Physical Intelligence 在 2026 年 10 月 13 日通过官网宣布，其最新机器人模型开始以 Pi API 的形式进入 beta 测试：外部团队不用再从零搭训练管线，上传自家机器人的数据、发起微调，再通过托管网关做推理，就能把模型装进自己的机器人。公司在公告中称，API 背后的最新模型在微调时更省数据、能力也更强，后续还会随着自研模型迭代持续替换升级。
把最难复制的那段基础设施做成接口
通用机器人基础模型如 π0、π0.5 的价值，是先在海量数据里学到物理世界的基本功，再用少量新数据适配新任务、新环境或新机型。但“少量新数据”只是问题的一半：微调所需的算力、数据管线和机器学习基础设施，对多数机器人团队恰恰是最难补齐的部分。Pi API 的分工是把这段留给平台方：开发者负责采集数据和定义任务，训练在 Physical Intelligence 管理的算力和基础设施上跑，训练好的模型通过云端托管推理回到机器人身上执行。
早期合作方先验证了“自己迭代”这件事
公告用一批早期合作案例说明 API 的适用面。工程机械方向的 Actor 把模型用在无人驾驶轮式装载机上，在真实商业部署中完成铲料并倒入自卸车的动作；双臂机器人公司 Almond 的 Axol 则在用 Pi API 迭代四天后，学会了给自身装配用的垫片去毛刺。公司总结这些合作的共同节奏并不复杂：采集示范、训练模型、在真机上测试、再根据失败样本决定下一批要补什么数据。API 想交付的正是让外部团队独立跑完这个循环的能力，而不是一次性交钥匙。
云端推理方便，先要过网络这一关
公告也留了一处诚实的注脚：上述多数早期部署跑的是云端托管推理，部分现场遇到了网络连接方面的麻烦。对仓库、工地这类网络条件不稳定的场景，推理放在云端意味着延迟和断网风险都要算进系统设计，这也是判断这套 API 是否适合自家场景时最该先问的问题。另外，公告没有公布 beta 的定价和名额规则，只开放了参与申请，申请者需要说明想用机器人做什么。
对中小机器人团队来说，这次开放的意义在于分工变了：竞争点从“谁养得起训练基础设施”回到“谁有更好的场景数据和任务定义”。但 beta 毕竟只是第一步，模型在陌生硬件上的成功率、云端推理的稳定性，以及后续定价，都会决定它是一次演示性的开放，还是机器人开发方式的真正转折。
