一直以来，具身智能赛道都被模型叙事所主导。

VLA、世界模型等概念轮番占据行业焦点，然而热度之下，信任的缺口却在悄然扩大。

这几乎成了一种公开却又不便言明的行业悖论：越是标榜通用，外界越对其真实能力心存疑虑。

面对这一困境，业界开始分化出不同的证明路径。

一类是实验室 Demo 派，在高度可控的环境中制造惊艳瞬间；另一类是 Benchmark 派，用抽象指标争夺排名高地。

而第三种路径正获得越来越多认同，直播公开验证，将系统置于真实、连续、不可剪辑的公众注视之下。

Figure AI 曾用 200 小时直播展示机器人分拣物流包裹，将技术能力直接暴露于外界审视之中；国内智元机器人与龙旗科技也完成了连续 6 天的真实任务直播。

这些案例表明，行业正从展示最佳状态转向接受持续检验。

与此同时，随着具身智能热度攀升，各类展会上机器人演示虽层出不穷，但那些往往是多轮调试后的稳定版本，任务边界清晰、环境预设充分，甚至不排除隐性遥操或人为干预。

它们无法等价于模型在真实场景中的泛化表现。

在这些分歧与选择背后，真正的问题始终悬而未决：如果彻底剥离「剧本环境」，这些模型还能可靠地成立吗？

原力灵机在今年 WAIC 上给出的回答，是一次大胆的极限挑战：15 小时持续作业，6 台不同类型机器人协同拼装一座完整的长城模型，全程公开透明。

这不再是一场常规演示，而是一次面向真实开放环境的压力测试。

原力灵机将软硬件一体化能力直接推至公众视野，用极端规模和不可彩排的条件，去检验模型在物理世界中的真正底牌。

1、拼一座长城模型，到底难在哪里？

制造业长期受困于一个「最后 20%」的瓶颈。

尽管自动化技术日新月异，全球仍有约 20% 的工序，像精密装配、柔性物料处理、缺陷修复、狭小空间操作等，难以被传统机器或固定程序有效替代。

这些环节往往要求微米级精度、强感知判断和即时适应性，高度依赖人工经验。

原力灵机选择的长城模型拼装任务，恰好复刻并极端放大了这一「最后 20%」的挑战。

这座模型长 3.5 米、宽 1.5 米、最高点 1.1 米，由 81920 块微型积木构成。4 台桌面机器人与 2 台人形轮式机器人协同作业，需在 15 小时内完成全部拼装。

这不仅考验单项技术，更是将海量重复操作、多机协同和长时稳定执行压缩进一个高强度、高密度的现实场景。

第一重挑战，来自极致海量重复的精细操作。

81920 块积木意味着每台机器人平均每 12 秒左右就要完成一次精准动作，积木尺度微小，操作精度要求达到亚毫米级（0.1—1 毫米），已超过人手自然抖动极限（约 0.3—1 毫米）。

这意味着机器人必须在光照变化、轻微振动等现实干扰下，持续维持感知、驱动与执行的精密闭环。

长期重复劳动对模型的鲁棒性和抗漂移能力提出极高要求，任何微小偏差的累积，都可能在数小时后导致整体失败。

第二重挑战，是 6 台异构机器人组成的集群协同。

桌面机器人善于细腻的桌面级操作，人形轮式机器人则拥有更优的移动和姿态调整能力，二者需要形成有机配合。

每台机器人需要具备自主感知、决策与执行能力，并通过实时通信协商分工：有的负责小件拾取与初装，有的承担大件定位与结构搭建。

这种物理世界中的多智能体协作，远比单机任务复杂。

任务分配、冲突消解、进度同步环环相扣，任何一台机器的延迟或失误都可能拖累整条装配链，甚至影响模型结构的稳定性。

第三重，也是最关键的：全程纯自主执行，无后台遥操，无预设轨迹脚本。

这与许多展会特制版 Demo 形成了鲜明对照，后者通常在可控环境中反复调优，甚至暗藏人工干预以保证完美亮相。

而原力灵机的挑战直接置于展会真实场景，光照波动、意外扰动、不同机型的泛化差异都无从回避。

模型必须实时理解任务进程，动态适应环境变化，并在长达 15 小时的连续作业中保持前后一致。

这正是对具身智能模型可验证性的直接拷问。

通过拼长城模型这一任务，原力灵机不仅在技术层面直击制造业痛点，更在验证范式上迈出了创新一步。

它用一种公开、可量化、不可剪辑的方式，证明模型能力不再停留在 PPT 或封闭实验室，而是真正走进物理世界，接受最严苛的检验。

2、底层大脑 DM0.5+DW0.5：双模型协同，扛下 15 小时长城拼装极限考验

一场持续15小时、六台机器协同、亚毫米级精度的物理实景挑战，背后必然有一套真正经得起真实场景检验的技术体系。

驱动这场拼装任务的，是原力灵机最新的通用具身基础模型 DM0.5 与 DW0.5 世界模型的联合体系。

如果说初代 DM0 解决的是在实验室里完成指定动作，那么这套新体系要回答的问题只有一个：机器人能不能在真实的、充满变数的环境里，像人一样持续稳定地干活？

在这场硬仗中，DM0.5 扮演了执行大脑的角色，81920 块积木的识别、抓取、对准、拼装，每一步都由它自主完成。

为了让它在开放世界扛住 15 小时不间断作业，原力灵机在五个维度上做了系统强化。

第一，模型不需要背答案。传统机器人依赖预设脚本，每一步都提前写好。

DM0.5 具备零样本执行能力，面对位置、角度各异的积木，它根据实时的语言和视觉信息现场判断该怎么做，而不是机械复现记忆中的动作序列。

第二，它不会做完就忘。

15 小时连续作业中，大量关键信息不会始终出现在当前画面里，例如某个结构最初什么状态、中间调整过什么位置、上一块积木拼在了哪里。

DM0.5 设计了上下文记忆机制，最长支持 60 秒的有效记忆，让模型始终清楚从哪来、到哪了、接下来该做什么。

其次，它在动手之前会先想一想。

传统模型通常从感知直接跳到动作，而 DM0.5 在中间加入了具身推理环节。

它被训练去回答现在做到哪一步了、环境发生了什么变化这类问题，好比有经验的工人每完成一步都会确认进度再决定下一步。

模型也不怕面对意外情况。真实环境里，相机角度会变、积木可能被碰歪、甚至有人为干扰。依赖固定轨迹的机器人遇到这种情况就会卡死。

而 DM0.5 在测试中即便目标被移动或视野被遮挡，也能重新观察、重新规划动作路径，继续完成任务。

最重要的是，它还能一脑多用。6 台机器人构型各不相同，桌面机械臂负责精细拼装，人形轮式机器人负责大件搬运。

DM0.5 通过多机型联合训练，让同一套模型在不同本体之间迁移部署，不同构型、不同分工，共用同一个大脑。

但只有 DM0.5 还不够，行业也面临另一个困境：真机试错代价极高，速度慢、设备贵、一次失败可能需要人工复位数分钟，甚至损坏硬件。

如果用纯真机数据来训练，规模很难做大。这就是原力灵机 DW0.5 世界模型要解决的问题。

DW0.5 的角色，是一个低成本试错模拟器。

它不直接执行动作，而是回答三个问题：给定当前状态和候选动作，世界会如何变化？这个变化是让任务更接近成功还是正在偏离？这些信号能否转化为训练数据反哺给 DM0.5？

在长城拼装中，这套机制的作用非常直接。

假设面对一块积木有几种不同的抓取方式可选，角度偏一点、力度大一点，但在真实世界里不可能都试一遍。

DW0.5 的作用就是：在虚拟空间中把几种候选动作都预演一遍，生成对应的未来画面，再做出价值判断：哪一种方案成功概率更高？

然后把结果反馈给 DM0.5，让它选择最优方案执行。

为了让这种预演足够可信，DW0.5 在三个关键设计上下了功夫。

第一，动作必须能精准驱动画面变化。

如果向左推和向右推生成的未来看起来差不多，那它就只是一个好看但无用的视频生成器。

DW0.5 采用帧级动作绑定：第 i 帧画面必须严格对应第 i 组动作指令，向左和向右在模型内部从一开始就走不同的计算路径。

第二，它必须学会模拟失败。

很多世界模型只见过成功轨迹，导致无论给什么动作都倾向于生成任务完成的画面，这无法告诉模型这个动作可能会把积木推到难以恢复的位置。

DW0.5 的训练数据中同时包含成功与失败轨迹，并通过仿真大规模覆盖各种偏离、卡住、恢复的中间状态，既能告诉模型什么是对的，也能警告什么是错的。

第三，它能把模拟结果转化为可训练的反馈信号。

通过内置的价值评估模块，DW0.5 能给每一段预演的未来画面打分，当前状态离成功还有多远、哪个动作方向更值得尝试并将这些分数作为奖励信号，用于 DM0.5 的后续训练优化。

这套DM0.5 执行、DW0.5 预演的协同机制，直接降低了后训练阶段对真机数据的依赖，让模型可以在不频繁占用物理设备的情况下持续优化。

如果说长城拼装是一场 15 小时的真实大考，那么 DM0.5 是在考场上埋头答题的考生，而 DW0.5 是考前的模拟训练系统。

它让考生在走进考场之前，已经在虚拟环境里把各种可能的题目和应对策略练了无数遍。

两者结合，才构成了一套完整的、可闭环迭代的技术体系。

这场拼装挑战验证的核心命题是：当执行、预演、反馈、优化这几层能力同时叠加时，这套系统还能不能保持稳定？

3、真好用的模型，需要真落地的检验

很长一段时间里，具身智能模型的进步主要停留在软件层面。

参数在膨胀，数据在增加，榜单在刷新，但这些进步有一个共同特点：缺乏真实环境验证的模型，本质上不可证伪。

这也是为什么许多模型在 Demo 中表现出色，一旦面对真实场景就会明显退化，因为 Demo 是可以反复试错、精心剪辑的，但真实世界不给再来一次的机会。

然而，这种不可证伪的状态正在被打破。

行业已经形成了一种共识性的转向：具身智能的竞争，正在从谁说得好变成谁扛得住。

这种转向体现在两个维度上。

第一个维度是对物理交互能力的全面要求。一个可用的具身模型，不能只在固定工位上完成单一动作。

它既要走得稳，即在复杂环境中自主移动、避障、导航；又要手够细，在毫米级甚至亚毫米级的尺度上完成精密操作。

从抓取到装配，每个环节都涉及连续的感知与控制，而非孤立的动作。这种 Locomotion（运动）与 Manipulation（操作）的结合，是通向实际应用的基础门槛。

正因如此，Figure AI 做快递分拣直播，智元机器人进龙旗工厂产线作业，本质上都是在「手+脚」的复合能力上接受检验。

第二个维度是应对复杂长尾问题的能力。

真实世界远比任何数据集都更加多变，环境扰动、设备误差、任务变化会不断涌现。模型不能依赖短时最优策略，必须在长时间运行中持续适应。

无论是星动纪元在顺丰、邮政的真实场景里进行物流分拣，还是原力灵机的 15 小时长城拼装，本质上都是用时间和复杂度来逼近真实环境，逼出模型的泛化底牌。

这两个维度的共同点在于：它们是公开的、可证伪的。

在长时间、全透明的任务中，模型的表现无法通过剪辑或筛选来美化，它要么完成任务，要么在过程中暴露问题。

这种结果导向的验证机制，让模型能力第一次变得可以被直接比较、被公开审视。

这或许正是一个分水岭。

过去，企业习惯用不断扩展的任务表来证明能力，我能做 A，也能做 B，还能做 C，但这种证明方式永远可以无限延续。

未来，真正的分水岭在于：谁能拒绝用任务表来冒充世界，谁能让模型在真实的、开放的、没有脚本的环境里站得住脚。

世界本身才是最好的训练场，而每一次真实的交互、每一次没有脚本的执行，才是对模型能力最诚实的评判。

当具身智能走到这个阶段，评判标准也在同步进化：模型重要的不再是在已知任务里能做什么，而是在未知变数面前能否一直做对。

而这，才是从实验室走向现实世界的关键一步。