10月13日，具身智能模型公司Physical Intelligence（PI）宣布推出Pi API beta版，尝试将机器人“大脑”以API形式对外提供服务。该服务将“上传机器人数据—托管微调—云端推理与策略生成—评测回流”整合为一条完整服务链，客户可上传自有机器人数据，在PI管理的算力上完成微调，再通过云端网关调用模型，并在真实设备上测试后根据失败情况决定下一轮数据补采。
PI成立于2024年，定位为通用具身智能模型供应商，不做机器人本体，专注于跨机器、跨环境、跨任务的“物理世界通用AI大脑”。其创始团队包括曾任Google DeepMind资深研究科学家的CEO Karol Hausman、UC Berkeley教授Sergey Levine、来自Stanford的Chelsea Finn，以及Brian Ichter、Quan Vuong、Adnan Esmail等工程与产品化成员，商业化侧有前Stripe高管Lachy Groom。投资方包括OpenAI、红杉、Thrive、Lux、CapitalG以及亚马逊创始人贝索斯。
PI的π系列模型长期处于具身智能第一梯队，π0、π0.5常被公开论文和仿真基准用作强基线。今年4月发布的π0.7在多项任务上追平了PI此前的专用模型，并能在未专门训练过的任务上保持较好表现。与行业内此前开放的模型权重、SDK、工具链不同，Pi API将模型能力封装为可调用的服务，降低了缺乏模型团队或不愿重投入训练的企业使用具身大模型的门槛。
PI并非首个开放机器人模型能力的公司。在其官宣后，位于旧金山、核心成员多来自英伟达的机器人团队Dream-1也发布了创业后的首个模型并提供API服务。具身大模型API在工程实现上并不特殊，网关、鉴权、微调、日志、评测、计费与LLM API类似，真正的难点在于模型能力能否被复用：第三方数据上传微调后能否保持泛化，更换本体、场景或客户后模型能否继续工作。
成本是另一项待解问题。PI目前未公布定价，beta版采用申请制，开发者需先说明使用场景。PI展示的大部分案例运行于云端托管推理，部分早期部署已暴露出网络连接问题，客户除调用费用外还需为网络稳定性承担成本。在具身智能行业，本体公司是PI的潜在买家，只做大脑的公司是其直接对手，全栈公司则需重新评估自身护城河。
多位受访从业者认为，PI此举将实质影响行业，但短期内不会改写格局或立即带走客户。部分没有自研大脑的本体公司有意接入PI的API，以验证自家硬件在更强模型驱动下的能力上限；但在国内大量场景中人工成本相对较低，机器人替代人力的投资回报本就有限，叠加持续API费用后，长期部署的经济性仍待验证。对只做大脑的模型公司而言，PI带来的真实压力在于，其模型能否经得起第三方用相同数据进行的横向对比。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
