具身智能 MaaS 爆发：云端推理成主流，原力灵机首创三阶段后训练平台

2026 年，大模型按 Token 售卖的商业逻辑迅速蔓延至机器人领域。尽管国内上半年 MaaS 市场规模已达 106 亿元，Token 消耗量同比增长超过 430%，但具身智能仍面临硬件瓶颈。

目前的机器人机身成本高昂且空间有限，芯片算力在视觉处理和运动控制后所剩无几，无法支撑高参数模型运行，同时散热问题也难以解决。因此，将指挥动作的具身模型部署在云端进行推理，几乎成为行业唯一出路。

与通用大模型开箱即用不同，具身智能必须经过严格的后训练（Post-Training）才能适应真实场景。原力灵机发布的行业首个通用具身 MaaS 服务，通过三套后训练 Pipeline 解决了模型从“学会”到“学精”再到“不出错”的难题。

该平台第一阶段利用有监督微调（SFT）教学标动作，成功率可达 80% 至 90%；第二阶段通过 DAgger 纠偏训练处理运行中的错误数据，将成功率进一步提升；第三阶段采用强化后训练（RECAP）针对罕见失败场景进行优化。

三套流程叠加后，原子任务的成功率可逼近 100%。与仅支持简单操作或偏向科研的竞品相比，该平台更面向真实任务和场景，且提供开放接口，旨在降低本体厂商的技术门槛，推动具身智能走向大规模量产。