Dream Labs 成立于 2026 年，总部旧金山，四位联合创始人全部来自英伟达 GR00T 机器人团队：Joel Jang（CEO，原 GR00T 世界模型负责人）、葛云皓（CTO，原 GR00T 视频模型负责人，参与构建 Cosmos 世界基础模型系列）、Scott Reed（首席科学家，GEAR 实验室创始成员，主导 GR00T N1 至 N1.7）、You Liang Tan（Chief Robot Officer，原 GR00T 开源负责人，参与 ROS 2、Octo、SERL）。
发布的是两件东西。一件是模型 Dream-1，能实时闭环控制机器人；另一件是 Dream API，把它做成按小时计费的公共服务：Dream-1 每小时 3 美元，Dream-1-flash 每小时 2 美元。配套两项服务：微调（FaaS）——提交少量演示数据，官方称对一台新机器人「一条 5 分钟轨迹就足以完成适配」，在 12 台参与 Beta 的伙伴机器人上有 10 台的语言跟随得分提升；Robot Playground——不用买机器，浏览器里给旧金山办公室的真机下指令，全程不剪辑。
融资 9000 万美元种子轮，B Capital 领投。领投方合伙人 Daisy Cai 的一句话被媒体反复引用：一台能干活的机械臂，价格已经从豪车降到了高端笔记本，它现在缺的是智能。
通常的做法：为每个本体采数据、训模型、调参数。换一台机器，等于重做一遍。这也是人形机器人交付周期长、二次开发贵的技术根源。
Dream-1 的做法：在人类完成日常任务的视频上训练，同时预测「接下来画面会怎样」和「该发什么动作」。把头相机看到的画面当作所有机器人共享的表示。
葛云皓对机器之心的表述是：世界动作模型同时学习预测视频和动作，所以「控制一台机器人」和「想象这台机器人接下来会做什么」变成了同一个问题；在头部相机看来，任何机器人都只是画面里移动的形状。Joel Jang 的比喻更直白——你坐进一辆租来的车，不需要重新学开车，找到操控装置，过去的驾驶经验会搞定剩下的事。
这套说法的说服力不在逻辑，在可验证性。所以他们才把 27 种从没见过的本体、每种 300 次 rollout 的结果摆出来：以 YAM 为 100% 基准，24 种达到一半以上，最高的双臂 PiPER 到 91.2%。真机侧则零样本控制了 MakerMods 的 Metal Arm 与 Maker Arm、Seeed Studio 的 reBot B601-DM、Anvil Robotics 的 OpenYAM、Dexmate 的 Vega，完成叠毛巾、关抽屉、把耳机挂到钩子上这类指令；Beta 伙伴在 9 个站点自主运行，包括上海的 AGIBOT、深圳的 BitRobot、首尔的 KAIST、巴黎的 Hugging Face、旧金山的 Scale AI。
判断：「视频是跨本体的共享表示」这句话，如果成立，它改的不是某一家公司的产品线，而是整条产业链的成本结构——二次开发里最贵的那一段（换机型重新采数、重新调参）会被压薄。但它成立的前提很硬：模型必须能预测出一台它没见过的机器人完成任务时的画面。这是一个可以被证伪的命题，Dream-1 只是给出了第一组数据，还不是结论。
这张表最有信息量的不是第一名，是最后一行——GR00T N1.7 只有 10%。那是 Dream 团队自己上一代参与的作品，在同一套真机任务上被通用大模型甩开了近 40 个百分点。这说明过去一年机器人基础模型的进步速度，并没有追上通用大模型「直接接管机械臂」的速度。
但 Dream-1 又反过来赢了通用大模型 11 个百分点，而且更便宜：单次任务 0.15 美元，报道称比得分次高的 Gemini 4 Argon 便宜约 16 倍；用时 1.4 分钟，比最快的 GPT-6 Astra（ultrafast）快 1.7 倍。三个指标一起看，结论是「通用大模型能控机器人，但控得又慢又贵」。
判断：这个结论对做交付的团队比对做模型的团队更重要。它意味着在可预见的一段时间里，机器人仍然需要一个专门的「动作层」，通用大模型的位置在它上面——负责理解意图、拆解任务、组织长程流程。谁把这两层接好，谁就能用便宜的动作层去承接那些大模型拆出来的活。
官方明确写出的边界有三条：表现取决于每台机器人 IK 求解器的质量；模型只决定夹爪最终到哪里，不控制手臂怎么到达，在障碍物附近或关节极限处可能出问题；面对和已见过本体差别很大的机器，可能预测出不可行的动作。再加上一条产品层面的：目前主要处理桌面任务，以双臂平行夹爪为主，下一步才支持轮式移动机器人与灵巧手。
这三条局限合起来指向同一件事：Dream-1 输出的是一串末端位姿层面的意图，不是一个完整的运动学解。所以它对本体差异的鲁棒性，上限被各家的 IK 与控制器锁住了。本体厂商的工程能力没有被替代，只是被推到了模型之外。
过去两年，「通用机器人大脑」这个品类最大的问题不是做不出来，是没法比价。每家都在讲泛化、讲零样本、讲跨本体，但没有一个共同的计量单位。Dream API 把这个单位定成了小时和任务次数：3 美元一小时，0.15 美元一次尝试。
这两个数字一旦公开，采购方就有了第一把尺子。一台双臂机械臂现在最低约 2000 美元，一套双臂加夹爪的整机在 2000 到 1 万美元区间；按每小时 3 美元算，一天跑 8 小时是 24 美元，一个月 22 个工作日不到 530 美元。这个量级已经低于很多场景里一个操作工月薪的零头。
判断：对做机器人租赁与商演的团队，这个价格线的意义不在「能不能用」，而在「敢不敢试」。过去接一个新品类、新机型，第一笔钱要花在几个月的算法适配上，试错成本高到必须立项；现在可以先花几十美元把模型接到机器上跑一天，不行再换路线。试错成本从「项目」降到「一天的咖啡钱」，这个变化会先淘汰掉一批靠信息不对称收适配费的中间环节，再把竞争推回到真正难的地方——场景勘测、动线设计、现场处置、以及客户到底愿不愿意为这台机器付钱。
最后需要泼一盆冷水：Dream-1 目前是研究 Beta 版，20 多家硬件伙伴的合作形态、SLA、断网降级策略、数据回传与隐私边界，报道里都没有展开。这些不是模型问题，是服务问题。而一个按小时计费的「大脑」，最终能不能被工厂和商场接受，多半取决于这些没人愿意在发布会上讲的部分。