AREX Feed Article
Physical Intelligence 发布 Pi API beta：上传机器人数据、云端微调并经托管网关运行 π 模型
Physical Intelligence（π）于 2026 年 10 月 13 日在宣布 Pi API 进入 beta（公测）阶段：开发者上传自己的机器人数据，在公司管理的算力与基础设施上启动微调，再通过托管推理网关运行微调后的机器人基础模型。这篇题为《Frontier Models for Every Robot》的文章把 beta 称为公司「提供社区可依托的 physical intelligence（物理智能）基础、实现端到端自主」的第一步，接入从开始。
公司口径里最具分量的一条来自犹他州：合作方 Actor 的自主轮式装载机在一次真实商业部署中把物料装进自卸卡车，驾驶室内没有任何操作员。另一条来自旧金山：Almond 的双臂机器人 Axol 用经 Pi API 迭代四天得到的模型，为自身组装所用的垫片去毛刺。两个案例均出自 Physical Intelligence 的发布内容，效果属公司自述，本文无法独立核实。
三步工作流：上传数据、云端微调、托管推理
在 Pi API 之前，把 π0、π0.5 这类通用机器人基础模型适配到具体场景，仍需自行准备机器学习（ML）基础设施、算力和复杂的数据管道。博客称，这类模型自带物理知识与能力的底座，可大幅减少适配新任务、新环境或新机器人所需的数据和工作量，其开源库 openpi 发布在 上。Pi API 把剩下的环节收拢为三步：上传数据，在 Physical Intelligence 托管的算力上微调一个 π 模型，然后经托管网关调用微调后的模型，在自家机器人上执行推理。
博客称，API 当前提供的最新模型已为合作方带来数据效率更高的微调与能力提升；由于 Pi 能快速更新支撑 API 的模型，公司计划持续让开发者用上其最新、能力最强的模型。为确保 API 能支持多样的应用，公司称其寻求回答两个问题：模型能否支撑跨行业、跨硬件的广泛应用；开发者经由 API 能否方便地迭代出实用、可用的自主能力。
首批合作：Actor 与 Almond 的机器人部署
博客正文点名展开了两个案例。Actor 部署自主重型机械，其演示视频标注地点为犹他州，以 2 倍速播放，画面中一台黄色装载机与自卸卡车同场作业。Almond 打造面向 physical AI 开发者的双臂机器人 Axol，博客说其目标是让 Axol 组装出它自己；在标注为旧金山、1 倍速播放的视频里，Axol 为自身组装所用的垫片（spacer）去毛刺，运行的是团队经由 Pi API 迭代得到的策略。
迭代闭环交给开发者：采集、训练、测试、再补数据
博客复盘了早期合作中的共同模式：任务挑战各不相同——翻面的衣物、不肯留在铲勺里的食材、落错位置的制造零件——但改进流程几乎一致：收集示教数据，训练模型，上机测试，再用失败样本决定下一批要采集的数据。公司称，构建 API 就是为了让开发者用其最新模型自己跑通这个循环，并用评估数据指导下一轮迭代。
公司还表示，它向少数公司开放了 API 早期权限，检验它们能否独立提升自主能力；公司称，这些团队很快上手、开始取得进展，令其印象深刻。
覆盖面从日本到瑞士，短板是网络连接
博客称，页面所示的大多数应用——从日本、瑞士到美国多地——都经 API 的云端托管推理运行。博客页面顶部的视频墙给出了更长的合作方名单，缩略图直接标注公司与地点：AgRobotics（加州萨利纳斯）、Dream Machines（瑞士苏黎世）、Chef Robotics（旧金山）、Ultra（纽约布鲁克林）、Omakase（东京）、Intuition.dev（日本）、Yondu（洛杉矶）等，正文未逐一介绍这些团队。博客同时承认，这些早期部署覆盖了不同环境与任务，也暴露出待改进之处，其中一些团队遇到了网络连接问题。
接入门槛：小批量开放，表单先问数据与经验
参与 beta 从等候名单开始。该页面写明，起步规模很小，将分批接入。申请表要求填写总部所在地、团队规模、由谁训练策略及其角色，并勾选已有经验：是否把模型或外部 API 接入过实体机器人的控制栈，是否收集和整理过机器人训练数据，是否训练或微调过策略并跑在实体机器人上，是否通过反复的机器人评估比较过 ACT、diffusion policy、π0.5 这类策略，是否调试过策略，或以上都没有。表单还问：想用 π API 完成什么任务，已收集多少小时遥操作（tele-op）数据，机器人本体是什么配置。
博客末尾附了，岗位横跨研究、基础设施、硬件、人事与运营。文章结尾，公司写道这些例子表明其模型能用于真实、有用的应用，合作方也能经由 API 独立迭代策略，随后补上一句限定：「我们仍处早期，开发者的反馈将帮助塑造后续发布。」