news 2026/4/23 19:23:38

模型、框架、应用量产工作流,原力灵机三箭齐发开启具身智能元年

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
模型、框架、应用量产工作流,原力灵机三箭齐发开启具身智能元年

2 月 10 日,以“具身原生”为主题的原力灵机技术开放日在北京中关村展示中心举行。

在这场被称为“最硬核的具身产品发布会”上,原力灵机一举发布三大核心产品:全球首个具身原生大模型 DM0、具身原生开发框架 Dexbotic 2.0、以及具身原生应用量产工作流 DFOL。

“2026 年不是具身智能的元年,而是具身原生的元年。”原力灵机CEO唐文斌在现场表示:“过去大家在争论用哪个大模型来改,我们直接跳出这个问题——为什么要改?为什么不从第一行代码就为机器人而写?”

全球首个具身原生大模型 DM0,2.4B 参数量登顶全球真机评测

原力灵机认为,不仅仅是一个“能在机器人上运行的大模型”,而是一个“智能本质和形成机制都根植于物理交互的新AI范式”。

基于此,原力灵机在业内首次提出“具身原生”概念:具身智能从诞生之初就需立足真实世界,聚焦“复杂环境中精准完成人类任务”,并发布全球首个具身大模型 DM0。

DM0 具有两大优势:一是从0开始训练的具身原生大模型,联合阶跃星辰联合训练,除了深度融合多模态互联网信息外,还涵盖驾驶行为数据、机器人操作、导航等具身场景特有的多传感数据。二是 DM0 没有把模型限制在单一硬件或特定场景,而是在预训练阶段系统混合抓取、导航、全身控制三类核心任务,并覆盖 UR、Franka、ARX、UMI、Aloha、R1-Lite、Realman、DOS-W1 等8种差异显著的机型,获得强跨机型的泛化与迁移能力。

DM0 仅 2.4B 参数量,却实现了业内最高的智能密度,尤其在精细操作场景中表现突出。不同于市面上多数 VLA 模型仅有 224-384 像素的输入分辨率,DM0 专属 768×768 高分辨率设计,实时推理延迟仅 60ms,在工业级精细作业中表现优异。

DM0首创广义动作解锁复杂任务。DM0构建空间推理思维链,把环境感知、任务理解、运动规划与精细执行串成闭环,使模型能够在复杂真实场景中稳定完成高精度操作,实现机器人的动作不局限在手上,拍照和发送指令一样行。

在 RoboChallage 真机评测中,DM0 获得单任务与多任务双项第一,目前位居榜单全球第一。为推动产业协同,原力灵机宣布DM0全面开源,开发者可在消费级显卡上便捷微调、二次开发,助力科研工作者搭建专属应用、训练自有模型及产品。

夯实具身基础设施,Dexbotic 2.0 打造具身智能的 PyTorch

基础设施是技术迭代效率的根本,也是一家AI公司真正的竞争力,原力灵机重磅发布全球首个具身原生开发框架Dexbotic 2.0。原力灵机合伙人汪天才表示,"PyTorch让每个研究者都能快速验证想法,Dexbotic 2.0要做的是同样的事——让每个开发者都能用乐高式的方式搭建自己的具身应用。"

相比去年发布的1.0版本,Dexbotic2.0实现了具身原生的全面升级,具备五大核心优势:模块化架构,将具身智能系统拆成三块可自由组合的“乐高模块”,V(Vision encoder)、L(LLM)、A(Action Expert)模可以独立升级、替换和混搭,便于快速试验新模型,并适配不同硬件和任务场景。

同时全面支持多源数据混合训练,用同一套训练过程,让模型同步学会“看懂世界”和“动手操作”;此外,Dexbotic 2.0还实现统一具身操作与导航、统一模仿学习与强化学习、标准化具身开发全流程,从“数据—训练—评测—硬件”四个环节形成闭环。

目前,Dexbotic 2.0已经服务数十家机构,包括清华、北大、普林斯顿、帝国理工等知名企业,以及腾讯、北京具身智能机器人创新中心等知名企业,覆盖超千位研发者。

正如 PyTorch 曾为深度学习社区提供统一、开放的基础设施,加速整个领域的繁荣,原力灵机联合清华大学、无问芯穹,共同宣布打造具身智能的 PyTorch,Dexbotic 2.0与强化学习框架 RLinf 达成战略合作,旨在降低开发门槛,让研究者与开发者专注于算法创新与场景突破。

规模化落地:破解工程痛点,DFOL解锁具身应用量产工作流

在夯实具身原生技术底座、打造基础设施降低开发门槛的基础上,原力灵机进一步推动机器人走进工厂,实现具身规模化场景落地,原力灵机发布具身应用量产工作流 DFOL(Distributed Field Online Learning),核心是通过“硬件通用+模型智能”的模式,使机器人既能保持较高效率与确定性,又拥有接近人类的灵活性和适应性。

DFOL 关键创新在于数据回流机制:现场产生的训练片段(episode)与负样本块(negative chunk)实时回传云端,形成“云端训练-现场执行-数据回流-模型更新”的持续进化闭环,使系统能够在真实工作环境中不断自我改进,实现柔性生产力的持续优化。这不仅是一次技术升级,更是创造真实商业价值的关键一跃,有利于打破非标自动化与人工的边界,推动物理智能真正走向规模化和普惠化。

从 DM0 打破行业“改模型”的路径依赖、以 2.4B 参数量登顶全球真机评测榜首,到 Dexbotic 2.0 联合 RLinf 准备扛起具身智能的“PyTorch”大旗、破解研发壁垒,再到 DFOL 打通工程化难题、变现技术落地闭环,原力灵机抛出的“三枚炸弹”,对具身智能产业进行全方位重构。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/23 17:51:43

从Sora、谷歌Veo、字节Seedance到Kino视界:AI视频下半场竞争逻辑

又到一年春节时,马上过年了。不知大家还记不记得去年春节期间横空出世的AI视频工具Sora2。过去一年,AI视频几乎是在一夜之间完成“破圈”的。Runway让普通创作者第一次感受到视频生成的即时性,OpenAI旗下的Sora,把镜头语言与叙事连…

作者头像 李华
网站建设 2026/4/23 15:46:36

回归测试压力大怎么破?10款测试用例管理工具对比与选型建议

本文将深入对比10款测试用例管理工具:PingCode、TestRail、Zephyr、Xray、PractiTest、Tricentis qTest、Azure DevOps Test Plans、Qase、TestLink、TAPD。一、省事还是踩坑?测试用例管理这件事,很多团队起步都靠表格和文档。短期看省事&…

作者头像 李华
网站建设 2026/4/23 9:44:08

世毫九实验室·递归对抗引擎(RAE)商业价值完整版报告

世毫九实验室递归对抗引擎(RAE)商业价值完整版报告一、核心定位:AGI安全与认知进化的底层基础设施世毫九递归对抗引擎(Recursive Adversarial Engine, RAE),是以递归对抗动力学(RAD)…

作者头像 李华
网站建设 2026/4/23 11:14:36

hcomm:异构计算分布式通信加速器深度解读

在人工智能爆炸式发展的今天,训练和部署大型深度学习模型已成为常态。这些模型往往拥有数亿乃至数千亿的参数,在单一计算设备上进行训练或推理不仅耗时巨大,甚至在内存上都难以满足要求。因此,分布式计算,尤其是分布式…

作者头像 李华
网站建设 2026/4/23 17:53:34

从0到1做提示A_B测试:架构师的实战指南(附模板)

从0到1做提示A/B测试:架构师的实战指南(附可复用模板) 一、引入:你可能正在经历的“提示优化困境” 凌晨3点,你盯着电脑屏幕上的客服AI对话日志,眉头紧皱—— 上周刚把提示词从“请友好回答用户问题”改成“作为XX电商客服,需先确认订单号再解答”,用户转接人工率下降…

作者头像 李华
网站建设 2026/4/23 14:09:57

中国汽车工程学会:汽车智能座舱分类指南 2026

这份由中国汽车工程学会联合大众汽车(中国)等单位编写的《汽车智能座舱功能分类指南》,聚焦汽车智能化发展趋势,填补了行业内智能座舱功能统一分类标准的空白,系统梳理了智能座舱的功能体系、技术支撑、市场现状及发展…

作者头像 李华