7月9日，原力灵机在北京开了一场开发者大会。

这家公司一次性拿出了通用具身基础模型DM0.5、通用机器人本体Apex、开发者平台DexDev，以及DFOL2.0、MaaS、DexOS三件套。现场还展示了Ferrata（飞拉达）在真实生产场景里的进展。

表面看，是一场密度很高的新品发布。

往深处看，原力灵机这次想回答的是另一个问题：具身智能怎么从模型能力，变成真实生产力？

对一家创业公司来说，更容易被看见的，是机器人的动作做得漂亮，某个Demo更出圈。但原力灵机这次摊开的，是一组更底层的东西：模型、数据、系统和开发工具。

这条路不轻，但轻的路走不到客户现场。

原力灵机创始人唐文斌在会上说：“从模型能力迈向真实生产力，行业还需要跨越具身模型应用的门槛。持续的Scaling up，需要推动数据从‘采集型’向‘场景型’跃迁。这需要更强的通用模型、系统化的落地能力支持。”

这句话也解释了为什么原力灵机要同时发布DM0.5、Apex、DexDev和Ferrata。

模型要能泛化，硬件要能长期作业，开发工具要降低接入门槛，场景系统要接住异常、调度和数据回流。任何一环缺了，机器人都很难从演示视频走到真实业务里。

“三级火箭”，让模型更容易进入真实现场

“三级火箭”是原力灵机这次给出的新方法论。

落到应用层面就是三件事：让开发者少重复造轮子，帮助客户降低试错成本，机器人能在真实场景里持续干活。

具身智能行业现在有几种典型打法。

有人先做人形本体，把运动能力、制造能力和成本控制做出来，再逐步补大脑；有人围绕数据采集和模型能力，先把大脑能力培养起来；也有人从垂直场景切入，先把一个任务做深，然后形成飞轮效应。

原力灵机这次的做法更加系统化。

它不是只押一台机器人，也不是只押一个模型，而是把模型、平台、本体和场景系统一起推到台前。

这个选择很重。

做一套训练框架、部署平台、硬件适配系统和异常恢复机制，外界未必马上有感知。但到了客户现场，真正被反复追问的，恰恰是这些问题：能不能稳定运行，换一台机器人要不要重新适配，出了错怎么恢复，数据能不能回流，后续能不能继续优化。

DexDev被放到“三级火箭”的核心位置，原因也在这里。

DFOL2.0解决模型怎么继续变强。按照原力灵机披露，它以通用具身世界模型DW0.5作为高保真仿真器，把强化学习搬进虚拟世界，减少真机反复试错。公司给出的口径是，真机训练数据需求下降60%，整体训练成本下降40%。

MaaS解决能力怎么被规模化调用。企业不用从零搭一套具身模型训练和部署系统，可以按量调用模型能力。

DexOS解决模型怎么稳定跑在机器人上。开发者只需几行Python代码，就能完成机器人连接、感知获取、模型推理和动作执行，不必为每一款新机型重新适配底层硬件。

对开发者来说，这是降低门槛。对客户来说，这是降低不确定性。

具身智能要走向规模化，不能每个项目都靠专家手搓，也不能每进一个现场都重来一遍。谁能把模型进场前的工具链做顺，谁就更容易把开发者、硬件厂商和场景方接到同一条线上。

DM0.5：从“会做”到“能适应”；Apex：由场景定义硬件

DM0.5是“三级火箭”里最能体现原力灵机技术能力的一部分。

相比上一代DM0，DM0.5更强调泛化能力。它覆盖导航、抓取、全身控制三大任务，支持六类机器人本体，并具备Zero-shot、Fine-tuning、原生记忆、抗干扰、多本体支持五大核心泛化能力。

换成更直接的话说，就是机器人遇到新物体、新任务、新环境时，不能每次都从头教一遍。它要能少量学习，甚至不重新训练，也能完成一部分任务；换一个机器人身体，也不能完全推倒重来。

这对真实场景尤其重要。

比如原力灵机熟悉的仓储物流场景。仓库里的商品不是标准件，软包、异形件、透明包装、反光包装、临时堆放，都会让机器人面对新的不确定性。订单有波峰，光照会变化，人和设备也会穿插进来。

如果模型每换一类SKU、一个夹爪、一条作业线都要重新训练，商业化很难算账。

DM0.5要解决的，是机器人从“会做某个任务”，走向“能适应一类任务”。

这也是唐文斌一直强调“场景型数据”的原因。

他此前多次讲过，真正有价值的数据，不只是平稳运行数据，而是机器人在真实场景中犯错、重试、被接管时留下的反馈。模型要变强，不能只靠为了训练而采来的数据，还要在真实业务里碰到错题。

如果说DM0.5回答的是“大脑”如何适应变化，全新发布的Apex回答的就是“身体”如何进入现场。

原力灵机把Apex称为“具身原生的通用机器人”。它的设计取向很清楚：不是为了更像人，而是为了更适合模型和场景。

Apex采用模块化结构，底盘、双臂、夹爪可以自由组合。单臂臂展1米，覆盖0到2米空间，末端支持热插拔和1分钟快换。它配备360度环视和双激光雷达，强调传感器与执行器微秒级同步。

还有一个关键功能叫“影子模式”：机器人在现场干活时，后台同步记录数据，不打断业务流程。

模块化和快换，解决的是多任务适配和维护成本。强感知和同步，解决的是复杂环境里的稳定执行。影子模式解决的是机器人怎么一边干活，一边为模型继续积累数据。

Apex披露的几个指标也很工业：单臂负载3kg，单次开合小于0.4秒，末端毫米级精度；底盘能在1米极窄通道调头；硬件设计目标MTBF超过1000小时；支持30秒不断电换电，换电期间大脑热备在线，不需要重新初始化。

这些数字后续还要接受长期运行验证。

但至少能看出原力灵机做本体的思路：身体长什么样，不由发布会决定，要由场景决定。

唐文斌过去讲过，模型解锁场景，场景定义硬件。Apex就是这句话的产品化版本。

如果终局是机器人进入真实生产系统，本体就不能只服务短期展示，而要服务作业半径、维护效率、换电速度、数据采集和长期稳定性。

Ferrata，让数据从真实订单里长出来

真正把“三级火箭”拉回商业现场的，是Ferrata。

原力灵机把Ferrata定义为面向真实场景的多智能体混合作业系统。它把业务系统、具身模型、多形态硬件、安全边界、调度机制和数据回流放在一起，让机器人在受保护状态下进入真实场景。

仓储物流本就是原力灵机最熟悉的落地场景之一。Ferrata的价值，不是把机器人第一次带进仓库，而是在已有客户和真实业务流里，把模型、设备、人工接管和数据回流接到同一套系统里。

它承认了一个现实：现在的机器人还不完美，但客户现场不会等一个完美模型出现。

Ferrata的做法，是把任务拆开，让AGV、机器人和人工接管在同一套系统里协作。

简单、高频、确定性的任务，可以交给低成本自动化设备。复杂、长尾、传统自动化难覆盖的任务，交给具身模型和机器人。极端异常由人工接管。每一次成功、失败、重试和接管，再进入后续训练和系统优化。

目前，Ferrata已经在某行业头部客户的真实仓库完成实地测试，场景覆盖超10万SKU，日订单峰值数万单。

在仓库里，很多问题往往不在“机器人能不能抓起一个东西”，而在能不能处理层出不穷的非标情况：软包塌陷、异形件滑落、促销波峰突然拉高、SKU临时变化、路径被占用、异常件需要人工确认。机器人每失败一次，业务都需要有人接住。

Ferrata要做的，就是把这种接住能力系统化。

接下来，Ferrata要交的作业不是跑通一次测试，而是开机率、节拍、接管比例、维护成本、ROI周期，以及能不能从一个头部客户复制到更多仓库。Apex也一样，模块化、快换、换电和可靠性，最终都要被真实现场反复消耗。

所以，原力灵机这次发布会释放的信号，不只是又发布了一个模型、一台机器人、一个平台。

它更像是在把行业竞争的重心往后移：从单机能力，移向基础设施能力；从采集数据，移向场景数据；从短期展示，移向长期运行。

这条路不一定最快，也不一定最容易被市场立刻看懂。但如果具身智能最终要成为生产力，它迟早要走到这一步。

模型要在场景里验证，本体要由场景定义，数据要从场景里长出来。场景是唯一的裁判。 谁能持续进入场景，谁才有机会把飞轮转起来。