向大模型看齐，原力灵机摸索具身MaaS生意，可行性如何？

发布时间：2026-07-17 08:34:25 来源：安智兰德资讯网 作者：时尚

在人工智能大模型领域，向大性何MaaS（模型即服务）商业模式已趋于成熟，模型摸索通过API接口“售卖”模型能力成为主流。看齐可行如今，原力获阿里、灵机智谱等机构投资的具身具身智能初创公司原力灵机，正试图将这一模式移植至机器人行业，生意探索具身智能的向大性何MaaS化路径。

1. 行业首创：云端API调用降低开发门槛

7月9日，模型摸索原力灵机正式发布具身智能行业首个MaaS服务平台。看齐可行该平台允许机器人本体厂商直接通过API从云端调用具身模型，原力由云端模型驱动机器人本体完成具体操作任务。灵机

原力灵机联合创始人兼CEO唐文斌在接受南都等媒体采访时指出，具身云端具身模型主要提供两类服务：
* 通用模型：开箱即用，生意具备一定程度的向大性何泛化能力，适用于多种场景。
* 定制模型：用户上传数据后进行后训练，生成满足特定场景精细化需求的专用模型。

平台同时提供上述模型的托管部署服务。唐文斌强调，传统模式下，开发者上手一款具身模型需经历繁琐的部署流程，耗时通常长达3-5天。其联合创始人范浩强坦言，这一过程往往消耗开发者85%的热情，而MaaS模式旨在解决这一痛点。

2. 商业模式展望：混合生态的形成

唐文斌预测，未来具身智能行业将形成混合式商业模式，包含三种形态：
1. 机器人整机销售：传统硬件销售模式。
2. RaaS（Robot as a Service）：机器人即服务，侧重租赁与服务。
3. MaaS（Model as a Service）：云端模型调用服务，侧重智能能力输出。

市场调研机构IDC中国研究经理李君兰分析认为，具身模型MaaS通过API提供通用模型调用、后训练及托管能力，有助于机器人本体厂商、系统集成商及应用开发商快速获得具身智能能力，显著降低AI开发成本，加速场景落地。

局限性与定位

李君兰同时指出，现阶段具身模型MaaS的价值主要体现在研发侧：
* 核心价值：降低开发门槛，推动模型能力在产业生态中的快速复用。
* 非替代性：受实时性、安全性及网络稳定性限制，机器人底层运动控制和实时决策仍依赖本地部署。
* 云端职责：云端模型更适合承担模型训练、能力迭代及任务规划等高层智能服务。

长期来看，李君兰认为具身MaaS有望从单一模型服务平台演变为机器人智能平台，成为支撑机器人集群协同运行的重要基础设施，而非仅作为单个机器人的云端“大脑”。

3. 定价策略与数据支撑：对标人力成本

与原力灵机的大模型MaaS类似，具身MaaS服务同样以Token（词元）消耗量作为计费标准：
* 通用模型：定价为 1元/100万Token。
* 定制模型：在通用模型基础价格上，叠加GPU时长占用费。

范浩强解释称，按正常频率调用模型，每小时使用成本约为几十元，这与雇佣真人干活的成本相当，具备经济可行性。

此外，开放API意味着所有运行结果将被永久记录且不可撤销。范浩强表示，敢于采用此模式，直接考验企业对自身模型能力的信心。

4. 技术底座：DM0.5模型与跨本体适配

支撑该MaaS服务的核心是原力灵机于7月9日迭代发布的DM0.5通用基础模型。相比上一代，DM0.5在参数量和训练数据规模上实现倍增：
* 参数规模：40亿参数。
* 训练数据：总计15万小时。
* 真机数据：5万小时（采集速度快、性价比高）。
* Egocentric数据：10万小时（第一人称视角、无本体数据，精度高）。

关键能力：
* 跨本体适配：DM0.5可适配宇树G1、天工、睿尔曼等不同厂商的双足人形、轮式、双臂/单臂机械臂及灵巧手。
* 评测表现：在操作类、导航类任务等多个维度的评测榜单中，DM0.5成功率均位居首位。

5. 行业争议：评测“刷榜”与真实落地差距

尽管原力灵机宣称DM0.5表现优异，但具身模型评测领域目前频陷争议。国内多家企业常将自身模型与美国标杆企业Pi（Physical Intelligence）对标，甚至宣称超越Pi。然而，由于行业标准不成熟，“刷榜”现象滋生，多家机构曾同期宣称自身能力第一。

投资人视角

一位具身赛道投资人指出，具身模型榜单仅是实验室评估工具，与真实世界落地需求差距甚远，最终检验标准是客户是否买单。

专家观点

破壳机器人创始人许华哲在6月智源大会上表示，只有产品真正售出才是检验性能的核心。比赛式评测虽有意义，但存在操作空间，如同“突击复习”能考高分，但不代表综合实力最强。

开发者反馈

唐文斌坦言，尽管同行宣传优于Pi，但并未有多少开发者放弃Pi的开源模型转向国内模型，核心原因是“不好用”。他认为，评测榜单仅是必要不充分条件，真正衡量标准是开源模型的调用量。

好用模型的两个核心指标：
1. 泛化性：是否具备强泛化能力，实现“拿来即用”。
2. 后训练效率：能否基于通用基础模型，省时省力地训练出针对具体任务的专用模型。

6. 基础设施挑战：算力困局与国产替代

MaaS服务对高并发和低延迟有极高要求。范浩强介绍，原力灵机具身MaaS平台的推理延迟控制在150毫秒（0.15秒）左右，满足绝大多数任务需求。

然而，算力供给成为关键瓶颈，“好用的卡不好买”是大模型与具身智能企业共同的困境。为此，原力灵机于7月9日宣布与多家国产芯片厂商达成合作：
* 合作伙伴：阿里平头哥、摩尔线程、爱芯元智、天数智芯、沐曦等。
* 合作内容：
* 云端后训练：除支持英伟达芯片外，引入平头哥PPU等国产芯片，旨在降低训练成本并带动国产卡使用。
* 预训练底座：DM0.5模型基于数千张英伟达H系列GPU进行预训练。唐文斌透露，若使用B系列卡，训练速度将更快。

投入规模：
原力灵机在算力上的年投入达亿元量级。唐文斌表示：“算力上没有花过亿的钱，大概率不要再训模型了。”

采写：南都N视频记者 杨柳 发自北京

相关文章