向大模型看齐，原力灵机摸索具身MaaS生意，可行性如何？

大模型领域的MaaS（模型即服务）模式如今已是风生水起，说白了就是通过API对外“售卖”模型能力。而阿里、智谱等投资的具身智能公司原力灵机，正试图把这个商业模式移植到机器人赛道。

7月9日，原力灵机正式发布了具身智能行业第一个MaaS服务平台。这个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来驱动本体完成任务。换句话说，机器人公司不需要自己从头搞模型，直接调用就行。

原力灵机联合创始人兼CEO唐文斌在接受采访时透露，云端运行的具身模型分两种：一种是开箱即用的通用模型，已经具备一定程度的泛化能力；另一种则需要用户上传数据进行后训练，生成能满足特定场景精细化需求的定制模型。MaaS平台同时也提供相关的托管部署服务。

按照唐文斌的说法，如果没有MaaS服务，想上手体验一款具身模型，得经历相当繁琐的部署流程，通常要花个三五天。原力灵机另一位联合创始人范浩强则调侃道，等这一整套部署流程折腾完，“可能你对机器人的热情已经消耗85%了。”

唐文斌判断，未来具身智能行业很可能会形成一种混合商业模式——既有机器人整机销售，也有衍生出的RaaS（机器人即服务）租赁生意，再加上从云端调用具身模型的MaaS模式，三者并存。

市场调研机构IDC的中国研究经理李君兰长期关注机器人赛道。她分析说，具身模型MaaS通过API提供通用模型调用、后训练、模型托管等能力，可以帮助机器人本体厂商、系统集成商、应用开发商等产业参与者快速获得具身智能能力，降低AI开发成本，加速机器人应用落地。

不过李君兰也指出，现阶段具身模型MaaS的价值更多体现在研发侧——降低开发门槛、推动模型能力在产业生态中的快速复用，而不是要替代机器人端侧的推理能力。受实时性、安全性和网络稳定性等因素的影响，机器人底层的运动控制和实时决策仍然得靠本地部署，云端模型更适合承担模型训练、能力迭代、任务规划这类高层智能服务。

长期来看，李君兰认为具身模型MaaS有望从模型服务平台，进一步进化为机器人智能平台，成为支撑机器人集群协同运行的重要基础设施，而不仅仅是某个机器人单体的云端“大脑”。

原力灵机具身MaaS平台定价。公司供图

和大模型MaaS一样，原力灵机的具身MaaS服务也按Token消耗量计费。通用模型定价1元/100万Token；定制模型则在同样基础上叠加GPU时长占用费。

范浩强解释了这个定价逻辑：按正常频率调用模型，每小时成本大概几十元，和雇佣真人干活的成本差不多。他还提到一个关键点——一旦具身模型通过API对外开放，意味着任何人都可以测试，所有运行结果都会被不可撤销地永远记录。是否敢涉足这种模式，直接考验一家具身公司对自身模型能力的信心。

支撑原力灵机MaaS服务的通用基础模型，是7月9日迭代发布的DM0.5。相比上一代，DM0.5的参数规模和训练数据都有了成倍增长：拥有40亿参数，基于15万小时数据训练而成，其中包含5万小时的真机数据和10万小时的Egocentric（第一人称视角）无本体数据。前者采集速度更快、性价比更高，后者数据精度更优。

原力灵机方面介绍，DM0.5模型具备跨本体能力，能适配宇树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。其援引的评测结果显示，DM0.5在操作类、导航类任务等多个维度的不同评测榜单上，成功率都位居首位。

不过，具身模型的评测标准最近在今年频频成为争议焦点。把自家模型与美国具身模型标杆企业Pi（Physical Intelligence）对标，再宣称已经超越对方，几乎成了国内具身智能行业的标配宣发策略。但行业评测标准本身并不成熟，“刷榜”现象也随之出现。此前就有多家公司几乎同期宣称自家模型能力第一。

一位具身赛道的投资人直接泼了冷水：具身模型榜单只是实验室的评估工具，距离真实世界的落地需求还很远，最终还是要看客户是否买单。

破壳机器人创始人许华哲在6月的智源大会上同样表达过类似观点：只有产品能真正卖出去，才是检验性能的核心标准。比赛式的评测有其意义，但操作空间也很大。就像一场期末考试，突击复习也能考得很好，但这并不代表他就是全班学得最好的学生。

唐文斌对此也直言不讳：很多同行都在宣传自己的模型比Pi好，但残酷的现实是，没有多少开发者真的放弃了Pi的开源模型，转投国内具身公司的产品——原因就是不！好！用！他坦言，评测榜单结果仅仅是论证模型性能的必要不充分条件，真正好不好用，最终要看开源模型到底有多少人在调用。

在唐文斌看来，具身模型是否好用，核心能力体现在两点：第一，模型是否具备很强的泛化性，能做到拿来即用；第二，基于通用基础模型，能不能省时省力地训练出针对具体任务的后训练模型。

MaaS服务除了考验模型能力，对高并发和低延迟也有很高的要求。范浩强介绍，原力灵机具身MaaS平台的推理延迟在150毫秒（0.15秒）左右，这个表现“对于绝大多数任务而言已经够用了”。

算力底座是MaaS服务能否稳定运行的关键支撑。然而，具身智能玩家同样面临大模型企业普遍遇到的算力困局——“好用的卡不好买”。为此，原力灵机在7月9日宣布与阿里平头哥、摩尔线程、爱芯元智、天数智芯、沐曦等国产芯片公司开展算力合作。

唐文斌告诉记者，在MaaS的云端后训练服务上，平台除了支持英伟达的芯片，还引入了平头哥的PPU等国产芯片，这么做是为了降低训练成本，同时带动国产卡的使用量。

至于原力灵机的DM0.5具身基础模型，则是基于数千张英伟达H系列GPU完成的预训练。“如果用B系列卡，训练速度会更快。”唐文斌透露，原力灵机在算力上的年投入在亿元量级，“算力上没有花过亿的钱，大概率不要再训模型了。”