由前旷视团队创立的原力灵机，在成立330天后首次公开亮相。面对当下具身智能领域普遍的“嫁接式”发展路径，公司提出了“具身原生”的全新理念，旨在从根本上构建根植于物理世界的智能体。其开源基座模型与框架的发布，为行业探索机器人的未来提供了新的思路与基础设施。
智能速览
旷视前联合创始人唐文斌创立原力灵机，押注具身智能。
提出“具身原生”理念，旨在从智能本质根植物理交互。
发布首个具身原生大模型DM0，以2.4B参数登顶评测榜。
开源具身原生框架Dexbotic2.0，打造具身世界的Pytorch。
公司推行彻底开源策略，致力于降低行业开发门槛。
目标在2026年实现一个场景、一千台机器人的可持续运转。
精华内容
传统的具身智能方案如同让文科生练体育，上限有限且可能丢失通用能力。原力灵机如何通过数据、训练、框架的原生化，构建真正的具身智能？
具身原生新解
当前许多具身大脑，是在传统Transformer模型上嫁接动作模块，这被比喻为让一个初中生去体校练体育，面临骨骼不强壮、通用能力下降的瓶颈。要解决此问题，核心是“具身原生”——一个从智能本质和形成机制上都根植于物理交互的新AI模式。这具体分为数据原生、训练原生和框架原生，要求从底层重新设计与物理世界交互的智能系统，而非简单改造现有模型。
小模型大能量
原力灵机发布了与阶跃联合训练的首个具身原生大模型DM0。该模型以2.4B的小参数量登顶了RoboChallenge评测榜。其预训练数据结构中，互联网数据、导航工厂数据和具身采集数据三者保持大致平衡。模型训练强调与真实世界的互动，奖励函数也直接来源于物理环境，旨在实现理解、预测和影响世界三者能力的统一训练。
具身世界的Pytorch
公司开源了具身原生框架Dexbotic2.0，目标是打造具身世界的Pytorch。其核心特性是模块化架构，可将系统拆分为视觉编码器（V）、大语言模型（L）和动作专家（A）三个可自由组合的“乐高模块”，便于独立升级和适配不同硬件。框架还支持多源数据混合训练，并可将仿真数据转为统一格式，确保模型训练与测评的公平性。
真实场景的DFOL
为实现应用落地，原力灵机推出了DFOL（具身原生应用量产工作流）。该工作流希望通过强化学习等方式，降低机器人进入真实场景的门槛。公司给出了明确的目标：在2026年实现一个场景、一千台机器人的可持续运转。其中“可持续”是关键，意味着要走通一个场景的规模化商业闭环，而非一次性部署。
从开源基座模型到训练框架，原力灵机正尝试构建具身智能时代的基础设施。这条“真机”与“开源”并行的道路，能否真正加速行业的迭代效率，让机器人早日从“玩具”变为走进千家万户的“工具”？
