10月13日，美国具身智能公司Physical Intelligence（PI）发布Pi API beta版，把“上传机器人数据—托管微调—云端推理—策略生成—评测回流”串成一条服务链，尝试将机器人“大脑”以API形式对外提供。这家不造本体、专做通用具身模型的公司，由此从模型研究走向能力服务化，也让“具身大脑到底该怎么卖”这个行业老问题有了新的参考答案。

PI的定位一直很明确：不做机器人硬件，只做跨机器、跨环境、跨任务的通用具身智能模型。其创始团队包括CEO Karol Hausman（曾任Google DeepMind资深研究科学家）、首席科学家Sergey Levine（UC Berkeley教授）、联合创始人Chelsea Finn（来自Stanford），以及工程与商业化侧的Brian Ichter、Quan Vuong、Adnan Esmail和前Stripe高管Lachy Groom。投资方名单中有OpenAI、红杉、Thrive、Lux、CapitalG以及亚马逊创始人贝索斯。资本押注的逻辑并不复杂：机器人现阶段缺的不是手、不是腿，也不是更贵的硬件，而是智能。

在技术路线上，PI押注端到端模型，而非传统机器人“感知、规划、控制”分模块堆系统的方式；它也更强调真实世界强化学习与部署后的数据回流，让模型在真实场景里干活、失败、纠正、再部署，靠真实数据把能力磨出来。Pi API本质上是把这套方法产品化：客户上传自己的机器人数据，在PI管理的算力上完成微调，再通过云端网关调用模型，随后在真机上测试，并根据失败情况决定下一轮补采哪些数据。对于没有模型团队或不想重投入训练模型的公司，这比从零自研更快。

但卖API并非没有门槛。具身大模型API在工程上并不神秘，网关、鉴权、微调、日志、评测、计费与LLM API类似，真正难的是模型能力可被复用：第三方数据上传微调后还能保持泛化，换本体、换场景、换客户还能工作。成本也是现实问题——PI目前未公布定价，beta版采用申请制，开发者需先说明想做什么；其展示的大部分案例跑的是云端托管推理，部分早期部署已暴露出网络连接问题，客户除调用费用外还要为网络稳定性买单。

PI这一步对行业的影响因企业位置而异。没有自研“大脑”的本体公司是潜在买家，已表现出尝试意向：与其重投入建模型团队，不如先接PI的API，验证自家本体在更强大脑驱动下的能力上限。但纠结在于，测试会付费，长期部署未必——国内大量场景人工成本仍相对低，机器人替代人力的ROI本就偏低，再加一层持续API费用，很多项目的账就算不过来。更现实的做法是用PI的模型摸清本体能力上限，找到值得投入的场景，再决定后续路径。

只做大脑的公司感受最为微妙。真正做模型的人对PI做API并不意外，这是很多大脑公司都想过的一条路；但国内很多具身模型团队还没有证明自己到了“可以被第三方反复复用”的程度。API一开放，任何一家本体公司都可以拿同一批数据、同一台机器，去对比PI和国内模型的效果，这恰恰是PI给同行带来的真实压力。

全栈公司短期最不容易慌，长期压力反而更复杂。有资深工程师不看好PI卖API，认为其服务更接近AI Infra类，客户要上传自己的训练数据，而真机数据、失败样本、场景SOP往往就是机器人公司的核心资产，一旦被PI拿去训练，等于用自己的护城河免费滋养一个服务所有同行的通用大脑。越强、越有场景的公司，越不会轻易把核心数据交出去。但长期看，如果大脑模型、灵巧手、执行器、传感器都逐渐供给充足，全栈公司的价值会被重新定价，就像PC时代零部件专业化之后，整机厂价值越来越像拼装。

多位受访者的共同判断是，具身行业不需要每家公司都重复造一套底层模型，能力有机会向少数基础模型集中。有研究者认为，PI做API对同行的直接冲击是，国内声称做大脑、也融到资但技术能力不行的团队，会迎来真正出清。

国内是否会跟进？不止一位从业者表示大概率会，但不会照抄PI。更可能先长出“平台型具身模型服务”，而非立刻出现很多个“中国版PI”。有创业者判断，PI最先可能激发阿里云这类通用大模型平台型公司去做机器人API付费模式——训模型、托管模型、开放API、计费结算、服务开发者本就是这类公司的强项。这意味着国内与PI是两条路：PI是把自己的核心模型做成服务，赌模型能力本身能成为基础设施；云厂商做具身模型服务，更像在原有算力和模型平台上长出一个新品类。

头部具身大脑公司不是不想跟进，而是要先算清一笔账：开放API可能带来新收入，也会带来模型能力被同一套接口直接比较、真机数据托管涉及合规与商业机密、客户借此压价等风险。因此他们更想先观望PI的API成交效果，重点关注三个维度：这个API到底能干多完整的活，是只“传一点数据换回一个更聪明的模型”，还是能帮客户微调出真正可部署的模型；服务能不能装进客户自己的环境，支持私有化部署、专有云、边缘部署对工业、政企、门店客户很关键；出了问题谁负责，平台若只提供日志和评估、不参与验收、回滚和赔付，责任就写不进合同。

这三关在全球都要过，只是在国内，客户更习惯项目制和验收制，数据更强调不出域，纯API的ROI更难算。因此国内短期很难一步跨到纯API收费，但PI提前走了“大脑能力服务化”的路，哪些关卡必须过，行业看得更清楚了。有研究者把PI类比成Momenta——不造车，把智能驾驶方案卖给多家车企，PI想在机器人行业做的也是这件事。不过Pi API仍处于beta阶段，定价和成交都未公开，商业闭环能否跑通，现在下结论还早。

变量也不只来自PI。通用大模型的压力正在袭来，如果它们未来也能把VLA做得很好，说明技术路线正在接近收敛，具身智能会更像智能驾驶一样走向规模落地。到那时，竞争不只有模型，还有硬件、供应链、场景和本土交付。对国内具身公司来说，接下来的压力来自两个问题：自家的模型凭什么被客户持续调用，以及当通用大模型也具备类似能力时，自己还有什么不可替代。