Physical Intelligence 推出 Pi API Beta，向开发者开放机器人物理基础模型微调与推理

发布

2026年10月13日

我们正在通过 Pi API 测试版 提供最新模型，供训练和推理使用。

部署机器人充满挑战。除了确定合适的应用场景和搭建合适的硬件，开发者还需要足够智能的模型来完成手头的任务。诸如 π₀ 和 π_0.5 等通用机器人基础模型为应对这一挑战提供了一条可行路径。它们提供了强大的物理知识与能力基础，大幅降低了为新任务、新环境或新机器人进行适配所需的数据与工作量。但要让它们真正落地，仍需 ML 基础设施、算力以及复杂的数据管线，这些本身就是不小的难题。能不能通过一个简单、即用即得的 API，把最新、最强大的机器人基础模型适配到每一类具体应用中？

Pi API 为你完成这一切。你只需上传数据，在我们托管的算力与基础设施上启动微调，并通过托管网关调用微调后的模型进行推理。API 当前提供的最新模型已为合作伙伴带来更高效的数据利用与更强的能力。鉴于 Pi 能够快速迭代 API 背后的模型，我们计划持续开放对最新、最强模型的访问。测试版的发布是我们的第一步，旨在为社区提供一个可以构建其上的物理智能基础，并助力实现端到端的自主能力。

为了确保 API 能够支持多样化的应用场景，我们试图回答两个关键问题。第一，我们的模型能否在不同的行业中支持广泛的应用与机器人硬件？第二，API 能够在多大程度上帮助开发者轻松迭代，迈向有用且实用的自主能力？

在不同行业中支持广泛的应用

为了探索模型能够适配的广度，我们与正在部署机器人、为各自场景搭建自主系统的企业紧密合作。这些合作让我们能够验证模型在不同任务、硬件与运行环境下的实际表现。

助力独立迭代，迈向实用的自主能力

在最初的几次合作中，一个共同的模式浮现出来。每项任务的挑战各不相同：一件穿反了的衣物、一种怎么也盛不住的食材、一个位置放错的工件。但提升性能的流程却高度一致：采集示范数据、训练模型、在机器人上测试，再依据失败情况决定下一步采集哪些数据。我们打造这套 API，正是为了让开发者能够借助我们的最新模型，自行驱动这一迭代循环。

我们向少数公司开放了 API 的早期访问权限，以测试他们能否独立提升自主能力。他们上手之迅速、起步即取得进展，让我们印象深刻。他们的体验为我们展现了一个窗口，揭示了借助你自己的机器人与数据所能实现的种种可能。

上面展示的大多数应用，从日本到瑞士再到美国各地的部署，都是通过 API 运行云端推理。这些早期部署涵盖了各种环境和任务，并突出了需要改进的方面，包括一些部署面临的网络连接挑战。

从反馈中改进

我们的模型被使用得越多，我们就越能学习如何改进它们：通过了解当前模型在实际应用中的潜力和局限性，我们可以让下一代模型更加广泛适用，并在通向真正通用物理智能的道路上取得切实进展。但现实世界中的任务范围非常广泛，要理解机器人可能完成的广泛任务，就需要让我们的模型可用于这些任务。现实世界中的机器人应用并不容易：应对机器人施工、机器人手术或仓储自动化，每一项都需要一家公司来完成。如果每一项这样的应用都需要从头开始解决物理智能问题，那么这些挑战将变得无法克服。通过通过 API 提供我们的模型，我们加速了机器人生态系统的发展，并在此过程中加深了我们自身对物理智能的理解。

上面的例子表明，我们开发的模型可以用于真实、有用的应用，并且我们的合作伙伴能够使用 API 独立迭代策略并改进其任务的自主性。我们仍处于早期阶段，开发者的反馈将有助于塑造未来的版本。

如果您想参与测试版，请告诉我们您想构建什么。

如果您想帮助开发这项工作背后的模型和工具，我们正在招聘研究、基础设施、硬件、人事和运营方面的人才。