泛化涌现！原力灵机三级火箭助推具身智能落地

杀入 2026 下半年，烫得发红的具身赛道，距离第一次交卷正在越来越近。 而要实现具身智能的泛化落地，中国的具身公司，缺的不是硬件、不是场景、甚至不是数据采集能力—— 行业各家公司的不同硬件、算法、场景各自为战，数据的碎片化才是真正的问题。 少了把硬件、场景、数据连接在一起的标准，采集到的数据无法跨任务、跨机型的复用，那么数据的收集效率就要事倍功半，从 10 万小时到 100 万小时的“鲤鱼跃龙门”，也就更是难上加难。 卡住了具身“脖子”的 100 万小时数据，想要单纯靠数采“堆”出来并不现实；而不少公司期待的，让机器人进入实际场景形成的“数据飞轮”，面前还有三座大山必须跨越： 基础模型能力的限制 ，常常让机器人在实际场景里的具体任务上表现不佳，有效的经验没多少，翻车教训倒是一大堆，数据的质量也就没法保证； 开发集成的复杂程度 ，让具身大脑每每进入到一个新的场景、适配一个新的机型，就必须重新适配，效率难以得到保证； 在同一场景下，全时连续地执行任务也是一个难点 ，数据回流时断时续，也让数据的飞轮更难运转起来。 要越过三座大山，具身公司必须搭起一个“三级火箭”，用全栈的方式，实现一个系统性的能力升级。 什么样的具身模型，才最可能实现“泛化涌现”？ 在多个场景能实现能力的泛化，可以 Few-shot，甚至 Zero-shot 地实现智能涌现，是每一个具身模型落地应用的重要指标。 要实现面向开放世界的通用具身模型，就需要更大的数据规模、更先进的架构，以及更强的开放世界泛化能力。 2026 年 7 月 9 日，原力灵机在北京主办了 Action 2026 开发者大会。会上， 公司推出了他们独立自研的具身基础模型——“DM