让每一台机器人都能用上前沿模型：Pi API 开放 Beta （Physical Intelligence，2026-10-13）
导语：Physical Intelligence（Pi）推出 Pi API Beta，向外部开发者开放最新机器人模型的训练和推理服务。开发者可以上传自己的数据、微调模型，再通过云端推理让机器人执行任务。
为什么做：部署机器人，除了选对场景、做好硬件，还需要足够聪明的模型。π0、π0.5 这类通用机器人基础模型，已经大幅减少了适配新任务、新环境和新硬件所需的数据与工作量，但开发者仍然要准备算力、搭建机器学习基础设施和数据管线。Pi 希望把这部分工作封装进一个现成的 API，让开发者更容易把前沿模型用到具体应用中。
API 做什么：开发者上传数据，在 Pi 管理的算力和基础设施上发起微调，再通过托管网关调用微调后的模型进行推理。Pi 表示，API 当前提供的最新模型已经能以更少的数据完成微调，并为合作伙伴带来更强的能力。后续还会持续更新底层模型。这次 Beta 是其向社区提供物理智能基础、支持端到端自主运行的第一步。
重点验证两个问：第一，模型能否适应不同行业、任务和机器人硬件；第二，开发者能否利用 API 独立迭代，逐步实现实用的自主能力。
跨行业适配：Pi 与正在部署机器人的企业合作，在真实任务、硬件和作业环境中验证模型。第一组合作方包括 Actor、AgRobotics、CloudChef、一家乳业合作伙伴、Ultra 和 Weave。其中，Actor 在犹他州展示了自主重型机械：一台轮式装载机在真实商业作业中自行铲起物料、装入自卸卡车，驾驶室内没有操作人员。
开发者自己迭代：不同应用的难点各不相同，例如衣服翻到了反面、食材无法稳稳留在勺子里、制造零件落在错误位置。但改进流程基本一致：收集示范数据、训练模型、上机器人测试，再根据失败情况决定下一轮补充什么数据。Pi API 的目的，就是让开发者使用最新模型，自行完成这个循环。
四天迭代的例子：Pi 向少数公司提前开放 API，观察它们能否独立提升机器人自主能力，并表示这些团队上手和取得进展的速度令人印象深刻。旧金山的 Almond 为物理 AI 开发者打造了双臂机器人 Axol，目标是让它能够制造自己。演示中，Axol 正为自身组装所需的垫片去毛刺，使用的是团队通过 Pi API 迭代四天后得到的模型。这里的“四天”指这项任务的模型
