晨观时报讯，机器人行业有个著名的 "鸡生蛋" 难题：机器人要先有用才有人买，可要变有用就需要海量数据，而数据只有被足够多人使用之后才会产生。现在，一个前英伟达核心团队创业公司，试图撕开这道口子。
当地时间 10 月 19 日，由前英伟达 GR00T 相关研究团队创立的 Dream Labs 结束隐身，发布首款模型 Dream-1，并宣布完成9000 万美元种子轮融资。GR00T 研究团队，正是隶属于英伟达 GEAR（通用具身智能体研究）实验室的核心研发力量。
把机器人智能，从 "先有数据" 变成 "先能干活"
Dream Labs 要改变的，是机器人智能的获取方式。过去，一款机器人积累的数据往往无法直接用于另一款 —— 不同机械臂的结构、夹爪、摄像头和工作环境千差万别。这正是机器人行业长期难以规模化落地的一大痛点。
Dream Labs 的思路是：让机器人先借助通用模型变得 "有用"，再通过实际使用积累数据，推动模型持续进化。Dream-1 通过公共 API 提供服务，官方定价为每小时 3 美元起，无需针对新机器人专门采集训练数据，即可控制 "没见过" 的双臂平行夹爪机器人，执行 "没展示过" 的操作任务。
这一思路并非空中楼阁。团队早在 2026 年 2 月便发表论文《World Action Models are Zero-shot Policies》，提出 "世界动作模型"（WAM），并推出 DreamZero。与主要根据视觉和语言指令生成动作的 VLA（视觉 — 语言 — 动作模型）不同，WAM 把 "未来视频状态预测" 与 "机器人动作生成" 结合起来，尝试从视频中学习物体、动作及物理环境如何变化。论文显示，DreamZero 仅需约 30 分钟的新机器人操作数据适配，就能保留对新任务的泛化能力 —— 少量适配数据有望替代大规模专属训练。
Dream-1 凭什么让机器人 "通用"？
Dream-1 将这一思路产品化。它输出的是 "末端执行器位姿"—— 即夹爪要移动到哪、如何开合 —— 而不是直接输出某一型号机器人的全部关节指令。这一设计试图建立跨硬件的共同接口，同时通过头部和两侧腕部摄像头提供视觉信息，突破部分方案对特定夹爪和腕部视角的限制。
官方公布的评测显示，Dream-1 平均每次任务得分 59%，单次任务尝试成本仅为 Gemini 4 Argon 的近 1/16。这个数据为 "低成本机器人模型服务" 提供了初步依据 —— 但它不等于真实工厂、家庭场景的任务成功率，更不等于能支撑无人监管的长期作业。Dream-1 目前主要针对双臂平行夹爪操作，未覆盖移动、行走、灵巧手及全身控制的通用机器人系统，也面临障碍物、关节限位等场景失效的可能。
为此，公司还提供 "微调即服务"（FaaS）：当零样本能力不足时，用户可提交少量演示数据，获得针对特定机器人或任务的定制模型。
机器人 "大脑"，会成为像云计算一样的公共设施吗？
围绕机器人基础模型，竞争早已展开：英伟达 GR00T 聚焦人形机器人与开发生态，Physical Intelligence 的 π 系列追求通用操作能力，Google DeepMind 的 Gemini Robotics 探索视觉、语言与机器人行动的结合。
Dream Labs 的差异化在于商业交付方式 —— 把机器人控制能力封装成按小时计费的 API，并借 FaaS 补齐新硬件和新任务的适配。它押注的不是 "机器人从此不需要数据"，而是 "通用模型能从少量数据开始适配"：一旦能力持续提升，机器人厂商就能把更多资源投向硬件和场景开发，不必为每款设备重复建设整套训练体系。
但从低价 API 走向规模化应用，还要跨过可靠性、安全性、实时控制和经济性几道门槛。机器人 "大脑" 能否真正成为像云计算接口一样可随时调用的基础设施，最终取决于它能否在真实环境中长期、稳定、低成本地完成工作。不管怎样，9000 万美元的种子轮和这套 "先能干活、再攒数据" 的解法，已经给整个行业投下了一颗值得关注的新变量。
