面对具身智能落地难题，原力灵机提出“具身原生”理念，并同步发布DM0模型、Dexbotic 2.0框架与DFOL量产工作流，旨在从根本上重塑机器人的开发与进化路径，加速其规模化应用。
智能速览
原力灵机发布全球首个具身原生大模型DM0。
DM0以2.4B参数量登顶全球真机评测榜首。
Dexbotic 2.0框架旨在成为具身智能领域的PyTorch。
DFOL量产工作流通过数据回流实现机器人持续进化。
原力灵机宣布核心模型DM0全面开源。
精华内容
这不仅仅是一次技术迭代，更是一次底层逻辑的重构。从模型、框架到工作流，原力灵机试图为具身智能产业铺就一条通往规模化与普惠化的全新道路。
具身原生模型DM0
原力灵机发布的DM0，是全球首个专为物理世界交互设计的具身原生大模型。它跳出了改造通用大模型的路径，从零开始训练，深度融合了驾驶、机器人操作等多传感具身数据。DM0仅2.4B参数量，却实现了业内最高的智能密度，其专属的768×768高分辨率输入与60ms实时推理，在工业级精细作业中表现出色。
该模型在预训练阶段即混合了抓取、导航与全身控制三类任务，覆盖了UR、Franka等8种差异显著的机型，获得了强大的跨机型泛化能力。在权威的RoboChallenge真机评测中，DM0包揽单任务与多任务双项第一，目前位居全球榜首。为进一步推动产业协同，DM0已全面开源，开发者可在消费级显卡上进行便捷微调与二次开发。
开发框架Dexbotic 2.0
为夯实具身智能的基础设施，原力灵机发布了全球首个具身原生开发框架Dexbotic 2.0，其目标是成为具身智能领域的“PyTorch”。该框架采用模块化架构，将具身系统拆解为视觉编码（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”，便于开发者快速试验新模型，并适配不同硬件与任务。
Dexbotic 2.0支持多源数据混合训练，统一了具身操作与导航、模仿学习与强化学习，标准化了从数据到硬件的全流程开发。目前，该框架已服务于清华大学、腾讯等数十家顶尖机构与高校，覆盖超千位研发者，并与强化学习框架RLinf达成战略合作，共同降低行业开发门槛。
量产工作流DFOL
推动机器人从实验室走向工厂，原力灵机发布了具身应用量产工作流DFOL。其核心是采用“硬件通用+模型智能”的模式，使机器人在保持效率的同时，获得接近人类的灵活性与适应性。DFOL的关键创新在于其数据回流机制：现场产生的训练片段与负样本块能实时回传云端，形成“云端训练-现场执行-数据回流-模型更新”的持续进化闭环。
这一闭环让系统能在真实工作环境中不断自我改进，实现柔性生产力的持续优化，打破了非标自动化与人工的边界，为具身智能的商业化落地与规模化普及提供了关键工程支持。
通过模型、框架与工作流的系统性布局，原力灵机正推动具身智能从“能用”走向“好用”和“普及”。当技术底座被重塑，机器人大规模进入生产生活的那一天，或许会比预想中来得更快。
