Physical Intelligence 正為想把旗下機器人模型調整到自有機器與任務的團隊開放測試版服務。10 月 13 日發布的Pi API 公告表示，團隊可上傳機器人資料，在 Pi 管理的基礎設施上微調模型，再透過代管推論呼叫產出的模型。申請後才能開始使用，Pi 表示會分批導入團隊。
這改變了部分模型工程工作的所在地。機器人開發者仍需要合適的機器、值得自動化的任務、該任務的示範，以及在機器上測試模型的方法。Pi 提議負責運行串接這些環節的訓練與模型服務層。
重大變化
- 改變之處： Pi 正為特定團隊提供代管式的機器人模型調適服務。其公開的openpi 儲存庫已提供較早期的模型檢查點與範例，供願意自建訓練堆疊的團隊使用；測試版則新增代管微調與推論方式。
- 重要性： 把訓練基礎設施交由 Pi 管理，可能讓機器人團隊把更多心力放在蒐集有用示範，以及用自有設備評估行為。這項服務不提供機器人、不定義成功任務，也不證明客戶能安全運作。
- 後續觀察： 測試版的價值取決於任務結果是否可重複，以及整合條件是否可行。Pi 已描述合作夥伴案例，但公開發布資料未說明模型版本、支援硬體、價格、API 合約或安全條款。
移交給 Pi 的工作
Pi 描述的流程是：上傳資料、在其代管運算資源上啟動微調，再以代管閘道進行推論。在其工作流程說明中，評估資料會引導下一輪迭代。開發者蒐集示範、訓練模型、在機器人上測試並研究失敗原因，再決定下一步蒐集哪些資料。這項 API 的目標是讓開發者獨立執行整個循環，同時由 Pi 維運模型基礎設施。
該公司的openpi 程式碼庫呈現較早的自管模式，其中包括 π₀、π₀-FAST 與 π₀.₅ 檢查點，也提供轉換資料集、設定微調及提供策略服務的範例。公開列出的 GPU 需求和資料準備步驟，說明為何具備機器人專業但機器學習基礎設施有限的團隊可能偏好代管訓練。公告未指出測試版模型的版本，因此不應把開源模型誤認為 API 實際提供的特定模型。
Pi 表示，最新 API 模型能力有所提升，合作夥伴能以更有效率的資料微調。發布文章未提供比較資料集、基準測試流程或任務成功率來量化這項說法。文章也稱多數展示應用採用雲端代管推論，部分應用遇到網路連線問題。對控制迴路依賴遠端服務的移動機器而言，這點很重要；但文章未說明延遲或可靠性要求。
團隊必須準備什麼
這份測試版申請表詢問團隊中誰會訓練策略、在機器人資料和策略評估方面做過什麼、想完成哪項具體任務，以及有多少遠端操作或模擬資料。表單也詢問機器人數量與類型、偏好的推論位置及任務成功標準。這些是申請問題，不是已公布的資格門檻，也不保證能使用本地推論。表單提供雲端、本地、兩者皆可和不確定等選項；發布資料描述的是代管推論。
這些問題指出服務無法代替客戶完成的部分：決定特定機器人上的正確行為，並在該機器人上量測。Pi 描述早期合作夥伴反覆進行示範、測試和失敗分析。案例包括Almond 的 Axol，一台雙臂機器人，據稱在四天 API 迭代後開始為組裝用墊片去毛邊。Pi 也描述 Actor 輪式裝載機在商業部署中鏟起並裝載物料。這些是 Pi 挑選的案例與影片，不是不同硬體普遍可靠性、安全性或效能的獨立量測。
目前公開的方式是申請測試版使用權。在本文檢視的資料中，Pi 尚未公布公開 API 合約、請求與回應結構、測試版模型名稱、硬體相容清單、價格、資料處理條款或安全協議。評估服務的團隊必須先取得這些條款，並在自己的機器人上反覆測試，才能判斷代管推論是否適用於實際運作。
相關報導
BIG CHANGE 先前探討過Runway 以影片訓練的機器人策略以及日本的人形機器人資料工廠。兩者探討相關的模型與資料工作。Pi 於 10 月 13 日發布的公告是另一項獨立的服務開放事件。
來源與延伸閱讀
- Physical Intelligence，《Frontier Models for Every Robot: Announcing our API beta》（2026 年 10 月 13 日）。開發者對資料上傳、微調、代管推論及評估循環的說明，並附選定合作夥伴示範。效能和部署描述屬於公司說法。
- Physical Intelligence，API 測試版申請表（2026 年 10 月 14 日查閱）。說明分批導入方式和申請人需提供的資訊。表單選項不代表本地推論產品已可使用。
- Physical Intelligence，openpi 儲存庫（2026 年 10 月 14 日查閱）。記錄公開模型檢查點及自主管理微調範例。未說明新測試版合約，也未指出其提供的模型。
