机器人的API时代，真的来了？

具身智能行业有一个老问题，是先有能干活的大脑，还是先有产生数据的机会？机器人不够聪明，就干不了活，没人买；卖出去的机器人太少，就攒不下数据；没有数据，大脑永远练不出来。这似乎是一个死结。

10月19日，一家新公司宣称解决了这个问题，并把答案做成了明码标价的商品。

这家公司叫Dream Labs，此前一直低调运作，这是它的首次公开亮相。当天，它宣布完成9000万美元种子轮融资，由B Capital与Kindred Ventures联合领投。

其商品是同一天上线的模型Dream-1，通过公开API出租。开发者注册后，把自家的双臂机器人接入这套服务，机器人摄像头看到的画面会实时传给Dream-1。开发者用一句自然语言下达指令，模型根据画面和指令，持续算出机器人每一步该怎么动，把控制信号传回来，机器人照着执行。价格是每小时3美元，约合人民币21元。

机器人的API时代，真的来了？

 

01.

每小时3美元，买到的是什么？

Dream Labs的研究底子来自英伟达GR00T机器人团队。

CEO Joel Jang此前是GR00T的世界模型负责人，DreamGen、DreamDojo、DreamZero三个项目都由他主导；CTO葛云皓参与构建了英伟达Cosmos世界模型系列；首席科学家Scott Reed在DeepMind工作了八年，Gato和Genie都出自他手，学术引用超过15万次。

 

这次拿出来卖的Dream-1，官方称之为“世界动作模型”。开发者把自己手上的机器人接上就能用，流程上不用采集训练数据，也不用微调。标准版每小时3美元，更轻量的Dream-1-flash每小时2美元。

标准版模型每响应一次调用，返回1.6秒的动作序列，一小时大约支持2250次调用，折算下来，一次调用约0.0013美元。第三方评测机构Robocurve做过测算，用Dream-1完成一次完整的任务尝试，成本约0.15美元，折合人民币一块多钱。而在过去，教会一台机器人做一件事，需要工程师调试数周到数月。

API之外还有两项配套。一项是微调服务，如果开发者使用的硬件暂时不在支持范围内，只需提交5分钟的机器人演示数据，Dream Labs就能完成适配。另一项叫Robot Playground，打开浏览器就能给Dream Labs旧金山办公室里的真机下达指令，全程直播，不经剪辑。

一家公司允许公众实时操控办公室里的机器人，等于公开接受模型当场失败的可能。Joel Jang的态度是，“我们不给大家看剪辑过的demo，而是给大家一个可以自己测试的、真正能用的模型，连同它的错误一起。”

02. 

一周之内，两个API

很多报道将Dream-1称作“全球首个机器人大脑API”。实际上，Physical Intelligence在10月13日就开放了自己的Pi API beta，比Dream Labs早了六天。

但两家的“开放”说的并不完全是一回事。

PI的API是一套微调服务。开发者把自己机器人的演示数据上传给PI，PI用自家算力微调出专属模型，开发者再通过托管网关调用。这套服务目前实行候补名单制。Dream Labs的API则不要求开发者提交数据。开发者公开注册，接入之后，模型直接就能控制机器人。

所以“全球首个”成不成立，取决于怎么定义。只说API，PI早了六天；按“免数据、公开注册、接上就能用”的标准，Dream Labs是第一个。

 

而比谁是第一更重要的，是一周之内，两家公司做了同一个决定，要把机器人大脑做成按时计费的云服务。

两个决定撞在同一个星期，不是巧合。

能干活的双臂机器人价格一降再降，越卖越多，市面上攒出一批“有身体、没大脑”的机器，谁给它们配上大脑，谁就吃到这个市场；大脑也刚好够用了，模型在真机上的成绩，今年终于摸到了“能用”的门槛。

但真正逼他们抢跑的是数据。互联网视频喂不出下一级能力，真机数据只能从部署中来，谁先把机器人铺出去，飞轮就先在谁家转。何况身后还有“追兵”，Claude、GPT-6已经在榜单上比拼机器人控制，老东家英伟达的GR00T还在开源供应。专做大脑的创业公司，窗口就这么长。

03.

免数据的底气

Dream Labs敢让开发者不交数据，底气来自今年2月的一个实验结果。

当时这支团队还在英伟达，他们发表了一篇叫DreamZero的论文，第一次提出“世界动作模型”（World Action Models）这个概念。实验结果出乎意料，只用30分钟的YAM机器人数据做后训练，模型就能完成从没见过、也没专门训练过的任务。

 

过去让一个模型适配一台新机器人，通常要为这台机器单独采集几百到上千小时的数据。如果通用能力可以这样迁移，机器人行业“没数据就没用、没用就没数据”的死循环，第一次有了被打破的可能。

据此，团队决定创业。六个月后，Dream-1发布。

技术上的关键变化，在于模型输出什么。传统机器人模型输出的是关节角度，一台机器的数据只能用在那一台机器上。Dream-1输出的则是夹爪该到哪个位置、该张开还是闭合。任何“双臂加平行夹爪”的机器人，都听得懂这套指令，剩下的关节角度怎么算，由机器人自带的逆运动学求解器完成。

那模型怎么“认识”一台从没见过的机器人？这件事不是从零做起的。

此前的UMI研究证明，只要机器装的是同一种夹爪、模型只依赖手腕上的相机，控制策略就能在不同机器之间迁移。因为腕部相机只拍手前的夹爪和物体，机器人自己长什么样，画面里看不到。但这个路子有硬限制，夹爪必须完全一样，而且手腕上的相机看不到整个桌面。

WAM换了思路，不是让模型直接学机器人，而是让它看视频学预测。训练时，模型同时预测两件事：接下来的画面会变成什么样，画面里干活的手会怎么动。画面和动作绑在一起学，控制一台机器人和想象一台机器人完成任务，就成了同一个问题。

使用时，模型接到指令，先想象任务完成后的画面，再算出让眼前的画面走到那一步的动作——夹爪往哪儿移、什么时候松开。机器人动一步，画面变一步，模型跟着算下一步，循环到做完为止。这个过程里，任何机器在画面里都只是一组会移动的形状，夹爪大小、手臂粗细，只是形状的差别。换一台从没见过的机器接上来，流程不用改。

 

Dream Labs在仿真环境里测了27种模型从没见过的机器人，每种做300次评估，一半是语言指令跟随，一半是没见过的任务，得分以训练机型为基准。27种里有24种过了基准的一半，表现最好的是国产松灵机器人的双臂机型PiPER，拿到91.2%。另一项测试里，一台2008年发布的PR2被模型远程接管，这台18年前的研究平台没有提供任何本体数据，照样完成了作业。

 

Dream-1也已经跑在实验室之外。从上海、深圳，到首尔、巴黎、旧金山，任务从把螺丝刀放进盒子、折盒子，到把工具分类收进收纳箱，全球12个beta测试站点自主运行着这套模型，干着具体的活。

04.

59%的另一面

Robocurve是一家做机器人评测的机构。它的RoboDojo-RC Tier 1评测在真机上完成，每个模型都实机测试了120次。Dream-1的平均得分是59%，是这份榜单上第一个超过50%的模型。作为对照，Claude Opus 5.5和Gemini 4 Argon是48%，GPT-6 Astra是47%，英伟达GR00T N1.7只有10%。

出走团队和老东家的模型，在同一份榜单上相差49个百分点。

但这份成绩单有两个需要说明的地方。

其一，59%的另一面，是每两次尝试里仍有约一次失败。且这是实验室里的成绩，还不等于放到真实生产环境里就能用。

其二，这份评测虽然由第三方Robocurve执行，但数据是Dream Labs转述公布的，而且Robocurve本身也是Dream的beta测试伙伴。到目前为止，还没有与Dream Labs无关的团队独立复现过这个结果。

Dream Labs没有回避模型的局限。它在官方博客里写，零样本表现好不好，依赖每台机器人自带的逆运动学求解器的质量。模型只决定夹爪最后到哪个位置，不管手臂沿什么路径过去，在障碍物附近就可能出错。如果一台机器和训练数据里的机型差别太大，模型还可能给出物理上根本做不到的动作。Dream Labs给模型的定性是“研究Beta”，并明确标注它没有经过安全关键场景的验证。

 

更少有人讨论的是安全。上个月，Robocurve发布了另一份报告，叫RoboHarm。他们让几个前沿模型直接控制双臂机器人，然后下达危险指令，如刺向玩偶，把充电宝扔进水盆。结果主流模型普遍照做，很少拒绝。这份报告测的是Claude、GPT-6和MolmoAct2，不含Dream-1，但它揭示的问题对任何一家开放机器人控制的API都成立。当给双臂机器人下指令，从实验室里的特权变成任何人注册就能获得的服务，安全就不再只是一个遥远的话题。

05.

结语

59%的平均得分，还撑不起真实的生产环境。Dream Labs的赌注，是另外的东西。

便宜的身体接上现成的大脑，有用就有人买，有人买就有数据，有数据大脑就更强，更强的大脑又让更多身体有用。这个循环一旦转起来，就会自己加速，行业里管它叫数据飞轮。3美元一小时，卖的就是这个循环的入场券。 而使用过程中，机器人看到的画面、执行过的动作，都会实时流经Dream Labs的服务器，这些数据将成为飞轮的燃料。上线不到24小时，Dream Labs就公布了一组数据，53个国家的开发者接入了这套服务，37万次调用，137台机器人正被实时控制。

身体已经就位，3美元一小时的大脑刚刚通电。飞轮转起来，那个死结才算真的解开。