去Action2026原力灵机()开发者大会之前，我和圈里大多数人一样，对这类开发者大会没抱太高期待。
这两年见了太多PPT模型，发布会Demo演得行云流水，拉到真实场景没两天就趴窝，狼来了喊多了，大家都皮了。
结果唐文斌上台抛的第一个点，确实让台下安静了几秒：现在一张消费级4090，18小时就能训出一个能用的下游专家模型。
不是什么A100集群，不是什么百万级的训练服务器，就是普通打游戏用的4090。
那天现场人最多的是切黄瓜的展台，我挤了半天才凑到前面。
机械臂一手拿黄瓜一手拿刨刀，削下来的皮薄得能透字，工作人员把黄瓜拿走的瞬间，它立刻停手，不会拿着刨刀空转。
旁边折纸盒、夹面包、搭积木的几个机械臂，动作也稳，
没有以前看Demo那种”生怕它下一秒就掉链子”的紧张感。
我特意绕到展台后面看了一眼，没有工作人员躲在后面拿遥控器遥操。
这几年看展看多了，好多Demo看起来丝滑得不行，其实展台后面藏着个人拿手柄控，懂的都懂。
散场的时候听见旁边一个做集成的老板打电话，说“别整那些花里胡哨的了，过来看看这个，这个看起来是真能干活的”。
这周WAIC()他们要搞个活动，6台机器人15个小时搭8万块长城积木，
到时候我也打算去现场看看，是不是真的能不卡壳搭完。
这些对人来说连小事都算不上，但对机器人来说，能稳稳当当把这些动作做明白，确实是个信号。
唐文斌说当下具身智能()，正处在大模型演进的 GPT-2 发展阶段。
这个判断我完全认同：2022 年末 ChatGPT 刚面世时，大众只觉得对话、文字生成新鲜有趣，但距离标准化生产力工具尚有距离；
如今的具身智能行业亦是同理，Scaling Law 规律已经充分验证，模型跨场景泛化能力显著提升，行业只差最后一关 —— 大幅降低落地门槛，让中小团队、工厂工程师都能低成本用上成熟体系。
说句实在话，具身智能喊了这么多年，为什么工厂里还是见不到几个真干活的机器人？
核心就是两个字：太贵。
这两年跑了不少数据采集厂，几十个人戴VR设备遥操作机器人，一天下来胳膊都抬不起来，录出来的数据还一堆错，和早年AI标数据的血汗工厂没什么区别。
攒个10万小时就敢开发布会吹自己是行业最大数据集，结果呢？
模型拉到真仓库就抓瞎，压变形的快递盒捏不住，滑手的塑料袋抓不起来，有个人从旁边走过去它直接僵住。
之前好多模型都是这样，实验室跑分一个比一个高，见个没见过的塑料瓶都能抓空，大家心照不宣而已，都是刷榜的刷子。
人工采的数据是死的，你录一万次端标准杯子，到了现场遇到歪的、软的、破的，它还是不会。
说白了，模型学的都是采集员的动作，不是自己在干活里摔出来的经验，永远是在抄作业。
他们有句话说得挺准：没有语言理解能力的VLA()，本质就是数据集复读机。
真正有用的数据，得是模型自己在场景里干活、出错、被纠正，一点点循环回来的活数据，不是坐在实验室里采出来的死数据。
但想拿到这种数据哪那么容易？
之前有三个坎卡着：模型泛化性差，见点新东西就懵；开发太麻烦，换个机械臂就要重写三个月驱动；
就算拉到现场，跑俩小时就死机，生产环境谁敢用？这次他们拿出来的”三级火箭”，说白了就是对着这三个坎一个个拆。
首先最核心的，是把模型本身的门槛打下来了。
这次发的DM0.5，是他们从零给机器人训的原生模型，不是拿文本大模型改的。
参数我就不堆了，4B参数，15万小时多源数据训的，比上一代数据量翻了四倍，参数翻了一倍，H100上推理延迟50ms，差不多是人眨眼的反应速度，几个公开榜单都拿了第一，LIBERO都快被它刷到满分了。
最让我意外的还是成本，微调成本直接降了60%，就是刚才说的，一张4090，18小时出一个能用的模型。
什么概念？
之前这活真的是大厂专属，没个几百万预算想都别想，现在一个三五人的小团队，办公室放台打游戏的电脑，下班前挂个训练任务，第二天来机械臂就学会新活了。
高校玩得起，小集成商玩得起，甚至工厂自己的工程师都能训。
当然，这是官方给的参数，后面我也找他们要了内测资格，等拿到手实测一下看看是不是真这么丝滑，但至少现场的几个Demo，是真的没什么表演痕迹。
成本降下来不是靠砍参数，是磨了不少别人不愿意碰的细节。
比如原生60秒长记忆，行业普遍也就5到10秒，它能记住半分钟前把杯子放哪了，擦完桌子知道放回去，看你演示一遍动作就能跟着学，不是以前那种走一步忘一步的状态。
还有双系统架构，慢系统负责想事、规划，快系统负责条件反射，你就算碰一下它抓的东西，或者镜头晃一下，它也不会直接把东西扔了罢工。
还有轨迹对齐()，之前训模型都是死记硬背时间点，不同人操作速度不一样，模型学的是采集员的节奏，不是干活的逻辑，现在改成对齐整个动作轨迹，终于不用靠背答案做题了。
，时长00:45
效果也实在，没见过的东西直接上手抓的能力涨了31%，给两个例子就会干的能力涨了45%，不管是双足、轮式、单臂双臂，接上就能用，不用换个硬件就重训。
还有开源这事，7月9号放GitHub和Hugging Face，15号进LeRobot，技术报告全公开。
这步走得挺聪明，现在行业连个统一标准都没有，谁先把开发者聚到自己生态里，谁就有话语权，闭源藏着掖着的，最后都成了小圈子玩具。
光有模型还不够，之前好多团队拿着开源模型，干仨月就干不下去了，问题全出在工具链上。
之前和一个做集成的朋友吃饭，他说接了个项目，换了个新出的机械臂，三个工程师调了俩月驱动，钱没赚多少，全给硬件厂商打工了。
之前行业就是个N乘M的死结，N个模型M个机器人，两两适配就要做N乘M次开发，换个东西就要从头来，钱全浪费在重复造轮子上。
这次他们出的三个开发者工具，就是专门填这些坑的：
DFOL2.0解决真机试错太贵的问题。
之前训强化学习最心疼的就是摔机械臂，摔一下几万块没了，现在用他们自己训的世界模型DW0.5当仿真器——这个模型自己拿了WorldArena第一，能高保真模拟物理世界，让模型在虚拟世界里摔几百万次，练熟了再上真机，直接省了60%的真机数据，训练成本降了40%。
DexOS解决适配麻烦的问题。
相当于做了个具身界的通用系统，定了统一的ECP协议，不管什么牌子的机器人，接上去几行Python代码就能用，传感器、驱动、推理全给你封装好，不用每出个新机器人就从头写驱动。
现在天工、华勤、史河这些主流厂商都接入了，之前几个月的适配活，现在几行代码就搞定。
还有个MaaS服务，把具身模型做成了和ChatGPT一样的API，一行命令就能调用，1块钱100万token，连服务器都不用自己买，还和平头哥、摩尔线程这些国产芯片做了适配，不用全盯着英伟达的卡。
说白了，这一套下来，以后做机器人应用，不用懂底层算法，不用写驱动，不用买服务器，你只要知道你想让机器人干什么活，就能做出来东西。
之前是大厂的资本游戏，现在小团队也能进场玩了。
这些都搞定了，最后也是最难的一关：机器人拉到厂里，得能7乘24小时干活，得能帮老板赚钱，不然都是白扯。
这次发的Ferrata，中文名叫飞拉达，本来是登山时钉在岩壁上的保护绳，意思就是给机器人在物理世界系个安全绳，摔了也有人接。
这次他们和Atomix合并的事，不少人说就是凑规模，其实Atomix本来就是做柔性仓储的老玩家，优衣库、蜜雪冰城、宁德时代这些客户都是他们服务的，自研的托盘四向车销量全球第二。
也就是说这个Ferrata不是从零攒的PPT，是在已经跑通的物流系统上加了具身能力，不然也不敢直接进10万SKU的大仓跑测试。
我比较认可的是他们不吹”无人工厂”的牛。
之前好多发布会一上来就喊三年替代一千万工人，我都听乐了，你先让机器人连续跑24小时不宕机再说。
产线不是舞台，不接受反复NG，工厂老板算ROI比谁都精，不赚钱的东西吹上天也没用。
他们就是老老实实地分三层：简单重复的活给最便宜的坐标机械臂干，覆盖50%-60%的订单；异形、软包、破损件这些自动化搞不定的，给带DM0.5的智能机器人干，覆盖到80%-90%；实在搞不定的异常，直接转远程操控舱让人处理，绝对不卡生产线。
算下来18到36个月能回本，账是算得过来的。
而且不管干成干砸，所有数据都流回模型，越用越聪明。
当然，现在说这套方案能解决所有仓储问题肯定为时尚早，目前还只是在头部客户的标杆仓里跑，离大规模铺开还有不少路要走，但至少这个思路是对的，比那些喊口号的靠谱太多。
一起发的Apex机器人，我在现场摸了摸，没有花里胡哨的LED脸，也不会跳舞作揖，关节阻尼感做得很实，一看就是干重活的料。
末端1分钟快换，换个夹爪比换手机壳快；
30秒热备换电，换电池的时候系统不关机，手里的活不中断；
平均无故障时间1000小时以上，连轴转也不罢工；还有个影子模式，正常干活的时候后台就把数据采了，不耽误生产。
全身上下没什么为了拍视频设计的功能，都是产线里能用得上的。
发布会最后唐文斌说，中国具身智能不缺人不缺数据不缺硬件，缺的是对物理世界的敬畏心，是愿意蹲在场景里把活做扎实的耐心。
我跑具身这条线快三年，见过太多起高楼宴宾客，也见过太多项目悄无声息就没了。
这次原力灵机拿出来的东西，至少是踩在实地上的：不玩概念，不喊口号，把模型门槛打下来，把开发工具做顺，把落地的账算明白。
至于能不能真的掀起行业变化，还得看后面开发者买不买账，客户用不用得起来。但至少，这是我今年看过的，最不像PPT的一场具身发布会。
当一张4090真能训出干活的机器人的时候，这个行业，可能真的要变天了。
END –
