原力灵机发布三项成果 开启具身智能“原生时刻”

  2月10日，以“具身原生”为主题的原力灵机技术开放日在京举行。会上，原力灵机发布三大核心产品：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。

图片来源于网络，如有侵权，请联系删除

图为原力灵机CEO唐文斌在会上介绍新发布的具身原生系列产品

图片来源于网络，如有侵权，请联系删除

  “我们致力于打造智能的、有用的、可信赖的机器人。”原力灵机CEO唐文斌表示，智能是一切的基础，只有智能足够高，才能有用，才能被信赖。我们需要的不仅仅是一个“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”，即“具身原生”。

  会上发布的首个具身大模型DM0，是从0开始训练的具身原生大模型，与阶跃星辰联合训练，除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。DM0在预训练阶段系统混合抓取、导航、全身控制三类核心任务，并覆盖多种差异显著的机型，获得强跨机型的泛化与迁移能力。DM0仅2.4B参数量，但在精细操作场景中表现突出。

  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。

  相比去年发布的1.0版本，会上发布的Dexbotic2.0实现了具身原生的全面升级，同时全面支持多源数据混合训练，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。

  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”。会上，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。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。”

  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。会上，原力灵机发布的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。据了解，DFOL关键创新在于数据回流机制，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，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。

  唐文斌表示，具身原生基础设施是迭代效率的根本。原力灵机构建了从数据、训练和推理、模型、硬件、评测到应用整套体系。这一系列基础设施决定了如何更快速地去迭代算法，迭代出真正的具身智能能力。

  “原力灵机是开源、开放的具身原生技术坚定推进者。”唐文斌说，希望能够通过开源开放的这样一种方式，推动整个行业的技术进步。