具身行业“好好做模型”的公司不超过10家——对话原力灵机唐文斌

原力灵机创始人唐文斌在对话中表示，具身智能行业已是一片红海，但真正严肃做模型的公司不超过10家。判断标准包括：训练算力投入是否过亿、内部评测体系是否严谨。他认为行业很多展示性POC（概念验证）是自嗨，决定分水岭的不是表演性演示，而是机器人能否在实际业务流程中持续工作并产生可计算的ROI。

核心观点

• 行业竞争正从“机器人能做什么动作”转向“机器人能否成为可靠的生产系统”。
• 真正有潜力的公司需同时具备：对通用模型技术路线的信仰、理解客户ROI的务实、以及把机器人部署进脏活累活现场的耐心。

模型与数据
原力灵机成立于2025年3月，核心团队来自旷视。2026年7月发布的DM0.5基础模型使用15万小时多源数据（5万小时真机数采+10万小时Egocentric数据+100万平高精度导航数据）训练，参数规模4B，推理效率提升25%，微调成本下降60%，Zero-shot导航成功率提升31%。训练算力投入“小几个亿”，DM0到DM0.5算力成本增长十倍。

公司提出“具身原生”概念，强调从第一天起为物理世界交互设计，而非简单的“开源VLM+后训练”嫁接。研发的DFOL 2.0后训练框架基于世界模型DW0.5进行强化学习，使后训练真机数据需求下降60%，端到端成本下降40%。DW0.5在多项世界模型评测中达到SOTA。

场景与本体
原力灵机选择物流（仓库）作为核心场景，因为该场景容错率高、对节拍要求低、可长时间作业，且具有泛化需求（对象、环境、任务）。采用Ferrata分层作业理念：自动化装备解决简单任务，机器人尝试高级任务，失败时通过遥操或人工兜底。

同期发布的本体Apex采用模块化设计，强调稳定性和泛化性，支持不同场景配置。唐文斌指出当前本体行业主要问题是不稳定（多数产品在几天至两周内损坏），而进入场景需至少数千小时稳定工作。

数据飞轮与评测
数据飞轮启动的标志是至少100台机器人能够持续长时间运作。原力灵机与Hugging Face联合发起的具身模型真机评测平台RoboChallenge已计划捐献为中立平台。唐文斌强调，高质量多样化数据在行业中仍被严重低估，真正的独特数据只能来自真实应用场景。