公司及产品发布 - 具身智能创企原力灵机推出了其首个具身原生大模型产品DM0，参数量仅为24亿（2.4B）[5] - 同时发布的还有开源具身原生框架Dexbotic 2.0，以及解锁具身应用量产的工作流DFOL，共同构成“具身软件三件套”[8] - 在RoboChallenge大规模真机评测中，DM0取得了单任务和多任务双料第一，综合得分72.25，成功率为62.00%[31][32] 技术路线与核心特点 - 公司追求“具身原生”路线，强调从数据采集、推理到控制都应源自物理世界反馈，而非数字世界的派生模态[21] - DM0模型从底层将感知、推理、控制整合为闭环，并通过空间推理思维链内生出具身智能[23] - 模型训练从零开始，融合了互联网、智能驾驶和具身多传感数据，旨在让模型从初始阶段就理解物理世界[27][28][40][42] - 模型采用多源、多任务、多机型训练，目前使用了8种不同本体的机器人数据，以学习通用操作逻辑而非特定机器参数[25][55][56] - 模型能够实时处理三视角的728x728画面，推理延迟仅60毫秒，并可通过强化学习在真机上试错进化[4] 数据策略 - 训练数据主要来自三个来源：互联网数据、智能辅助驾驶数据和具身智能数据，三者角色不同，混合比例根据实验动态调整[62][66][68] - 数据采集遵循“全身全时全域”原则：“全身”指包含底盘移动、躯干协调及所有传感器反馈；“全时”强调记录从意图产生到动作执行及修正的连续因果链；“全域”是未来在空间场景覆盖上的规划[82][83][85][88] - 数据采集策略是“熵在哪里，数据就投向哪里”，针对模型表现不佳的高不确定性任务进行针对性数据补充，实现以需定采的反馈闭环[72][75][76] - 在物理规则确定的低熵场景，通过算力生成仿真数据；在物理或语义模糊的高熵场景，则依赖真机采集真实交互数据[78][79][80] 模型能力与效果 - DM0的核心设计引入了空间推理思维链，这是一种三维物理世界的推演能力，能将视觉特征转化为精确的空间坐标和轨迹，以应对如“收拾桌面”等模糊指令[104][105][106][107] - 结合高分辨率输入，空间推理思维链能让模型处理毫米级精度的任务，识别并执行微小的位置差异[112][113] - 模型设计中借鉴了世界模型的范式，将其视为一种模型内的世界理解方式，用于在不执行动作的前提下推理动作后果，以支持决策和规划[158][159][162] 应用场景与商业化 - 公司选择物流场景作为首要落地切入点，因其场景明确、具备高度可复制性，且能带来规模化数据回流[125][147][150] - 在物流场景中，公司专注于物料分拣等任务，其复杂性体现在需要处理柔性/刚性混杂、随意摆放的物体，并实现精细操作[127] - 公司认为精细动作是真正的挑战，其前提是精细感知，因此模型设计非常看重高分辨率输入下的稳定性[131][135][136] - 公司的商业化路线图是：从物流场景开始，先做专项能力产品进入仓储环境，然后逐步推向ToB靠近ToC的场景（如门店导购），最终在技术、成本、安全性成熟后走向家庭场景[154][155][156] 团队背景 - 公司核心团队由前旷视成员组成，包括合伙人周而进（负责大模型）、范浩强、汪天才，以及担任CEO的前旷视联合创始人唐文斌[16][17][177] - 周而进是信息学竞赛金牌选手，拥有深厚的AI背景，早在2013年就以实习生身份在ICCV比赛中获得冠军[12][14] 行业观点与公司理念 - 公司认为当前行业主流方案是“VLM+Action Head”思路，即大模型负责识别推理，动作头负责执行[18][19] - 公司强调机器人必须尽早实现7×24小时真实环境运行，只有这样才能暴露工程问题、获得真实数据回流，形成数据飞轮[115][116][117][121] - 公司对具身智能的终极展望是机器人能够拥有广泛的社会身份，例如具备独立的支付和结算能力，成为社会化的接口[168][170][172]