# 大脑开始按 API 卖了：PI 的 beta 一上线，本体厂、大脑厂、全栈厂各算各的账

> 一个人的工作往往决定一家公司怎么卖：Physical Intelligence 把「上传数据—托管微调—云端推理—评测回流」打包成 API 之后，三类公司的反应完全不同。真正卡住这条路的，不是模型能力，是国内的三道关。

### TLDR

- **发生了什么**：Physical Intelligence（PI）于 **10 月 13 日**宣布推出 **Pi API beta 版**，把「上传机器人数据—托管微调—云端推理、策略生成—评测回流」做成一条服务链。
- **为什么是它**：π0、π0.5 长期被公开论文与仿真基准当作强基线；今年 4 月的 **π0.7** 在多项任务上追平 PI 此前的专用模型，在没专门训练过的任务上也有不错表现。
- **定价没给**：PI 目前**没有公布定价**，beta 采用**申请制**，开发者需先说明想做什么；多数公开案例跑的是云端托管推理。
- **对手也在跑**：同期，位于旧金山、核心成员多来自英伟达的 **Dream-1** 也发布其创业后的首个模型并提供 API 服务。
- **三道关卡**：能否干完整的活、能否装进客户自己的环境（私有化/专有云/边缘，数据不出域）、出了问题谁负责（验收、回滚、赔付能否写进合同）。
- **判断**：这条链真正危险的不是它能不能用，而是它会把「横向对照」变成常态——一旦任何一家本体厂都能拿同一批数据去比，模型好不好就不再由 demo 决定。

### SRC

素材时间窗为 **2026-10-23 18:00 → 2026-10-24 09:00（北京时间）**。主干信源为 AIX财经原创稿件，搜狐转载版页面时间标记 **2026-10-24 02:13**，落在窗口内。Pi API beta 的官宣时间为文中所称的 **10 月 13 日**（早于本窗口），本稿写作依据是**窗口中出现的行业第一次系统性反应与从业者交叉访谈**，属窗口内新增量，而非重复报道发布事件。文中受访者为化名或网名（硅基漫步、家斌、陈翔宇、Gashero），身份由原文标注，**均为个人观点、单一信源**，本号无法独立核验其从业背景；PI 创始团队名单、投资方名单、π 系列版本表述转述自原文，未与 PI 官网逐项核对；**PI 未公布定价，beta 为申请制**，文中不涉及任何价格数据。**与既有稿件的差异**：本号 2026-10-20 已就 Dream Labs 的 Dream API（每小时 3 美元 / flash 2 美元）写过一篇「产品发布」，本篇的研究对象为 PI，侧重 API 化对三类公司的影响与国内落地三关，不重复 Dream Labs 的定价与榜单数据。文中延伸分析一律以「判断：」标注，与原文事实分开。

### BODY

<div class="sec">
<div class="eyebrow">从开放权重到开放服务，这一步差在哪里</div>
<p>在此之前，具身智能领域的「开放」已经不少：模型权重、SDK、工具链、研究模型、平台插件都有。开发者可以下载模型、调接口、基于开源项目做二次开发，但拿到的多半还是一个<strong>能力毛坯</strong>——数据要自己准备，训练或微调要自己做，部署要自己完成，评估要自己扛，上线后的效果责任也在自己身上。</p>
<p>PI 这次的变化在于把链条补齐：<strong>客户上传自己的机器人数据 → 在 PI 管理的算力上完成微调 → 通过云端网关调用模型 → 客户在真机上测试 → 根据失败情况决定下一轮补采哪些数据</strong>。这条链上每一环过去都存在，但分散在不同人手里。</p>
<div class="jx-cols"><div style="flex:50"><p><strong>过去的开放</strong>：给的是权重与工具。<br>缺的环节：算力、托管微调长流程、评测回流闭环。<br>结果：能力可复现，但工程成本留在客户侧。</p></div><div style="flex:50"><p><strong>PI 的做法</strong>：给的是一条服务链。<br>补的环节：托管微调、云端网关、评测回流。<br>结果：客户不用建模型团队就能试出本体上限。</p></div></div>
<p>PI 的家底让它有资格做这件事：π0、π0.5 长期被公开论文与仿真基准当作强基线；今年 4 月的 π0.7 在多项任务上追平了 PI 此前最好的专用模型，且在未专门训练过的任务上仍能保持表现。创始班底包括 CEO Karol Hausman（原 Google DeepMind 资深研究科学家）、首席科学家 Sergey Levine（UC Berkeley 教授）、联合创始人 Chelsea Finn（Stanford）等，投资方里有 OpenAI、红杉、Thrive、Lux、CapitalG 与贝索斯。</p>
</div>

<div class="sec">
<div class="eyebrow">三类公司，三种算法</div>
<div class="tbl-wrap"><table>
<tr><th></th><th>它与 PI 的关系</th><th>访谈中表现出的态度</th><th>最担心的部分</th></tr>
<tr><td>本体公司</td><td>潜在买家</td><td>愿意付费测试，长期部署未必</td><td>部署端持续 API 费用压垮 ROI</td></tr>
<tr><td>只做大脑的公司</td><td>直接对手</td><td>不意外，更想拿同批数据做一次对比</td><td>横向对照一旦成为常态，差距藏不住</td></tr>
<tr><td>全栈公司</td><td>需重估护城河</td><td>短期不慌，长期压力更复杂</td><td>训练数据与失败样本是否被用于滋养通用大脑</td></tr>
</table></div>
<div class="cap">表注：三类划分与各方态度依据 AIX财经访谈内容归纳，受访者为化名/网名，属个人观点。</div>
<p>本体厂的逻辑最直白：硬件与应用公司里很多并不想自己训 VLA、WAM 或世界模型，与其重投入建模型团队，不如先接 PI 的 API，看自家本体在更强的大脑驱动下能到什么水平。家斌把边界说得很清楚——<strong>测试会付费，卖给应用公司做长期部署时，企业会嫌持续的 API 费用贵</strong>，国内大量场景人工成本仍低，替代本来 ROI 就薄，再加一层持续费用，账就算不过来。</p>
<p>全栈公司的顾虑则落在数据上。Gashero 的判断相当不客气：这项服务更接近 AI Infra，托管微调、云端推理、评估闭环，意味着客户要上传自己的训练数据；一旦这些数据被拿去训练，等于用自己的护城河去滋养一个同时服务所有同行的通用大脑。</p>
<div class="keypoint">判断：这三本账里最容易被误判的是第二本。过去各家模型都在自己的 demo 里演示，横向对照的成本极高；API 一旦开放，任何一家本体公司都能拿同一批数据、同一台机器去比。这会第一次把「谁的大脑更好」从发布会现场搬到同一张对照表上——它可能挤掉的正是那些喊着做大脑、也融到了钱、但技术能力未过关的团队。</div>
</div>

<div class="sec">
<div class="eyebrow">国内的三道关，和一条不会照抄的路</div>
<p>多位从业者判断，国内大概率会跟进，但不会照抄 PI。也有人推测最先被激发的可能不是某家大脑创业公司，而是阿里云这类通用大模型平台型公司——训模型、托管模型、开放 API、计费结算、服务开发者，本来就是它的强项。</p>
<p>与会各方共同关注的三个维度，实际上就是 API 在中国必须过的三关：</p>
<div class="jx-tl"><div class="jx-tl-row"><div class="jx-tl-t">第一关 · 完整性</div><div class="jx-tl-b">这个 API 到底能干多完整的活——只传给一点数据换回一个更聪明一点的模型，还不是完整的具身大脑服务</div></div><div class="jx-tl-row"><div class="jx-tl-t">第二关 · 部署形态</div><div class="jx-tl-b">只支持公有云 API 远远不够；工业、政企、门店客户要求私有化部署、专有云、边缘部署，数据不能随便出域</div></div><div class="jx-tl-row"><div class="jx-tl-t">第三关 · 责任边界</div><div class="jx-tl-b">任务失败后，平台如果只给日志和评估，不参与验收、回滚和赔付，责任就写不进合同</div></div></div>
<div class="cap">图注：三关归纳自 AIX财经文中多位从业者表述。</div>
<p><strong>判断：</strong>第二关和第三关放在一起看，才是国内跟不上的真实原因。欧美的客户往往接受「按调用付费 + 效果自担」，国内客户更习惯项目制与验收制：钱按里程碑付，责任按条款分。这不是保守，而是 IP 与追责体系不同——数据不出域在很多工业与政企客户那里是硬约束，不是偏好。</p>
</div>

<div class="sec">
<div class="eyebrow">Momenta 这个类比，能被移植多少</div>
<p>陈翔宇把 PI 类比成 Momenta，看中的是商业模式：Momenta 不造车，把智能驾驶方案卖给多家车企，PI 想在机器人行业做同一件事。这个类比有解释力，也有它的上限——智能驾驶的数据形态高度统一（同样的传感器配置、同样的道路标准），人形机器人的本体构型、夹爪、自由度差异极大，「换一个本体还能工作」的难度比自动驾驶高一个量级。</p>
<p>他同时也点出了上游压力：GPT-6 这类通用大模型的能力边界还在外扩，如果它们未来也能把 VLA 做得很好，说明技术路线正在接近收敛，竞争就不只是模型，还有硬件、供应链、场景和本土交付。</p>
<div class="keypoint">判断：对做场景交付与二次开发的团队来说，这次变化的实际含义只有一句——大脑开始可以按需调用了，于是「能不能把活干成」与「能不能把模型训出来」正式脱钩。稀缺性会从模型团队转移到另一件事上：谁掌握不可替代的场景数据，以及谁能把这些数据在客户要求的部署形态与安全边界内，转成可以写进验收条款的结果。</div>
</div>

<div class="srcline">信源：AIX财经原创（作者王璐，编辑魏佳），搜狐 2026-10-24 02:13 转载；受访者均为化名/网名，观点属单一信源，作者背景未获独立核验。Pi API beta 官宣于 10 月 13 日，本稿以窗口内出现的从业者反应为新增量。素材时间窗 2026-10-23 18:00 → 2026-10-24 09:00。</div>

---

*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/pi-pi-api-beta-three-company-ledgers/*