研究员｜邱慧

近日，在具身智能企业原力灵机Action 2026开发者大会上，该公司创始人唐文斌说，光靠堆数采，行业走不到具身智能。

原力灵机发布了一整套基础设施全家桶，DM0.5基础模型、DFOL2.0后训练框架、DW0.5具身世界模型、具身智能MaaS服务等。

唐文斌说，真正的Zero-shot(零样本学习)，是要看机器人解决未知任务的能力。比如demo之外，模型面对未见过的场景、任务，还能否work。

原力灵机联合创始人周而进说，DM0.5的泛化力主要体现在，能面对未知对象、场景、拆解复杂任务、适用于多种类本体以及能听得懂人话。

“第一，如果发布会上没有真机演示，这个泛化完全不可信。第二，如果只是演示几个固定、看上去复杂的长程动作，那就是表面功夫。”周而进说，靠铺数据采集量，这不叫 Zero-shot。

打开网易新闻 查看精彩图片

活动现场，DM0.5 驱动的机器人能够实现黄瓜去皮任务，但整体丝滑度还差点意思。算法研发人员告诉我们，日常训练中，DM0.5可以根据人类的示范动作，让机器人立刻示范行动，且跟随完成复杂任务，简化人机任务。

周而进说，原力灵机推出具身通用的Maas服务DexDev开发者平台，是因为目前行业里模型和本体之间非标准化的事件尚未被对齐，好的模型因为不标准化的协议和接口，没有办法快速地在本体上使用。

唐文斌认为，具身数据需要从采集型过渡至场景型。今天的具身智能远没有到ChatGPT时刻，也才是ChatGPT2.0的水平。

具身智能企业一个普遍的做法是，加大规模数据采集量，百万小时、千万小时，逐步累积。“靠采集，走不到具身智能。”

在唐文斌看来，数据采集的边际效应在递减，真正有价值、独特的数据在应用场景中，必须规模化地让机器人被使用。

他介绍，DM0.5拥有4B参数，基于15万小时多源数据训练。其中，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。后者多为丰富模型对人类行为、物体关系等维度的理解。

但回到现实，具身智能如何落地？复杂场景里的任务，机器人无法适应与匹配，数据飞轮卡在了第一环。

唐文斌说，团队为此提出了一项具身智能落地方法论Ferrata，并将其定义为具身智能在物理世界中的Physical Harness。

具体来看，就是把现场任务进行分级。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；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。

他介绍，Ferrata的Level 3就是人工兜底机制，以便于机器人真正进入完整的任务闭环。且人工完成接管后，任务过程、失败原因和处理动作会被结构化记录，ROI 也能算清楚，数据持续回流。

在唐文斌看来，一定要让机器人在场景当中跑起来，才能有数据飞轮，“只有这样，具身智能的那个时刻能够很快到来”。

编辑｜符永康