型”向“場景型”躍遷。這需要更強的通用模型、系統化的落地能力支持。

7月9日，中關村國際創新中心，Action2026原力靈機開發者大會在這里舉辦。

臺下的觀眾看不清站在聚光燈下的唐文斌此時此刻正在想什么。當全行業的具身智能玩家都在拼命向資本證明“我的機器人有多像人”時，原力靈機卻在這個被戲稱為“爆發前夜”的時間點上，狠狠踩下了一腳剎車。

沒有機器人街舞，沒有機器人賣萌。這根本不是一場充滿極客浪漫的開發者狂歡，而是一場把具身智能從潔白的實驗室硬生生拽進泥濘車間的工業大生產誓師會。

2026年，站在具身智能產業從“爆發前夜”走向“產業落地”的交匯點上，原力靈機重磅發布五大新品：通用具身基礎模型DM0.5、通用機器人本體Apex，以及全面支持模型走向規模化應用的開發者平臺DexDev，包括DFOL2.0、MaaS、DexOS三件套，現場還深度展示了面向真實生產場景的解決方案Ferrata 的最新產業實踐。

在我看來，看懂一家科技企業到底在想什么，其實不要看他們發了什么驚天動地的演示視頻，要看他們在試圖解決什么極其枯燥的底層麻煩。

戳破“ChatGPT時刻”的行業幻覺

整個具身智能賽道此刻正彌漫著一種危險的幻覺——大家篤信Scaling Law（縮放定律）已經全面顯現，以為只要把基礎模型喂得足夠飽，機器人就能順理成章地跑到工廠里絲滑打螺絲。

但這是一種致命的傲慢。唐文斌在怕什么？他怕的正是這種脫離物理世界常識的狂熱。在大語言模型的世界里，AI出現“幻覺”大不了是寫錯一首詩、答錯一道題；但在具身智能的物理世界里，機器人一旦出現“幻覺”，代價就是機械臂砸毀流水線，是整個倉儲物流系統的災難性停擺。

正如特斯拉創始人埃隆·馬斯克曾一針見血地扯掉過硅谷的遮羞布：“原型很容易，量產很難。”在具身智能真正迎來屬于它的“ChatGPT時刻”之前，橫亙在行業面前的，是一道由真實容錯率、部署成本和物理常識構成的工程化天塹。

原力靈機此次打出的第一張底牌，就是試圖填平這道天塹的通用基礎模型DM0.5。

這款模型最鋒利的殺手锏，根本不在于單純的參數堆砌，而在于它極其恐怖的“普惠”成本與落地效率。4B（40億）的參數量，在動輒千億參數的今天顯得尤為克制，但這恰恰是唐文斌的精明之處。

在工業現場，沒有老板愿意為昂貴的算力冗余買單，他們需要的是極致的響應速度。DM0.5將推理延遲極限壓榨至50毫秒，這意味著在高速運轉的傳送帶前，機器人擁有了接近人類肌肉直覺的反應節拍。

更讓人不寒而栗的，是它的微調成本。一塊市面上隨處可見的4090消費級顯卡，18個小時，就能完成一個下游任務的專家級部署。

原力靈機通過15萬小時的多源數據深度訓練，把曾經高不可攀的AI開發門檻，直接踩碎在了車間的混凝土地板上。在RoboChallenge真機評測中42%的成功率和LIBERO評測中99.1%的霸榜表現，不再是停留在論文里的冷冰冰的數字，而是可以直接轉化為ROI（投資回報率）的商業資產。

被迫造硬件的“軟件信徒”

然而，如果只停留在模型的狂歡，原力靈機依然只是一家“賣鏟子”的AI軟件公司。模型要真正長出雙手雙腳，中間還需要一套冰冷且繁瑣的系統化支撐層。

這就是原力靈機拋出的“第二級火箭”——包含DFOL2.0、MaaS和DexOS在內的開發者三件套。在這其中，打通大模型與底層硬件“最后一公里”的DexOS通用操作系統，暴露了原力靈機更大的野心。

科技圈一直流傳著阿蘭·凱的那句至理名言：“真正認真對待軟件的人，應該自己制造硬件。”

當原力靈機寫出只需幾行Python代碼就能調度機器人的DexOS后，他們無可避免地撞上了一堵墻：市面上的傳統硬件，根本承載不了具身大模型的爆發力。于是，具身原生的通用機器人Apex被逼了出來。

你從Apex身上看不到任何為了討好碳基生物審美的無用設計。這是一頭完全為了7×24小時殘酷商業運轉而量身定制的“鋼鐵牲口”。單臂臂展1米，末端形態支持熱插拔與1分鐘內閃電快換；底盤支持全向橫移，能在1米的極窄通道內從容調頭。最暴力的細節是，它支持30秒快速換電，且換電期間大腦熱備在線，無需重新初始化。

這就是原力靈機眼中的未來藍領。它不需要長得像人，它只需要在斷電的瞬間完成接力，確保業務流一絲一毫都不被打斷。當其他廠商還在糾結機器人的膝關節用什么液壓桿時，Apex已經把硬件徹底模塊化、解耦化，隨時準備成為流水線上的快消品。

沒有退路的無限游戲

如果說DM0.5是原力靈機的大腦，Apex是它的四肢，那么作為“第三級火箭”的Ferrata多智能體混合作業系統，就是唐文斌捏在手里的終極底牌。

這套專攻倉儲物流的系統，徹底暴露了原力靈機最底層的商業邏輯核心。唐文斌深知，真實的工業場景沒有NG重來的機會。

真實的物流倉儲是一個極其變態的場景，十萬級的SKU、軟包硬盒交織、日訂單峰值數萬單，任何一個死角都可能讓機器人瞬間宕機。

Ferrata的邏輯極其老辣：它不在單一節點上死磕100%的準確率，而是建立了一套可保護、可驗證、可閉環的調度機制。通過低成本硬件覆蓋簡單高頻任務，用具身大模型攻堅長尾異常；一旦出現意外，系統會自動重試或流轉人工接管。

這種承認現階段AI的“無能”，并用系統工程來兜底的做法，真正在復雜多變的業務現場建起了一張容錯與分級兜底的安全網。這種“絕不讓局部異常導致生產線停擺”的保底思維，才是真正懂ToB業務的行家里手才能畫出的架構圖。

通過多設備協同降低綜合部署成本，形成“經濟飛輪”；再通過規模化部署帶來的高頻真實數據反哺模型進化，形成“數據飛輪”。雙輪咬合，原力靈機在這片泥濘中硬生生軋出了一條路。

說到這里，筆者想起此前美團創始人王興曾經做過的一個極為深刻的判斷：“有限游戲在邊界內玩，無限游戲卻是在和邊界，也就是和規則玩。”

在如今具身智能的牌桌上，從來不缺少優秀的算法天才，不缺少海量的泛化數據，更不缺少卷到極致的硬件供應鏈。真正稀缺的，是對物理世界的敬畏心，腳踏實地的死磕精神。

拋開參數堆砌的業界迷局，告別華而不實的實驗室炫技。為了拿到下一個十年的船票，原力靈機需要經歷一場技術的長征，面對一場與長期主義的高端局。（文/曾憲勇）