Physical Intelligence 开放 Pi API 测试版：上传机器人数据即可托管微调 π 系列模型并云端推理

核心背景与行业痛点

机器人落地的难点从来不只是硬件：π0、π0.5 这类通用机器人基础模型能显著减少新任务所需的数据，但要把它们适配到自家机器人，团队仍得自建训练集群、数据管线和推理服务。Physical Intelligence 10 月 13 日开放的 Pi API 测试版，就是想把这套基础设施做成现成服务。

架构亮点与底层机制

流程只有三步：上传示教数据，在 Pi 托管的算力上微调其最新 π 模型，再通过托管网关做云端推理。官方强调真正的提效来自迭代闭环——采集、训练、上机测试、根据失败决定下一批数据——API 让客户自己跑完这个循环；由于模型由 Pi 托管，底层版本可以持续更新。

权威 Benchmark 与实测跑分对比

官方没有给出标准化 benchmark，只公布了合作案例：Actor 的无人装载机在真实商业部署中完成铲装，早期客户 Almond 仅迭代 4 天，就让 Axol 双臂机器人能为自身零件去毛刺。官方列出约 20 家合作与早期接入方，部署覆盖日本、瑞士和美国，多数走云端推理，也承认部分场景存在网络连接问题。

开发者实战落地与开箱指南

测试版需在官网提交用途申请，定价与 API 参数尚未公开。等待期间可先用 Apache-2.0 的 openpi 熟悉流程：π0/π0.5 基座在 10k+ 小时机器人数据上预训练，推理需 8GB 以上显存，LoRA 微调需 22.5GB 以上；按 LeRobot 格式整理好的数据，日后迁移到托管 API 也更顺。