2026 年的具身智能赛道，迎来了速度与深度的双重考验。

一边是资本的快速堆积，仅上半年，国内融资总额已突破 1050 亿元，远超 2025 年全年 735.43 亿元的水平。

行研机构预测，今年中国具身智能机器人市场规模将突破 110 亿美元，占全球市场份额超过三分之一。

另一边，则是现实的冷水。资本热潮之下，泡沫与落地难题几乎同步放大。机器人表演看起来光鲜亮丽，但一旦进入真实环境，就频频失手。

从能动到能用，仍是一道横亘在行业面前的分水岭。

于是，一个更直接的问题被反复提出：机器人到底能不能真干活？

正是在这个拐点上，成立仅 16 个月的原力灵机，试图给出自己的答案。

作为国内最早提出具身原生、坚持从 0 为机器人训练原生大模型的公司之一，原力灵机在极短时间内便跻身百亿估值行列。

它是赛道中少见的高举高打型玩家，既有明确的方法论，也有极快的推进速度。

时隔 5 个月，在最新的 Action 2026 开发者大会上，原力灵机第一次系统性地亮出了自己的完整拼图。

DM0.5 基础模型、DFOL 2.0 后训练框架、DexOS 操作系统、MaaS 平台、Apex 本体，以及 Ferrata 多智能体系统。

从基础模型到后训练框架，从操作系统到服务平台，再到本体与多智能体系统，一条贯穿模型-系统-执行的路径被整体铺开。

六个模块同时亮相，不只是产品发布，更是一次宣言：具身智能的竞争，正在从谁有模型走向谁有系统。

DM0.5：补齐泛化短板，打造真正面向开放世界的具身基础模型

理解原力灵机这次的模型升级，得先回到行业的一个集体焦虑：泛化。

行业的共识是，具身智能机器人在非结构化开放世界中的泛化能力不足，是其进入真实场景的最大的技术障碍。

机器人能听懂指令，但距离「做到」这一点，还需要它对三维空间、物理因果、动力学规律有深刻的理解。

这种理解，恰恰是当下绝大多数模型缺失的。原力灵机 DM0.5 要解决的，也就是这件事。

先从训练数据来看。DM0 的数据规模约 3 万小时量级，DM0.5 增长到 15 万小时，参数量也从 2B 增至 4B。

但数据量的真正意义不在于大，而在于结构。

15 万小时数据里，包含了 5 万小时真机高精度操作+ 10 万小时 Egocentric 第一视角视频+ 100 万平方米空间场景重建。

三种数据源覆盖了怎么做、怎么看、在哪做三个维度，这是泛化能力的底层燃料。

今年，行业内许多头部玩家都提出了对数据数量的目标，百万小时成为大家的一个共识。

但原力灵机认为，忽视数据质量单纯谈数据量没有意义，高质量数据才能带来高质量智能。

5 万小时真机数据的精度与 10 万小时 Egocentric 数据的毫米级 3D Landmark 标注，才是 DM0.5 区别于行业堆量路线的关键。

在模型架构上，DM0.5 也做出了三个关键创新。

第一是上下文抽象层，原生支持最长 60 秒的记忆能力。60 秒听起来很短，但行业里大部分具身模型连 5 秒的记忆都没有。

像目前行业顶级的模型公司 Physical Intelligence，其模型预训练时的记忆能力大约是 5 秒钟。

有了 60 秒记忆，机器人才能记得来处、准确放回原位这样的长序列任务。

第二是具身思维链，原力灵机定义了 11 项推理任务来驱动模型对指令、本体与环境进行联合建模。

其中特别构造了大量反事实任务，让模型不仅要会执行，还要能判断如果这样做会怎样。

第三是轨迹对齐层，用动态规划算法让动作监督从传统的对点走向对齐，实现一套策略适配不同机器人本体。

这三个创新的本质指向同一个方向：让模型从死记硬背变成真正理解。

最近，行业里有学者提出，需要跳出传统一维 Scaling Law 思维，以数据量×任务量的二维视角重构具身智能研发思路。

原力灵机 DM0.5 的实践某种程度上回应了这一判断，泛化不是把更多任务塞进模型，而是让模型在面对未被穷举的现实世界时依然能够闭环。

这次 DM0.5 的升级同样也有非常亮眼的成绩单。其在 LIBERO 综合表现达到 99.1%，真机评测（Table30 V2）以 43% 的成功率、54.42的总得分，位列第一。

在抓、放、覆盖、旋转、推、拉、擦、堆叠这 8 项原子动作上，DM0.5 实现了 Zero-shot（零样本）的跨越式提升，并打通了跨 6 类机器人本体的适配。

在今天的具身模型叙事里，PI 的π系列模型一直是大家竞逐的参照物，并在各种榜单实现了对 PI 的超越，但真正的超越，得用模型的泛化性来说话。

模型拿来就能用，才是真的好。

在原力灵机的思考中，模型 DM0.5 的发布算是完成了「第一级火箭」的点火。

但只有模型还不够，模型想要走进产业，还需要工程工具、硬件载体和场景方案解决训练、适配、部署的难题。这正是原力灵机接下来要展现的第二、三级火箭。

Action 即 Token，Picking 即 Coding

如果说 DM0.5 证明的是原力灵机会训模型，那接下来他们要向行业证明的，是懂商业。

2026 年被行业普遍视为具身智能商业落地的分水岭。

资本不再追捧实验室里的 Demo，转而追逐工程化交付、规模化落地与持续复购的能力。具身智能要走向生产力，模型能力必须转化为可规模化、好用的服务。

原力灵机用 MaaS+场景解决方案给出了答案。

Action 即 Token，是他们对商业化的理解之一。

大模型以 Token 实现标准化调用，具身智能同样可以沿用大模型的 Token 经济学。

他们推出了行业首个具身通用 MaaS 服务，按照 Token 计费，通用模型： 1 rmb / million token；定制模型： 1 rmb / million token + GPU时长占用费，打破了传统高昂的软硬件定制成本。

开发者无需从零训练，也不用啃硬件适配，一键调用即可获得泛化能力。

但 MaaS 成立的前提，是模型真正用得上。原力灵机选择用 DFOL2.0，一套世界模型驱动的闭环强化学习框架来充当底层支撑。

行业普遍依赖真机强化学习，成本极高、效率极低。

原力灵机的解法是把强化学习搬进仿真，用 DW0.5 世界模型作为高保真仿真器，在虚拟环境中跑通策略再迁移到真机。

结果是真机训练数据需求下降 60%，整体训练成本直降 40%。在打气球、晾衣服、叠纸盒等复杂任务上，性能相比传统 SFT（监督微调）有显著提升。

这套闭环让 MaaS 不仅用得起，还能持续进化。

从云端算力到实体动作，中间还有一道断层，原力灵机选择用统一软硬件来补齐这一层。

DexOS 是行业首个具身通用操作系统，它通过 ECP 协议屏蔽不同厂家机器人的硬件差异，用户只需写几行 Python 代码，就能让不同形态的机器人跑起来。

作为这套系统的身体，Apex 通用机器人本体采用模块化设计：末端工具 2 分钟就能换好，电池 60 秒就能拔插更换，臂展有 1 米，达到工业级标准，平均无故障运行时间超过 1000 小时。

它与 DexOS 深度适配，收到云端发来的任务后，能稳稳地将指令转化为可靠动作。

Picking 即 Coding，则是原力灵机在场景侧的标准化落地逻辑。

与原力聚合合并后，原力灵机绑定了仓储物流这一高密度场景，海量 Picking 任务源源不断产出场景型数据，缓解了行业数据量不足且碎片化的痛点。

光有落地场景还不够，真实场景容错率极低，机器人一旦搞砸，产线就得停摆。

所以，原力灵机推出了 Ferrata 多智能体混合作业系统，它本质上是真实场景的一根物理安全绳。

Ferrata 的三层分级很清晰：

• Level 1 用低成本标准自动化覆盖高频简单任务

• Level 2 用具身大模型攻坚异形、软包等长尾变量

• Level 3 由人工接管兜底异常

三层之间自动流转，配合自动重试、安全回退、远程驾驶舱，确保单台机器人出问题不会拖垮整条产线。

把 MaaS、DFOL2.0、Ferrata、DexOS 和 Apex 串在一起，会看到一个完整的双轮飞轮：

• 经济飞轮：低成本方案让客户愿扩工位，规模化铺开

• 数据飞轮：规模化部署带来真实数据回流，模型持续进化

部署越多，数据越多；数据越多，模型越强；模型越强，部署成本越低。

这就是 Action 即 Token，Picking 即 Coding 的深意：机器人落地运用能像大模型一样便捷、实惠，而每一次真实场景的拣选，都是模型的一次在线训练。

体系之战，具身智能的终局在产业现场

回顾智能手机浪潮，最后的赢家不是单点硬件参数最高的公司，而是打造了 iOS 生态与硬件高度一体化苹果，或是构建了庞大安卓联盟的谷歌。

今天的具身智能，正站在同样的十字路口。

原力灵机这场大会最值得关注的信号，不是 DM0.5 的参数涨了多少，也不是 MaaS 的定价有多低。

而是他们一次性亮出了完整的模型→系统→场景产品矩阵。

这六个产品拼在一起，指向一个结论：具身智能的竞争进入了全栈体系对决的新阶段。

从原力灵机这次发布的产品矩阵来看，三层体系已经成型，层层递进、互为前提。

DexOS应用案例

第一层：数据-训练闭环，决定模型能否持续进化。

DM0.5 解决当前可用性，但真正决定长期竞争力的，是模型能否持续进化。这一点落在 DFOL2.0 身上。

原力灵机通过 DW0.5 世界模型构建高保真仿真环境，把训练主战场从现实迁入虚拟，把训练从线性增长变成可指数扩展。

更多策略可以被尝试，更多失败可以被容忍，DFOL2.0 的作用更像是进化加速器。

第二层：软硬件标准化，决定能力能否规模复制。

如果每一次部署都需要重新适配硬件、调试系统，规模化就无从谈起。

过去行业大量项目停在样板间阶段，根源就在这里。原力灵机的解法是 DexOS + Apex 构建标准化接口。

DexOS 的意义在于抽象，它把模型调用机器人这件事，从复杂的 N×M 匹配简化为标准对接。

Apex 则是这套抽象的物理落点，模块化设计让部署从一次性工程变成可复制、可扩展的标准动作。

没有这一层，模型能力和商业闭环都会被卡在中间。

第三层：场景-服务闭环，决定商业是否真正成立。

过去很多项目能交付，但无法长期运行。真实世界异常是常态，系统处理不了异常，部署规模越大风险越大。

Ferrata 的作用就是降低这种系统性风险。当自动化、大模型与人工三层结构顺畅切换，系统才具备在真实环境中长期运行的能力。

系统稳定运行，MaaS 调用产生场景数据、Ferrata 保障高质量回流、DFOL2.0 低成本训练再反哺模型，数据飞轮才转得起来。

这一层解决的不是能不能用，而是敢不敢用。没有场景数据闭环，一切进化都是空转。

把这三层合在一起，会看到一个更清晰的轮廓：底层是可扩展的训练能力，中层是可复制的系统能力，上层是可运行的商业能力。

三者之间不是并列关系，而是强耦合的递进关系。

训练能力决定模型上限，标准化决定扩展效率，场景能力决定商业成立，缺一不可。

也正因为如此，体系的竞争具有一个非常鲜明的特征：不可拆解、不可速成、也不可简单复制。

单点能力可以追赶，参数可以堆叠，甚至某些局部方案也可以借鉴。

但一旦进入体系层面，竞争的门槛就不再是技术本身，而是时间、资源与组织能力的综合积累。

具身智能这件事不是靠解决某个卡脖子单点就能通的，它是一个系统工程，每一步都得做对。

行业里不缺宣称某项技术突破的公司，缺的是能在数据、训练、部署、场景四个环节都保持高强度投入的系统型选手。

今年，行业正在经历一场从模型崇拜到落地务实的观念转变。能持续稳定作业，能算得过来 ROI，才是真正的护城河。

原力灵机的三层体系，恰好覆盖了从技术到商业的所有关键节点。

单点技术可被复制，参数可被追赶，但模型训练-系统标准-场景服务拧成一股绳的体系，无法被快速复制。

具身智能的终局，不属于参数最高的公司，而属于把全链路跑通、让客户敢把机器人放进产线的人。