过去看一个具身模型强不强,看它的发布视频。

那段视频里,机器人叠衣服、抓杯子、走迷宫,丝滑得不像话。问题是:那是它家的机器人、它家的任务、它家的调好的参数。你换台机器、换个活,它还行不行?没人知道。

这条线正在松动。

10 月,Physical Intelligence(PI,专门做机器人基础模型的那家)开放了模型 API 测试。你上传自己机器人的数据,在平台上微调,再通过云端推理驱动机器人。PI 举的例子挺实在:一家公司用这套服务迭代了四天,让双臂机器人开始给自己零部件去毛刺。

同月,Dream Labs 推出 Dream API,把机器人模型的推理按作业时长计费,开发者把自己的数据喂进去就能调。

这两件事指向同一个拐点:具身模型的「检验权」第一次从发布方手里,交到了开发者手里。

这和当年 LLM 的 API 化是同构的。大模型也是先有「我演示给你看」,再有「你接进去随便用」,能力才真正扩散开。具身智能现在走到第二步了——比视频里那几秒钟重要得多的,是「接你自己的机器人试」这件事本身。

我的判断:谁先把「跨本体迁移」这件事做稳,谁就握住了具身智能的分发层。模型能力是入场券,API 才是护城河——因为开发者一旦把活押在你的接口上,迁移成本会把人黏住。

也要说清边界:今天能迁移的,还是有限场景里的有限任务。真要一台机器人跨工厂、跨工种随手干活,路还长。别被「API 时刻」这个词骗了,它只是开始了,不是结束了。