# 把「教机器人做事」变成一次托管调用：Physical Intelligence 开放 Pi API 测试版

> 三类基础模型、一万小时以上机器人数据、Apache 2.0 许可、本地推理 8GB 显存起步——但这次真正的新东西不是模型，是把「上传数据—训练—部署—评估」这条闭环做成了一个可调用的托管服务。

### TLDR

- **事件**：Physical Intelligence 开放 **Pi API 测试版**，以托管方式向外部开发者提供微调与推理；中文侧报道见于 2026-10-15 20:31，原始公告为当地时间 **2026-10-13**。
- **模型底座**：**π0**（基于流的视觉—语言—动作模型）、**π0-FAST**（FAST 动作分词器的自回归版本）、**π0.5**（以「知识隔离」方法提升开放世界泛化），均以 **Apache 2.0** 在 openpi 仓库发布。
- **算力门槛**：三类模型均在**超过一万小时**机器人数据上预训练；**本地运行仅需显存大于 8GB 的显卡**，**全量微调需 A100 / H100 级别**。
- **闭环四步**：上传数据 → 平台托管算力上启动微调 → 通过托管网关调用微调后模型驱动机器人 → 评估数据反哺下一轮迭代。
- **已披露案例**：从 Utah 的自主重型机械到乳制品、餐饮与制造产线；早期试用中有团队**仅用四天**迭代就让双臂机器人完成去毛刺任务（单一信源，出自该公司口径的新增报道）。
- **判断：**这次发布的重点不在模型能力，而在「谁来跑闭环」。当微调管线被托管，竞争重心会从「谁有更好的大脑」前移到「谁的硬件与场景数据更值钱」。

### SRC

素材时间窗为**前一日 18:00 → 当日 09:00**（北京时间 2026-10-16）。主信源：DoNews 2026-10-15 20:31 稿（网易转载 https://www.163.com/dy/article/L9AD3TJ10511D2LM.html ），发布于窗口内。需明确说明的窗口问题：**原始公告为当地时间 2026-10-13，落在窗口外**；本稿采用它的理由是本窗口内出现了中文侧的完整增量披露（托管闭环的四步流程、三类模型的分工、算力门槛、早期合作行业与「四天迭代」案例），这些细节此前站内未覆盖。需切开的边界：①「超过一万小时机器人数据」「8GB 显存」「A100/H100」均为转述自该公司口径，本站未取得官方技术文档原文逐条核对；②早期合作案例中的行业名称（Utah 自主重型机械、乳制品、餐饮、制造）未给出客户名与部署台数；③「四天迭代完成去毛刺」为**单一信源**，且出自公司侧试用叙述，无第三方复核；④本站尚未实测该 API，无法验证其可用性、限流、定价与数据归属条款；⑤站内 225 号稿（π0.5 微调消融）与 002 号稿（π0.7）已拆解过模型侧细节，本篇只讨论**服务形态**，不重复其微调数据杠杆结论；402 号稿（宇树 UnifoLM-WLA-1.0）讨论的是开源权重的开放边界，与本篇的差别是「给权重」对「给管线」。事实与判断已切开，判断均以「判断：」开头标注；文末版权与免责声明由模板自动附加。

### BODY

<div class="sec">
<div class="eyebrow">先看清这次到底交出了什么</div>
<p>把这次的发布内容拆开，会看到三层东西。第一层是模型，π0、π0-FAST、π0.5 三类，本就以 Apache 2.0 在 openpi 仓库公开，这次没有换成闭源；第二层是算力，微调被搬到平台管理的资源上，开发者不需要自己准备 A100 或 H100 集群；第三层是网关，微调完的模型通过托管接口被调用，驱动机器人本体。</p>
<p>三层里，只有第二、三层是新的。<strong>判断：</strong>真正的变化是「谁来跑闭环」。过去一家机器人公司要从零搭训练管线、采购算力、维护版本，现在这部分被托管了；剩下的两家活是硬件和场景数据——恰好是很难外包的两件事。</p>
</div>

<div class="sec">
<div class="eyebrow">三类模型怎么分工</div>
<div class="tbl-wrap"><table><thead><tr><th>模型</th><th>技术形态</th><th>被强调的能力</th></tr></thead><tbody><tr><td>π0</td><td>基于流的视觉—语言—动作模型</td><td>作为系列基座，承担通用操作策略</td></tr><tr><td>π0-FAST</td><td>采用 FAST 动作分词器的自回归版本</td><td>用自回归路线处理动作序列</td></tr><tr><td>π0.5</td><td>以「知识隔离」方法训练</td><td>更强的开放世界泛化</td></tr></tbody></table></div>
<div class="cap">表注：形态描述归纳自 DoNews 2026-10-15 转述；三类模型的预训练数据口径为「超过一万小时机器人数据」。</div>
<p>算力门槛这一栏值得单独记下来：本地跑推理只需要显存大于 8GB 的显卡，全量微调才需要 A100 或 H100 级别。这条分界线其实是在告诉开发者——试玩很便宜，改模型很贵。而这个「贵」的部分，正是这次被托管掉的部分。</p>
</div>

<div class="sec">
<div class="eyebrow">闭环四步，每一步都有坑</div>
<div class="jx-tl"><div class="jx-tl-row"><div class="jx-tl-t">第一步</div><div class="jx-tl-b">上传数据：开发者把自己的机器人数据交给平台</div></div><div class="jx-tl-row"><div class="jx-tl-t">第二步</div><div class="jx-tl-b">在平台管理的算力上启动微调</div></div><div class="jx-tl-row"><div class="jx-tl-t">第三步</div><div class="jx-tl-b">通过托管网关调用微调后的模型，驱动自己的机器人</div></div><div class="jx-tl-row"><div class="jx-tl-t">第四步</div><div class="jx-tl-b">评估数据反过来指导下一轮数据采集</div></div></div>
<p>这条闭环看起来顺，但每一步都有需要问清的问题。第一步问的是数据归属与留存：上传的动作数据，平台方能否用于训练自己的基础模型？第二步问的是可复现性：同样的数据与超参，换一次运行会不会得到可用性不同的模型？第三步问的是末端覆盖：托管网关能不能覆盖到自家硬件与实时性要求，还是只能在实验条件下跑通？第四步问的是退出成本：一旦停用平台，微调出来的模型能不能带走、能不能在本地跑。</p>
<p><strong>判断：</strong>这四个问题里，第三和第四最容易被忽略，却最影响长期成本。用站内 402 号稿总结过的「开源三问」来套——许可、显卡数、推理服务覆盖末端——托管服务恰好把第二问变得无关紧要，把第三问变得至关重要。前两问能省下来的钱，很可能在第三问上花回去。</p>
</div>

<div class="sec">
<div class="eyebrow">数据飞轮的收益方是谁</div>
<div class="jx-cols"><div style="flex:50"><p><strong>开发者的收益</strong>：不用从零收集海量演示数据、不用搭训练管线，把精力集中在硬件与场景上。报道中提到的共同模式是「收集演示—训练模型—在机器人上测试—用失败决定下一步采集什么数据」。</p></div><div style="flex:50"><p><strong>平台方的收益</strong>：越多开发者上传数据、越多场景被覆盖，基础模型泛化越强，进而吸引更多开发者。开源权重建立社区信任，托管 API 锁定高价值的企业级微调需求。</p></div></div>
<p>这套结构在软件行业已经跑过一遍，「基础模型即服务」的云思路被复制到机器人领域并不意外。<strong>判断：</strong>对创业团队而言，短期这是划得来的——四天做完一个双臂去毛刺的迭代，如果属实，意味着验证成本被大幅压低。但中长期要盯住一件事：当通用大脑变成可按需取用的基础设施，机器人公司之间的差距就会收缩到硬件、数据与场景准入这三样上。这正是本篇把它归到「工具教程」而不是「产品发布」的原因——它改变的不是某一台机器人的能力，而是团队搭建能力的顺序。</p>
<div class="srcline">来源：DoNews 2026-10-15 20:31（网易转载），转述 Physical Intelligence 当地时间 2026-10-13 公告；素材窗口前一日 18:00 → 当日 09:00。窗口说明与不确定边界见 SRC 段。</div>
</div>

---

*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/physical-intelligence-pi-api-hosted-finetune/*