机器人基础模型公司 Physical Intelligence 宣布推出 API 测试版（Beta），开发者可通过云端接口调用其前沿机器人模型，目标是让各种形态、各种品牌的机器人都能接入先进的智能能力。Physical Intelligence 由 Sergey Levine、Chelsea Finn、Karol Hausman 等机器人学习领域的知名研究者创立，先后获得贝索斯、OpenAI、Thrive Capital 等投资方支持，估值超过 20 亿美元，是具身智能赛道最受关注的公司之一。该公司此前的代表性成果是 π0 与 π0.5 系列视觉-语言-动作模型，这些模型在来自多种机器人本体的大规模真实操作数据上训练，能够完成折叠衣物、整理桌面、清洁厨房等通用操作任务，部分权重已开源。通过新 API，开发者无需自行训练模型或拥有昂贵的机器人集群，即可将基础模型能力接入自己的机器人硬件，用于抓取、搬运、操作等任务，大幅降低机器人智能应用的开发门槛。业界常将其类比为大模型时代的 OpenAI API：语言模型曾通过 API 走向大众开发者，机器人智能也可能沿同样路径快速扩散。该消息在 Hacker News 发布后引发讨论，焦点集中在 API 的推理延迟、定价模式、以及对自有机器人本体的适配与微调支持等落地细节。
事件分析
技术层面，此事件的关键看点在于机器人基础模型从实验室演示走向标准化服务：API 化意味着多本体适配、实时推理、延迟控制等工程难题被系统性封装，开发者只需关注上层任务逻辑。产业层面，机器人行业的分工或将重构，硬件厂商专注本体与执行器，智能层由模型服务商提供，类似移动时代的安卓生态可能逐步成形。后续值得关注的走向有三：一是 API 能否支持用户上传自有本体数据进行微调，这决定其能否覆盖长尾场景；二是实时控制对网络延迟的容忍度，边缘部署方案是否会跟进；三是开源权重与 API 双轨并行能否同时撑起行业创新底座与商业天花板。若该模式跑通，机器人创业的成本结构将被显著改写。
核心观点：当机器人智能可以像大模型一样按调用计费，行业门槛从硬件制造转向数据与模型，具身智能的平台化竞争正式开局。
原文链接：Hacker News
评论前必须登录！
立即登录 注册