现在，机器人的演示总能让人眼前一亮：一次复杂的抓取、一套行云流水的长任务，恍惚间觉得智能的大门就要被推开了。可一旦把它们丢进真正的仓库，画风就全变了。抓不住软包、异形件卡壳、胡乱停机……现场的状况一个接一个。这时候你才明白，光有酷炫的 Demo 根本不够。模型还不够完美，但机器人必须开始干活。Ferrata 想解决的，正是 Physical AI 从 Demo 走向真实现场之前，最缺的那层安全绳。
具身智能的上限已经显露出来了，但下限依然飘忽不定。那些真正愿意为自动化掏钱的工厂和仓库，算的全是硬碰硬的 ROI，不可能容忍产线被一个抓取失误拖慢节奏。由此出现了一个死结：好模型要靠大量真实数据喂出来，可真实场景压根不敢让不完美的机器人进去试错。这个结不解开，大家就只能在实验室里烧钱造数据，或者挑一些容错率高的边缘场景意思意思。
原力灵机推出的 Ferrata 系统，想解的就是这个结。听起来不像“全能机器人”那样性感，但它做的事情更踏实——给还没练好的机器人套上一副“攀岩安全绳”，让它们能在真刀真枪的业务里先干起来，边干边学。Ferrata 是一套让机器人进入真实场景的 Physical Harness：它把业务系统、具身模型、多类型硬件、调度、安全验证、远程接管和数据回流连接起来，让机器人能在仓库、物流分拣等场景里真正开始干活。
这副“安全绳”怎么编呢？Ferrata 把活儿切成了三层，就像搭好了一张保护网。最底下（Level 1）是标准自动化，用那些便宜靠谱的常规硬件应付简单、高频的常规任务，先把经济账盘好。中间层（Level 2）交给具身执行，调用原力灵机的 DM0 基础模型和 Realtime-VLA，让一双灵巧的机械臂去搞定软包装、异性件这类传统设备玩不转的复杂长尾。最上面这层（Level 3）最有意思——人工接管。碰到极端异常，系统绝不让整条线死在那里，而是迅速把任务甩给远程的操作员。人一出手，这一次失败、重试、接管的全过程就被结构化地记下来，反过头来喂给模型，让它下次更聪明。说白了，这套设计的核心就是承认机器人一定会犯错，然后提前把犯错之后的路径规划好，让异常也变成进化的一部分。
很多人马上会想到人机协同，但 Ferrata 更深的意图是，把这种协同做成数据飞轮的底座。过去很多机器人数据是靠在实验室里砸钱“造”出来的，贵不说，还很难覆盖现实世界中稀奇古怪的长尾状况。Ferrata 的思路是反过来：让机器人先创造经济价值，再让这份价值自己“长出”数据。原力灵机的范浩强说过一句大实话：“机器人只有一个指标，就是‘它挣的钱比造它花的钱到底是几比几’。”你想，如果一台机器人在仓库里老老实实拣货、提升效率，客户把账一算、ROI 成立，自然就愿意多装工位、多扩仓库。部署规模一上来，每天涌出的真实作业数据——包括成功、失败、重试、人工接管——就会滚雪球一样越滚越大。这些数据再重新灌进模型和调度策略里，让能力继续进化，去覆盖更刁钻的长尾任务，撬开更多场景。这就是用经济飞轮带动数据飞轮，最后再把模型智能的飞轮转得飞快。
而 Ferrata 绝对不是凭空找场景。就在 6 月 5 日，原力灵机与做物流机器人的 Atomix 搞了一次股权合并。Atomix 一直深耕仓储“存、搬、拣”的完整链条，自研的托盘四向车销量做到全球第二，还调度过 600 多台机器人的超级项目，交付体系非常老练。过去他们包揽了“存”和“搬”，现在 Ferrata 要一把插进最难、最需要具身能力的“拣”——那些中小件拆零拣选，形状千奇百怪，包装软塌塌，SKU 浩如烟海。在某行业头部客户的真实仓库里，Ferrata 已经实测了对超过 10 万个 SKU、日订单峰值数万单的覆盖，7×24 小时连轴转，不仅看准确率，还扛业务波峰、搞异常自恢复。原力灵机表示，这些都已是“商业化可复制条件”，不是一个孤零零的技术秀。
站远一点看，原力灵机的野心就更清楚了。他们今年给自己立了一个具体的标杆：在单个场景里部署 1000 台机器人。随便算一笔账，就算一天只工作 8 小时，一年 260 个工作日，那也是接近 208 万小时的真实作业数据；如果全年不停转，直接逼近 292 万小时。今年行业里对具身数据采集的大胆预测，也不过百万小时级别，而且很大一部分还不是真机数据。可以说，原力灵机正试着在泥泞的现实里蹚出一条路：先让不完全的机器人在严密的保护下创造出真金白银的回报，再让这份回报变成海量真实数据，最后用数据炼出更强健的模型。这或许就是让 Physical AI 从炫酷的 Demo 真正落进嘈杂作业现场的那根“安全绳”。
*头图来源：原力灵机*
热门跟贴