2月10日，以“具身原生”为主题的原力灵机技术开放日在北京举行。在这场具身产品发布会上，原力灵机一举发布三大核心产品：具身原生大模型DM0、具身原生开发框架Dexbotic2.0、以及具身原生应用量产工作流DFOL。

　　“2026年不是具身智能的元年，而是具身原生的元年。”原力灵机CEO唐文斌在现场表示：“过去大家在争论用哪个大模型来改，我们直接跳出这个问题——为什么要改？为什么不从第一行代码就为机器人而写？”

　　具身原生大模型DM0，2.4B参数量登顶全球真机评测

　　原力灵机认为，不仅仅是一个“能在机器人上运行的大模型”，而是一个“智能本质和形成机制都根植于物理交互的新AI范式”。

　　基于此，原力灵机在业内提出“具身原生”概念：具身智能从诞生之初就需立足真实世界，聚焦“复杂环境中精准完成人类任务”，并发布具身大模型DM0。

　　DM0具有两大优势：一是从0开始训练的具身原生大模型，联合阶跃星辰联合训练，除了深度融合多模态互联网信息外，还涵盖驾驶行为数据、机器人操作、导航等具身场景特有的多传感数据。二是DM0没有把模型限制在单一硬件或特定场景，而是在预训练阶段系统混合抓取、导航、全身控制三类核心任务，并覆盖UR、Franka、ARX、UMI、Aloha、R1-Lite、Realman、DOS-W1 等8种差异显著的机型，获得强跨机型的泛化与迁移能力。

　　DM0仅2.4B参数量，却实现了高智能密度，尤其在精细操作场景中表现突出。不同于市面上多数VLA模型仅有224-384像素的输入分辨率，DM0专属768×768高分辨率设计，实时推理延迟仅60ms，在工业级精细作业中表现优异。

　　DM0用广义动作解锁复杂任务。DM0构建空间推理思维链，把环境感知、任务理解、运动规划与精细执行串成闭环，使模型能够在复杂真实场景中稳定完成高精度操作，实现机器人的动作不局限在手上，拍照和发送指令一样行。

　　为推动产业协同，原力灵机宣布DM0全面开源，开发者可在消费级显卡上便捷微调、二次开发，助力科研工作者搭建专属应用、训练自有模型及产品。

　　夯实具身基础设施，Dexbotic2.0打造具身智能的PyTorch

　　原力灵机具身原生开发框架Dexbotic2.0。原力灵机合伙人汪天才表示，“PyTorch让每个研究者都能快速验证想法，Dexbotic2.0要做的是同样的事——让每个开发者都能用乐高式的方式搭建自己的具身应用。”

　　相比去年发布的1.0版本，Dexbotic2.0实现了具身原生的全面升级，具备五大核心优势：模块化架构，将具身智能系统拆成三块可自由组合的“乐高模块”，V（Vision encoder）、L（LLM）、A（Action Expert）模可以独立升级、替换和混搭，便于快速试验新模型，并适配不同硬件和任务场景。

　　同时全面支持多源数据混合训练，用同一套训练过程，让模型同步学会“看懂世界”和“动手操作”；此外，Dexbotic 2.0还实现统一具身操作与导航、统一模仿学习与强化学习、标准化具身开发全流程，从“数据——训练——评测——硬件”四个环节形成闭环。

　　目前，Dexbotic 2.0已经服务数十家机构，包括腾讯、北京具身智能机器人创新中心等知名企业，覆盖超千位研发者。

　　正如PyTorch曾为深度学习社区提供统一、开放的基础设施，加速整个领域的繁荣，原力灵机联合清华大学、无问芯穹，共同宣布打造具身智能的PyTorch，Dexbotic2.0与强化学习框架RLinf达成战略合作，旨在降低开发门槛，让研究者与开发者专注于算法创新与场景突破。

　　规模化落地：破解工程痛点，DFOL解锁具身应用量产工作流

　　在夯实具身原生技术底座、打造基础设施降低开发门槛的基础上，原力灵机进一步推动机器人走进工厂，实现具身规模化场景落地，原力灵机发布具身应用量产工作流DFOL（Distributed Field Online Learning），核心是通过“硬件通用+模型智能”的模式，使机器人既能保持较高效率与确定性，又拥有接近人类的灵活性和适应性。

　　DFOL关键创新在于数据回流机制：现场产生的训练片段（episode）与负样本块（negative chunk）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，使系统能够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。这不仅是一次技术升级，更是创造真实商业价值的关键一跃，有利于打破非标自动化与人工的边界，推动物理智能真正走向规模化和普惠化。

　　从DM0突破行业“改模型”的路径依赖，到Dexbotic2.0联合RLinf准备扛起具身智能的“PyTorch”大旗、破解研发壁垒，再到DFOL打通工程化难题、变现技术落地闭环，对具身智能产业进行全方位重构。（张伟）