Dream-1零样本操控任意双臂机器人

机器人领域长期被"每台机器单独训练"的碎片化困境锁死，Google RT 系列虽然展示了通用性，但仍需针对新机器人做适配。Dream-1 的核心突破在于彻底取消了这个适配环节，直接让模型泛化到未见过的本体结构——这相当于从 BERT 时代的微调模式跳到了 GPT-3 的 in-context learning 模式。

对硬件创业者来说，这意味着你可以专注做机械结构和成本控制，不再需要养一个几十人的强化学习团队来让机器人"变聪明"。但风险也很明显：如果 Dream Labs 的 API 成为事实标准，下游硬件厂商会迅速沦为"会动的手机壳"，利润空间被压缩到极限。做机器人本体的团队需要尽快评估：是接入成为生态附庸，还是自研模型走差异化。

值得警惕的是 9000 万美元种子轮这个信号——资本正在押注"机器人领域的 OpenAI"出现，2024-2025 年可能会看到多家基础模型公司烧钱抢硬件合作伙伴，类似当年大模型抢云厂商的剧本。