内容摘要：衡宇 发自 凹非寺 | 量子位 | 公众号 QbitAI在具身智能Embodied AI）领域，行业共识尚显模糊，但有一点已成定论：数据飞轮无法有效运转，是制约行业发展的最大瓶颈之一。若遵循Scali

衡宇 发自 凹非寺 | 量子位 | 公众号 QbitAI

在具身智能（Embodied AI）领域，提升行业共识尚显模糊，原力但有一点已成定论：数据飞轮无法有效运转，灵机是登场制约行业发展的最大瓶颈之一。

若遵循Scaling Law（缩放定律），时数具身智能的据出发展同样依赖于更大规模的数据、更高质量的提升数据闭环以及更强的算力支撑。

算力问题的原力解决路径已相对清晰；然而，在数据层面，灵机若追求百万小时级的登场数据积累，仅靠纯人工采集不仅耗时费力，时数更难以承受时间成本。据出若进一步要求数据兼具高体量与真实任务价值，提升难度更是原力呈指数级上升。

理想的灵机破局之道，在于将具身数据的获取模式，从被动的“采集型数据”转变为真实业务中持续产生的“场景型数据”，以此驱动并加速数据飞轮的良性循环。

在这一探索中，具身智能明星创业公司原力灵机（Origin Machine）展现了极强的代表性。其核心创始团队源自旷视科技，拥有大规模AI模型训练、机器人落地及高可靠硬件量产的深厚积淀。近期，公司与物流机器人公司Atomix完成合并，补齐了真实场景侧的关键拼图。

然而，拥有经验与场景并不意味着稳操胜券。若将未经打磨的模型直接投入场景，不仅无法有效吸收数据，更可能导致“消化不良”。

在今日举行的原力灵机开发者大会上，该公司正式推出了新一代具身基础模型DM0.5。

向前，DM0.5旨在承接数据飞轮的高效运转；向后，它连接开发者平台与真实应用场景，构成了后续所有落地动作的核心底座。

15万小时数据淬炼：DM0.5的硬核底座

原力灵机为DM0.5定义的关键词是：更大、更强、更实用。

作为面向开放世界的通用具身基础模型，DM0.5参数量达到4B，较上一代DM0翻倍。

在数据规模上，DM0.5的数据量较上一代基础模型激增400%。这些高质量数据由三大核心类别构成：

1. 真机数据（Real-world Data）

• 规模：5万小时高精度操作数据。
• 覆盖：涵盖100多种丰富动作，实现秒级精细指令与动作的对齐。
• 作用：解决机器人在真实物理世界中执行操作的核心问题。

2. 第一视角数据（Egocentric Data）

• 规模：10万小时Ego数据。
• 能力：使模型具备类似人类的视角理解环境能力，支持毫米级高精度3D Landmark生成。

3. 场景重建数据（Scene Reconstruction Data）

• 规模：100万平方米空间数据建模。
• 作用：构建复杂室内环境，有效缩小Sim2Real Gap（仿真环境与现实世界之间的差距）。

架构创新：从“记住动作”到“理解任务”

除了数据规模的碾压，DM0.5在模型架构上实现了三项关键创新，旨在推动机器人从机械式的“记住动作”向认知式的“理解任务”跃迁。

1. 上下文抽象层（Context Abstraction Layer）

现实场景中的具身任务往往持续数分钟甚至更久，模型必须具备对前序步骤和状态的长期记忆能力。
* 技术突破：通过高效上下文压缩，DM0.5原生支持最长60秒的记忆能力（行业平均水平约为30秒）。
* 价值：精准提取并保留关键历史上下文，理解长周期内的动作与环境变化，显著减少长程作业中的“断片”现象。

2. 具身思维链任务（Embodied Chain-of-Thought）

传统VLA（Vision-Language-Action）模型多关注视觉输入到动作输出的映射，在复杂场景下易出现盲目试错或卡壳。
* 技术突破：引入任务规划、目标定位、未来状态预测等推理任务，赋予模型“先谋后动”的能力。
* 价值：面对复杂指令时，模型能在内部将大目标拆解为子任务，规划好逻辑顺序后再执行，大幅降低无效动作与失败率。

3. 轨迹对齐层（Trajectory Alignment Layer）

从自然语言指令到机械臂毫米级转动，中间存在巨大的语义鸿沟。
* 技术突破：该层充当“翻译官”角色，推动动作学习从传统的“对点”匹配走向“对齐”理解。
* 价值：帮助模型深入理解运动过程中的内在规律，提升执行的平滑度与准确性。

性能实测：全面超越SOTA，效率显著提升

在数据规模与架构创新的双重加持下，DM0.5在真机与仿真的四大公开评测中全面超越当前SOTA（State-of-the-Art）。

• 全能表现：单模型即可同时支持导航、抓取、全身控制等多类任务。
• 成功率跃升：
• Zero-Shot导航成功率提升31%。
• Few-shot成功率提升45%。
• 微调后任务成功率提升20%。
• 极速推理：
• 整体推理效率提升25%。
• H100平台推理延迟低至50ms。
• 消费级显卡4090推理延迟仅为90ms。

泛化涌现与成本普惠：重新定义“好用”

原力灵机联合创始人兼CEO唐文斌指出，当前具身领域模型众多，但“好用”者寥寥。衡量一个具身基础模型是否“好用”，主要看两点：
1. Zero-shot泛化能力：决定模型能力的上限。
2. 后训练效率：决定模型走向产业落地的速度。

后训练效率：断代式普惠

DM0.5实现了微调成本的断崖式下降：
* 成本降低：微调成本下降60%。
* 极速部署：仅需一块RTX 4090消费级显卡，最快18小时即可完成一个全新下游任务的专家级微调部署。

泛化能力：五大维度的涌现

原力灵机CTO周而进表示，DM0.5已展现出显著的泛化涌现能力，具体体现在以下五个方面：

1. Zero-Shot（零样本能力）

展示模型“未见也能干”的水平。
* 实测：在Franka单臂与Dexmal-Mint上，测试了Pick、Put、Cover、Rotate、Push、Pull、Wipe、Stack等8项核心原子动作，以及涉及颜色、形状、大小、状态、相对位置等复杂指令的遵循能力。
* 结果：在Franka单臂的Move任务中，DM0.5与PI 0.5持平；其余测试项目中，DM0.5大幅领先DM0和PI 0.5。

2. Fine-tuning（微调能力）

展示模型“进场后更会干”的水平。
* RoboChallenge真机评测：在Table30 V2标准下，经过30个复杂任务、4种异构机型检验，DM0.5总分54.42，成功率43%，位列第一。
* 行业纪录刷新：在LIBERO综合表现中达到99.1%（Clean场景94.1% / Random场景94.4%）。
* 部署便捷性：再次验证了仅需一块4090显卡，18小时即可完成专家级微调。

3. 原生记忆（Native Memory）

• 长时记忆：原生支持最长60秒记忆（行业普遍不超过10秒），使机器人能处理长程、多步骤任务，保持时序逻辑连续。
• 视频示教（Video Prompt）：基于长记忆特性，DM0.5可直接理解人类演示视频，实现“看完即学会”的直觉化交互，跨越语言限制。

4. 抗干扰能力（Anti-Interference）

采用双系统架构：Sys2负责高层理解、推理和规划（深思熟虑）；Sys1负责高频动作响应。
* 相机扰动：在外部视点骤变、视角剧烈变化下，仍保持任务执行绝对稳定。
* 人类动作干扰：任务中突遭人类强行打断时，机器人能精准理解当前状态，并自适应修正后续动作。

5. 多本体支持（Multi-Embodiment）

• 跨平台迁移：训练阶段采用多机型与多任务一体化融合，天然具备跨平台迁移能力。
• 广泛适配：轻松适配双足人形、轮式、双臂/单臂机械臂及灵巧手等主流及异构机型（包括Aloha、ARX、UR、W1、宇树G1、天工、华勤、睿尔曼等）。
• 快速部署：面对新未知机型，可实现超快速轻量化部署。

周而进感慨道：“去年具身模型缺乏泛化能力，今天完全不同了。随便拉来一台机器，模型跑上去，你就能直接对它下指令。”

三级火箭：从模型到生产力的完整闭环

具身基础模型要跨越落地的“最后100米”，仅靠模型本身是不够的。原力灵机构建了“三级火箭”体系，确保模型能低成本调用、跨硬件稳定运行并持续迭代。

第一级火箭：DM0.5基础模型

提供泛化的通用具身智能能力。

第二级火箭：DexDev开发者平台

解决模型应用中的复杂问题，针对具身智能早期赛道中模型、硬件、任务、数据割裂的痛点，提供三大模块支持：

1. DFOL2.0（世界模型驱动框架）
2. 由通用世界模型DW0.5驱动，构建具身强化学习与数据闭环。
3. 利用高保真虚拟环境进行低成本、低风险策略训练，替代高昂的真机试错。
4. 真实场景作业与失败数据持续回流云端，实现基础模型自主迭代。

5. 成效：真机训练数据需求下降60%，训练成本降低40%。

6. DexOS（具身通用操作系统）

7. 定义标准化ECP（具身控制协议）接口。
8. 屏蔽底层异构硬件差异，将复杂的“N×M”适配难题降维为“N+1”统一对接。

9. 确保DM系列模型低成本、低延迟地跨硬件稳定部署与实时控制。

10. 具身MaaS服务（Model as a Service）

11. 行业首个具身通用MaaS服务。
12. 将DM系列能力一站式封装，开发者无需从零训练或啃硬件适配，即可一键调用泛化能力，完成机型部署与升级。

第三级火箭：Ferrata多智能体混合作业系统

当单机能力规模化后，多机协同成为关键挑战。Ferrata旨在解决多目标、多模型、多硬件之间的系统级调度问题。

• 系统级调度：依托DM系列模型与Realtime-VLA，建立目标、模型、多形态硬件和安全边界之间的调度机制。
• 持续运行：通过任务分级、异常处理、人工接管和数据回流，确保机器人在真实环境中持续稳定运行。

结语：耐心与坚持，穿越周期

从DM0.5基础模型，到DexDev开发者平台，再到Ferrata场景作业系统，原力灵机打造的“三级火箭”体系，全面打通了具身智能从实验室走向生产力的路径。

当前的具身智能领域，不缺顶尖人才，不缺海量数据，更不缺精密硬件。缺的是对物理世界的敬畏心，以及愿意长期扎根的耐心。

具身智能要想真正跨越属于自己的“ChatGPT时刻”，靠的是脚踏实地把每一个粗糙、复杂的场景死磕到底的坚持。

“持续打造极致的产品，穿越具身智能的技术周期与产业周期。”这是原力灵机的锚点，也是其前行的方向。