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"原生时刻"

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"原生时刻"
2026年02月10日 13:50 TechWeb

【TechWeb】2 月 10 日消息,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。

机器人智能硬件
新浪科技公众号
新浪科技公众号

“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)

创事记

科学探索

科学大家

苹果汇

众测

专题

官方微博

新浪科技 新浪数码 新浪手机 科学探索 苹果汇 新浪众测

公众号

新浪科技

新浪科技为你带来最新鲜的科技资讯

苹果汇

苹果汇为你带来最新鲜的苹果产品新闻

新浪众测

新酷产品第一时间免费试玩

新浪探索

提供最新的科学家新闻,精彩的震撼图片