具身智能到了「API 时刻」:机器人能力开始像软件一样被调用
解读 2026 年 10 月起 Physical Intelligence、Dream Labs、原力灵机相继开放机器人模型 API 的信号,看懂具身模型从演示视频走向开发者可用的门槛在哪里。

结论先行
机器人基础模型正在变成可以注册、可以付费的 API。但这一步比语言模型开放 API 重得多:延迟要算、安全要自己兜、出错要能接着做完。
本文先摆三家已经开放的服务形态,再讲为什么是现在、活儿怎么分,以及想上手该按什么顺序准备。
一、行业信号
2026 年 10 月到 11 月初,三家把机器人基础模型摆到了可以注册、可以付费的位置。
| 时间 | 事件 | 官方页面 |
|---|---|---|
| 10 月 13 日 | Physical Intelligence(π)开放 Pi API beta | https://www.pi.website/blog/api-beta ↗ |
| 10 月 19 日 | Dream Labs 公开 Dream API 与 Dream-1 | https://dreamlabs.ai/research/dream-1/ ↗ |
| 11 月 3 日 | 原力灵机升级 Dexmal MaaS,新增后训练通道 | https://maas.dexmal.com/ ↗ |
三家的服务形态不一样,先把这几点记清楚:
- Pi API beta:开发者上传自己机器人的示范数据,在 π 的算力上微调,再通过托管网关做推理。官方博客把流程写成「上传数据、微调模型、在你自己的机器人上跑推理」。价格、面向哪些机器人、什么时候正式开放,官方都没公布,只能排队(https://www.pi.website/waitlist ↗ )。
- Dream API:按机器人工时计费。Dream-1 每小时 3 美元,Dream-1-flash 每小时 2 美元;每次调用返回 1.6 秒动作,一小时是 2250 次调用,折算每次动作约 0.0013 美元,flash 约 0.0009 美元。
- Dexmal MaaS:模型调用、在线后训练、定制模型托管放在同一个平台。11 月 3 日这次升级把后训练拆成三条通道:SFT 学基本动作,DAgger 学从错误里恢复,RECAP 针对反复出现的失败做强化后训练。平台还接了数据服务(Ego 数据、HandPose API、任务语义标注)和 LeRobot v3 格式数据集上传。
二、为什么这一步比语言模型开放 API 重得多
机器人调用云端模型,要处理的不只是延迟。模型得先适配自己的身体,关节数量、夹爪形状、相机位置不同,同一条指令对应的动作就不同;执行出错时,任务还得能接着做完。
这些在产品里都有对应说明。π 在官方博客里写明,早期部署覆盖日本、瑞士和美国,多数跑在云端托管推理上,并直接点出「部分部署遇到网络连通性问题」。
Dream Labs 的服务条款写得更硬:第 4.4 节说明这是实验性 beta research preview,输出可能出错、迟到或不完整。
第 10.2 节要求接入方自备不依赖网络和服务的本地安全控制,能把机器人置于安全状态。
第 10.5 节的默认限制限定了单手速度、夹爪力度、启动斜坡和关节角;第 10.7 节写明服务仅限研究、评估与开发使用,且机器人运行时人不得进入危险区域,除非另签书面协议(https://platform.dreamlabs.ai/legal/api-terms ↗ )。
模型开放出来只是开始,能不能安全地用起来由接入方负责。
三、为什么是现在
能力前提:跨本体迁移
过去换一个机器人,等于重写一遍算法、重新采数据。现在可以借用通用模型的物理常识,把新增投入压在自己的机器人和任务上。
能查到的数字有三组。
- Dream Labs 官方公布,Dream-1 在仿真里跑过 27 台没见过的机器人,每个本体 300 次 rollout(150 次 50 个任务、150 次 150 个任务);真机侧是 4 台机器人、21 段视频,其中包括一台 18 年前发布的双臂研究机器人 PR2。
- π 的 openpi 仓库把 π0、π0-FAST、π0.5 三个权重按 Apache-2.0 开源,基础模型预训练用了 1 万小时以上机器人数据。仓库 README 里有一句提醒:π0「可能对你有用,也可能没用」,演示用的 checkpoint 是针对特定机器人训的,换机器往往还得用自己的数据再微调(https://github.com/Physical-Intelligence/openpi ↗ )。
- 原力灵机 OpenDM 仓库给出的对比表里,DM0.5 在 LIBERO 成功率 99.0%,RoboTwin 2.0 Clean 为 93.6%,RoboColiseum 指令跟随 0.8444;同一张表里 π0.5 对应 96.9%、82.7%、0.746(https://github.com/dexmal/opendm ↗ )。
能力前提:通用操作与序列指令
延迟是云端推理最直接的约束。π 在 2025 年 6 月公开的实时动作分块(RTC)研究给了可复现的数。
π0.5 同步推理的模型延迟 76 毫秒,RTC 是 97 毫秒,局域网远程推理再加 10 到 20 毫秒。
RTC 在注入 200 毫秒额外延迟后表现基本不变,同步推理则明显下降(https://www.pi.website/research/real_time_chunking ↗ )。
原力灵机 DM0.5 的官方技术博客给的本地推理数是:默认 10 步 Flow Matching 生成一个 50 步动作块,RTX 4090 单卡 10Hz,H100 单卡 20Hz,架构上最长支持 60 秒记忆(https://www.dexmal.com/blog/dm0.5/index.html ↗ )。
成本账要自己算
机器人模型现在有第三方评测可以对照。Robocurve 是一家做机器人能力评测的公益公司,在 RoboDojo-RC Tier 1 上给出的数据(2026 年 10 月 18 日报告,CC BY 4.0):
| 模型 | 平均分 | 每次尝试成本 | 每次尝试耗时 |
|---|---|---|---|
| Dream-1 | 59.3% | 0.15 美元(托管推理) | 1.5 分钟 |
| Gemini 4 Argon (high, priority) | 48.2% | 2.34 美元 | 20.5 分钟 |
| Opus 5.5 (high, fast) | 38.2% | 2.23 美元 | 3.1 分钟 |
| GPT-6 Astra (high, fast) | 42.5% | 3.48 美元 | 4.0 分钟 |
来源:https://robocurve.org/ ↗ 。这是该基准 RoboDojo-RC Tier 1 的结果,报告日期 2026 年 10 月 18 日,CC BY 4.0。表里的模型名后缀(high、fast、priority)是 Robocurve 自己的标记,代表不同的推理档位。
这张表里的「每次尝试成本」和「每次尝试耗时」比发布视频更接近实际使用。一个任务失败重试十次,按量计费的差距会被放大。
微调同样在计费。Dream Labs 的 Fine-tuning-as-a-Service 按次收费,开发者控制台显示微调一次 200 美元,定制模型之后按基础模型的同一时薪计费。这个数字来自第三方对开发者控制台的记录,控制台需要登录,我没有直接打开页面核对。
四、活儿怎么分:本体、模型、开发者
| 角色 | 负责什么 | 可查的凭据 |
|---|---|---|
| 本体厂商 | 身体可靠性、成本、量产 | 机器人售价与寿命 |
| 模型厂商 | 泛化、后训练支持、托管推理 | 榜单成绩、每次尝试成本 |
| 开发者 | 场景理解、真机调试、数据采集 | 自己的成功率与作业节拍 |
原力灵机披露过两个落地数字:物流供包场景的桌面机器人综合作业节拍超过每小时 1200 件、整体成功率超过 99%;部分真实场景的原子任务测试做到 100% 成功率。这两个数是厂商自述、媒体转述,未见第三方复现,评估时按「待验证」看待。
五、想上手,按这个顺序
-
先判断手上有没有机器人。没有本体,Dream API 的零样本控制未见机器人值得试(文档:https://platform.dreamlabs.ai/ ↗ ),但 Dream-1 目前只做双臂平行夹爪的桌面任务,轮式移动机器人和灵巧手不在支持范围。
-
有本体但没有 GPU:Pi API 的候选名单值得排(https://www.pi.website/waitlist ↗ ),训练算力由 π 出。
-
有 GPU 想自己跑:openpi 仓库的硬件门槛写在 README 里。
模式 显存要求 示例显卡 推理 大于 8GB RTX 4090 LoRA 微调 大于 22.5GB RTX 4090 全量微调 大于 70GB A100 80GB / H100 官方只在 Ubuntu 22.04 上测过,也不支持多机训练。
-
采数据这一步照厂商指南做。Dexmal MaaS 支持 LeRobot v3 格式数据集上传(格式说明:https://huggingface.co/docs/lerobot/main/en/lerobot-dataset-v3 ↗ ),Dream-1 的微调服务用的也是同类示范数据。
六、给关注者的三个观察点
- 跨本体迁移看第三方榜单,不看发布会视频。Robocurve 和 RoboColiseum 都是公开可查的。
- 失败处理看有没有后训练入口和重试策略。π、Dream Labs、原力灵机三家都给了,区别在于是否把数据采集指南一并交出来。
- 计费看是不是按机器人工时。按调用次数或按 GPU 时长算的,失败重试的成本要另算。
怎么分辨这一步是真的
- 把自己机器人的关键参数(关节数、夹爪类型、相机位置)与厂商支持列表对照
- 用 Robocurve 同一张表里的「每次尝试耗时」估算一个具体任务跑一遍要多久
- 找一份失败的示范数据,让厂商模型从失败状态恢复,看能不能续上
资料来源与未核实项
| 页面 | 本节用到的内容 |
|---|---|
| 本文依据下列官方页面与第三方评测整理 | π 的 API beta 博客与候补名单页、openpi 的 GitHub README、原力灵机 DM0.5 技术博客与 OpenDM 仓库、Dexmal MaaS 平台页、Dream Labs 的 Dream-1 发布页与 API 条款、Robocurve 的公开榜单、LeRobot v3 数据集文档。文中所有价格、延迟、成功率、显存要求都来自这些页面。 |
| 本文依据下列官方页面与第三方评测整理 | 本文引用页面上的全部内容。 |
| 本文依据下列官方页面与第三方评测整理 | 本文引用页面上的全部内容。 |
| 本文依据下列官方页面与第三方评测整理 | 本文引用页面上的全部内容。 |
未核实项:
- Pi API 的价格、正式开放时间、支持哪些本体,官方博客没有公布,本文不写。
- Dexmal MaaS 的具体定价:官网有定价区块,抓取时该区块没有加载出数字,且控制台需要登录,因此未核实。
- Dream Labs 微调 200 美元一次:来自第三方对开发者控制台的记录,未能登录控制台核对原文。
- 原力灵机的 1200 件/小时、99% 成功率、原子任务 100%:厂商自述、媒体转述,未见第三方复现。
- Dream-1 在 27 台仿真机器人、4 台真机上的成绩:厂商自测结果。
- Dream-1-flash 每小时 2 美元:以官方发布页为准;部分媒体报道写成 0.75 美元,与官方页不符。
- 本文没有接入任何具身模型 API 实测,也没有真机。
对机器人或具身智能有基本兴趣;了解基本的模型服务概念
适用范围:Physical Intelligence API / Dream API / Dexmal MaaS(2026 年 10-11 月)
以下来源方便你逐项对照;引用文档不代表已经完成实际操作测试。 本文标注为 AI 辅助起草。
- 极客公园 2026-11-09 报道,三家 API 开放情况与能力描述均来自原文。
- 核对了什么:本次只做表达层改写(拆长段落、结论前置、删重复与填充句),数字、型号、版本、日期、URL、官方表述、否定表述(没有/不支持/不含)以及限制条件全部保留;改写前后用脚本抽取正文里的数字、英文专名与 URL 做集合比对,差集为空,说明没有丢事实。没做什么:没有新增任何事实,没有重新实测文中提到的产品,没有改动正文里已有的表格、清单、代码块与图。
- 核对了什么:正文文字、事实与来源未变,本次只把正文里的 AI 装饰插画换成内容图解;新图解的标签与配色已逐张核对,中文无乱码、无越界。没做什么:没有新增事实、没有改任何数字,也没有实测文中提到的任何产品功能。
- 2026-11-10 补配图后重新核对:正文文字与事实未改,仅在对应小节末尾插入示意图;正文引用的官方来源链接均已实际打开确认可达,插图文件已核对存在并上传到站内静态资源
- 正文新增一张配图:正文文字、数字与来源链接逐项比对无变化
- 极客公园 2026-11-09 报道,三家 API 开放情况与能力描述均来自原文。
- 2026-11-10 仅调整小节标题(「怎样检查」→「怎么分辨这一步是真的」),正文事实、来源与结论未变;来源链接已实际打开确认可达,内容未做事实改动
- 2026-11-10 换图后重新核对:正文文字与事实未改,只把配图换成按该小节内容手写的中文示意图(图里的词就是正文里的词);正文引用的官方来源链接均已实际打开确认可达,示意图文件已上传到站内静态资源
发现内容与当前界面不一致?
提交内容纠错金额随意,多少都帮得上忙。AITime 的资料整理、事实核对和每日更新由个人完成, 没有付费墙,所有内容都可以免费读。
扫码使用微信支付,备注可以留空。
哪个工具卡在哪一步、想给文章补一个真实案例、都可以加我。 留言时写清来源和具体问题,我看到会回。
扫一扫添加好友,备注写「AITime」我更容易认出来。
讨论与使用经验
正在加载讨论…