Physical Intelligence 正在为希望针对自身机器和任务调整其机器人模型的团队开放一项测试版服务。Pi API 公告于 10 月 13 日发布的公告称，团队可以上传机器人数据，在 Pi 管理的基础设施上微调模型，并通过托管推理调用生成的模型。访问需要先提交申请；Pi 表示将分批接纳团队。
这改变了部分模型工程工作的地点。机器人开发者仍需要合适的机器、值得自动化的任务、该任务的示范数据，以及在机器上测试模型的方法。Pi 提议运行连接这些环节的训练和模型服务层。
重大变化
- 变化之处： Pi 正向选定团队提供托管式机器人模型适配服务。其公开的openpi 代码库已经提供较早的模型检查点和示例，供愿意自行运行训练技术栈的团队使用；测试版则新增了托管微调与推理路径。
- 重要性： 将训练基础设施交由 Pi 运行，可能让机器人团队把更多精力用于收集有用示范数据，并在自己的设备上评估行为。该服务不会提供机器人、定义成功任务，也不能证明客户能够安全运行。
- 值得关注： 测试版的价值取决于任务结果是否可重复，以及集成条款是否可行。Pi 描述了合作伙伴案例，而公开发布材料没有说明模型版本、支持的硬件、价格、API 合约或安全条款。
转移到 Pi 的工作
Pi 描述的流程是：上传数据，在其托管算力上启动微调，然后使用托管网关进行推理。在其工作流说明中，评估数据会指导下一轮迭代。开发者收集示范、训练模型、在机器人上测试，再研究失败以决定下一步收集什么数据。该 API 旨在让开发者独立运行这一循环，同时由 Pi 运营模型基础设施。
该公司的openpi 代码库展示了早期的自行搭建路径。它包括 π₀、π₀-FAST 和 π₀.₅ 检查点，以及转换数据集、配置微调和提供策略服务的示例。其中列出的 GPU 要求和数据准备步骤说明了为什么拥有机器人专业知识、但机器学习基础设施有限的团队可能会青睐托管训练。公告没有按版本指明测试版模型，因此不应把开源模型误认为 API 实际提供的特定模型。
Pi 表示，其最新 API 模型的能力有所提升，并为合作伙伴提供更高的数据效率微调。发布文章没有公布可量化这一说法的对比数据集、基准测试流程或任务成功率。文章称，介绍的大多数应用使用云端托管推理，其中一些遇到网络连接问题。对于控制回路依赖远程服务的移动机器，这一点很重要；不过文章没有说明延迟或可靠性要求。
团队必须提供什么
这份测试版申请表询问团队中谁会训练策略、他们在机器人数据和策略评估方面的经验、希望完成的具体任务，以及拥有多少遥操作或仿真数据。表格还询问机器人数量和类型、偏好的推理位置以及任务成功标准。这些只是申请问题，不是公开的资格门槛，也不保证能够在本地推理。表格提供云端、本地、两者兼用和不确定等选项；发布说明描述的是托管推理。
这些问题指向了服务无法替客户自动完成的部分：确定特定机器人上的正确行为，并在该机器人上进行测量。Pi 描述早期合作伙伴如何在示范、测试和失败之间反复迭代。其案例包括Almond 的 Axol，一款双臂机器人，据称在 API 迭代四天后已能为装配作业中的垫片去毛刺。Pi 还描述了一台 Actor 轮式装载机在商业部署中铲运和装载物料。这些是 Pi 选择展示的案例和视频，并非对不同硬件上的普遍可靠性、安全性或性能的独立测量。
目前公开的途径是申请测试版访问权限。在这里审阅的材料中，Pi 没有公布开放 API 合约、请求与响应架构、测试版模型名称、硬件兼容清单、定价、数据处理条款或安全协议。团队若要评估该服务，需要先了解这些条款，并在自己的机器人上反复测试，才能判断托管推理是否适合真实运营。
相关报道
BIG CHANGE 此前考察过Runway 通过视频训练的机器人策略和日本的人形机器人数据工厂。这些报道涉及相关的模型与数据工作。Pi 在 10 月 13 日发布的公告是另一项独立的服务开放事件。
来源与延伸阅读
- Physical Intelligence，《面向每台机器人的前沿模型：宣布 API 测试版》（2026 年 10 月 13 日）。开发者对上传、微调、托管推理和评估循环的介绍，并附有精选合作伙伴示范。有关性能和部署的描述属于公司的说法。
- Physical Intelligence，API 测试版申请表（2026 年 10 月 14 日查看）。说明分批接纳方式及申请人需要提供的信息。表格中的选项不代表本地推理产品已经可用。
- Physical Intelligence，openpi 代码库（2026 年 10 月 14 日查看）。记录公开发布的模型检查点和自行管理微调的示例。它没有说明新测试版的合约，也未指明其提供的模型。
