破壳发布RoboAPI，对话许华哲谈具身智能“API时刻”

大家好，我是天南，具身算法研究员。前几周我还在吐槽 PI 的 API beta，觉得让用户自己采数据上传根本行不通——做算法的都明白，模型优化大部分工作都在数据和部署后的工程琐碎上。之后 Dream Labs 上线 Dream API，方式不错，但看了十来分钟，成功率还在个位数。今天早上破壳又公布了 RoboAPI。这些事挤在一个月里，大部分人会说具身进入了“API 时刻”。

行业内部似乎形成了阶段性自信，有信心对外展示具身现有能力，而不是一直隔着屏幕发 Demo。这非常值得鼓励，也是行业进步的标志。作为国内第一个公布 API 进展的破壳机器人，我们约到许华哲老师交流，也聊到 GPT6 会不会吃掉具身等话题。

三家都在说 API，但实际不是一回事。共性在于：都把模型挂到云端让外部调用，可进一步优化或直接泛化测试。背后逻辑是，模型自己说好已无法让人信服，最省事的办法是把它交出去。有三四家走到这一步，本身是很大进步，相信还有更多公司在做类似的事。

但往下看，做法很不一样。PI 的 API 服务对象是已有场景的公司，想卖的是“收集数据→训模型→部署→迭代”这个闭环的 infra，客户不用自己搭训练集群和数据 pipeline。Blog 说针对 Almond 和 Actor 两个部署案例，模型用 API 四天就能做出来。但能用上它的人，手里得同时有场景、机器人，还得有人会采数据。让用户自己采数据是这个闭环最吃力的地方。许老师提到几种结局：要么 PI 团队下去支持，本质还是自己在做；要么找外部二开公司分利润；要么客户后面自己找开源模型调。这样看，PI 的模式很难走通。

Dream Labs 的 API 服务所有人，Dream-1 的打法很出圈，这是 DreamZero 团队首次亮相和全球首发 API，声量很大。用法简单：写提示词提交，不做限制，等待真机或仿真测试。但网友指令天马行空，我整体感受成功率不到 10%。官方研究页给的是另一套口径：仿真里以训练用的 YAM 本体为 100 分，27 款没见过的本体每款跑 300 次，其中 24 款能到 YAM 一半以上——这是相对分，不是成功率，而且是仿真，跟 playground 里看到的完全是两个世界。

破壳准备的时间比我想的长。许华哲说今年四月份就看到了把模型做成 API 的希望。当时公司刚成立，看到两件事：WAM 在数据起量后泛化性确有提升，没见过的场景里抓小方块能做到，跟随语言指令做不同任务也能泛化；另一条是数据标注做到很细，除常见感知、位姿、运动轨迹外，语言标注能做很多。但前几个月还在起步，当时训了一个麻婆豆腐，是针对特定任务做后训练，之后才 all in 零样本，就是今天发的 RoboAPI。这半年他们做的事，就是把针对特定任务数采的模型换成更通用的 API。

许老师对 API 的观点很真诚：“无论 API 未来能不能成为商业模式，在今天它都是一种正本清源式的验证。”“我们希望屏幕里呈现的东西，和大家手上能拿到用的东西，是一模一样的。”

再回到“部署”。PI 的答案是必须为每个场景定制，并把定制做成流水线卖给你。Dream-1 还没回答这道题，因为 playground 算不上部署，是传播装置。许华哲的答案是通用场景里定制不了。工厂、专业场景走后训练无可厚非，场景方有能力也有意愿；但通用场景不行，养老院可能在山区、海边或城市，把一个地方做到完美，迁移到另一个地方可能直接 fail。家庭也没法定制，往 C 端走就没办法二开，用户开箱拿到的就得是产品。这也是 RoboAPI 想做通用的初衷。

RoboAPI 框架中规中矩，核心是 Poke-Aurora，破壳的第一个世界-动作模型。我直观感觉模型不小，预训练规模在几十万小时量级。使用方式是接上适配硬件，API 接收机器人观测和状态，根据指令近实时预测并输出动作。破壳给的结果是整体任务成功率 70%，抓取类超 80%，且非商业化应用，不向盈利性第三方提供产品或服务。相比之下，Dream-1 是每小时 3 美元，PI 是排队加交数据。说白了就是想让大家体验模型能力，众人拾柴火焰高。

我问许老师：真到 C 端，想教机器人做西红柿炒鸡蛋，是不是得有个示教或 ICL 过程。他说 Zero shot 就是 Zero shot。模型本身不会，你就告诉我不会，过几天你会发现它会了。用户一旦示教，感觉就乱套了。像 GEN-1.5 或 Skild AI 展示的 One-Shot，说起来拍个视频就行，但相机架在哪、动作快慢都有讲究。如果能随便拿手机拍示教就能教模型，那才叫强大，他不认为今天的 ICL 能做到。他给了个我没想过的说法：“与其搞示教的数据闭环，或数据飞轮、数据反馈，不如搞任务级的飞轮。”“你就告诉我你不会啥，过几天我们模型本身就带上这个能力了。”原话是“不要让用户干任何事”。所以破壳想从这个 API 里拿走的，是一张失败清单，是 bug report 式的回路，不是数据回路。至于为什么免费开放，他说大家对具身的信任度远低于大模型，提到头部具身