大模型看Coding，具身看Picking！原力灵机已抢先入局
一句话看懂：原力灵机通过合并物流机器人公司Atomix，将“抓取”（Picking）定为具身智能的核心原子任务，与Coding在大模型中的地位对标。智谱、阶跃星辰、商汤、阿里等多家中国大模型公司联合投资，标志着资本与产业开始聚焦具身智能的真实商业落地。
事件核心：发生了什么
2026年6月8日，原力灵机宣布以股权并购方式完成与物流机器人公司Atomix的合并。合并后，原力灵机将其自研的DM0具身原生大模型（支持多源数据联合训练）与Atomix的物流仓储分拣场景结合。同时，原力灵机完成新一轮融资，投资方包括智谱、阶跃星辰、商汤和阿里，形成了国内大模型公司对具身智能的一次罕见集体押注。创始人兼CEO唐文斌提出核心观点：Picking（抓取）之于具身智能，如同Coding之于大模型——它是可规模化、可验证、可迁移的原子任务，具备产生真实数据飞轮的潜力。
为什么重要
具身智能行业长期依赖实验室演示和仿真数据，缺乏真实场景的规模化数据闭环。原力灵机将Picking定位为原子任务，是因为它满足四项关键约束：高频率（全球物流仓库每天产生上亿次抓取动作）、真实性（补全仿真缺失的物理细节）、可验证（抓取成功/失败可系统记录）、可迁移（手眼协调与力控能力可延伸至分拣、装配、家庭作业等场景）。合并Atomix的直接价值是：原力灵机获得了真实的物流分拣产线、客户网络和持续运转的业务数据，使数据飞轮从“采集型”转向“场景型”——任务产生数据，数据优化模型，模型提升机器人的执行效率，进而进入更多仓库，形成内生循环。这被认为是从实验室Demo走向ROI验证的商业分水岭。
对用户/开发者/创作者的影响
对开发者而言，如果Picking成为具身智能的基础能力，未来相关AI模型和训练框架可能围绕抓取任务开放API或工具链，降低物流、仓储等行业的机器人集成门槛。对投资者和企业采购方来说，具身智能公司的估值逻辑正在从“演示能力”转向“真实场景数据量”和“商业闭环速度”，Picking相关的物流机器人、数据标注、仿真工具供应商或迎来投资机会。对一般用户，短期内最直接的影响是：淘宝、京东等平台的物流仓储自动化效率有望提升，包裹分拣与配送的速度和准确性可能改善。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，原力灵机的DM0模型能否在真实物流产线上展示出超越竞争对手的跨机型、跨SKU泛化能力，这将是验证Picking作为原子任务的关键。第二，海外竞争对手如Skild AI、Physical Intelligence、Figure AI同样在仓储场景布局，原力灵机与Atomix的合并是否触发行业整合潮。第三，大模型公司（智谱、阶跃星辰、商汤、阿里）的投资是否会转化为生态协同，例如将Picking模型集成到云服务或边缘算力平台，降低开发者接入成本。
来源：量子位 · 每日最新
