产品简介
Pi API 是 Physical Intelligence 于 2026/10/13 开放的机器人基础模型 API，目前处于测试版。它解决的是一个很具体的问题：π0、π0.5 这类通用机器人基础模型已经能大幅减少适配新任务所需的数据，但要真正用起来，团队还得自己搭机器学习基础设施、算力和数据管线。Pi API 把这一层接管过去。
用法是三步：上传自己的数据，在 Physical Intelligence 管理的算力与基础设施上启动微调，然后通过托管网关调用微调后的模型，在机器人上跑推理。官方说 API 背后的模型会持续更新，接入方拿到的是当时最新的版本，不必自己重做一遍适配。
这条路线对应的是他们在合作中反复看到的同一套迭代方式：收集演示、训练模型、上机器人测试、用失败案例决定下一批采什么数据。Pi API 把这个循环交给了开发者自己跑。官方给出的早期例子里，Almond 的双臂机器人 Axol 用 Pi API 迭代四天后，已经能给用于装配自己的零件去毛刺；Actor 的无人轮式装载机在美国犹他州的商业部署中完成装料作业，机内无操作员。
核心功能
- 上传数据即可微调：不需要自建训练管线，微调跑在官方管理的算力与基础设施上
- 托管推理网关：微调后的模型通过云端网关调用，机器人侧直接取结果
- 底层模型持续更新：官方称 API 背后的模型会快速迭代，接入方随之获得最新版本
- 覆盖多种硬件与行业：早期合作方包括 Actor、Almond、Chef Robotics、Formic Robotics、Frontier Machines 等，涉及工程机械、双臂装配、餐饮与制造
- 迭代闭环：收集演示、训练、测试、用失败案例决定下一批数据，全流程可自行重复
- 云托管推理的部署范围：官方称早期部署覆盖日本、瑞士与美国多地
- 测试版申请制：需要向官方说明想做什么才能参与 beta
适合谁用
以下类型的用户会特别受益于 Physical Intelligence Pi API：
- 仓储与物流场景做自动化改造，自己有机器人但缺模型能力
- 制造与装配线上需要模型适配具体零件的团队
- 餐饮与食品处理等需要柔性操作的场景
- 工程机械与重型设备的无人化作业
- 研究机构做具身智能实验，希望省掉基础设施搭建
优点亮点
- 不必自建机器学习基础设施与数据管线，团队可以集中在任务本身
- 底层模型由官方持续更新，接入方跟着拿到新版本
- 云托管推理让早期团队先跑起来，不必先解决部署问题
- 早期合作覆盖多种硬件形态与行业，适用性有实测支撑
- 迭代路径清晰，失败案例直接指导下一批数据采集
价格与方案
Pi API 处于测试版，需要向官方提交申请并说明用途，价格尚未公开，商业条款以官方公告为准。
总结与建议
Pi API 是 Physical Intelligence 在 2026/10/13 开放的机器人基础模型 API，目前是测试版。它要解决的不是模型本身，而是模型落地那一层：通用机器人基础模型已经能少用很多数据，但适配仍要自己搭基础设施、算力和数据管线，Pi API 把这一层接了过去。流程是上传数据、在官方管理的算力上微调、通过托管网关在机器人上跑推理，而且背后的模型会持续更新。
它真正对路的对象，是自己有机器人和场景、缺模型能力的团队，尤其是仓储、制造装配、餐饮与工程机械这几类。官方给出的早期例子里，Almond 的双臂机器人 Axol 迭代四天后就能给自己的零件去毛刺，Actor 的无人装载机在美国犹他州的商业部署里完成装料。
需要注意的两点：一是仍在 beta，参与需要申请并说明要做什么；二是价格尚未公布，做预算时得等官方口径。
版本演进
- Pi API 开放测试版：上传数据、微调 π 模型、通过托管网关在自有机器人上推理 （2026-10-13）：Physical Intelligence 于 2026 年 10 月 13 日宣布 Pi API 开放测试版。通用机器人基础模型如 π0 与 π0.5 能显著降低适配新任务、新环境或新机型所需的数据量，但适配过程本身仍需要机器学习基础设施、算力与复杂的数据管线。Pi API 的做法是让开发者上传数据，在官方管理的算力与基础设施上启动微调，再通过托管网关调用微调后的模型运行推理；官方称 API 背后的模型会快速更新，接入方将持续获得最新且最强的版本。官方同时给出早期合作案例，包括双臂机器人 Axol 在迭代四天后为自身装配零件去毛刺，以及无人轮式装载机在美国犹他州的商业部署中完成装料作业；多数演示通过云托管推理运行，部署覆盖日本、瑞士与美国多地。参与测试版需向官方说明想要构建的项目。