10月20日前后，由英伟达GR00T机器人团队四位核心成员创立的Dream Labs宣布结束隐身状态，完成9000万美元种子轮融资，并上线全球首个面向公众的机器人大脑API——Dream API。其首个模型Dream-1基于世界动作模型（World Action Model，WAM）路线，从人类日常任务视频中学习，可实时闭环控制机器人，并能零样本适配训练中未见过的机器人本体；在第三方机构Robocurve的RoboDojo-RC Tier 1实机评测中，Dream-1以59%的平均得分成为首个超过50%的模型。
一、事件核心：Dream Labs成立、种子轮融资与Dream API上线
Dream Labs于10月20日正式对外披露公司成立与产品发布信息。该公司总部位于旧金山，由英伟达GR00T机器人研究项目的前核心成员于2026年创立。本轮种子轮融资规模为9000万美元，由B Capital与Kindred Ventures联合领投，A.Capital、Unusual Ventures、SV Angel、Wing VC、Scribble VC以及个人投资人Adrian Aoun等跟投。公司表示，本轮融资大部分将用于算力基础设施建设，以扩展Dream-1可处理的任务和机器人种类。
四位联合创始人均出自英伟达GR00T机器人团队。其中，Joel Jang任联合创始人兼CEO，曾是英伟达GR00T世界模型负责人，主导了LAPA、DreamGen、DreamDojo和DreamZero等项目；葛云皓任联合创始人兼CTO，曾是英伟达GR00T视频模型负责人，参与构建了英伟达Cosmos世界基础模型系列（Predict、Transfer、Policy），履历横跨斯坦福、南加州大学、谷歌和微软；Scott Reed任联合创始人兼首席科学家，是英伟达GEAR实验室创始成员，主导GR00T N1至N1.7系列模型；You Liang Tan任联合创始人兼首席机器人官（Chief Robot Officer），曾是英伟达GR00T开源负责人。
创业的直接契机来自今年2月团队在英伟达期间发布的DreamZero——该工作首次明确提出世界动作模型（WAM）路线。DreamZero当时仅用30分钟的YAM机器人数据做后训练，就零样本泛化到了未见过的任务上，而过去这往往需要数百甚至上千小时的特定本体数据，团队由此决定创业；六个月后，Dream-1问世。
随着Dream API上线，开发者注册后将机器人接入API，提供摄像头画面、机器人状态与自然语言指令，云端模型即可生成电机控制指令驱动机器人执行任务；模型部署在全球多个数据中心以保证响应速度。围绕该API，公司同步推出微调服务（Fine-tuning as a Service）和网页端Robot Playground，后者允许用户通过浏览器向Dream Labs旧金山办公室的真实机器人实时下达指令。
从产业链视角看，Dream API的发布将具身智能领域长期讨论的“大脑—小脑—本体”分层架构推向了商业化分工阶段：机器人基础模型以API形式集中供给，本体厂商专注硬件设计与成本控制，运动控制则由本体侧的求解器与伺服系统承担。
图1 具身智能“大脑—小脑—本体”分层架构与Dream API定位
二、Dream-1模型：世界动作模型（WAM）路线解析
Dream-1的技术基础是世界动作模型（WAM）。与主流的视觉-语言-动作模型（VLA）不同，WAM同时学习预测视频与动作，使“控制一台机器人”与“想象这台机器人接下来会做什么”成为同一个问题。WAM路线由该团队在2026年2月的DreamZero工作中首次明确提出，此后半年迅速成为具身智能领域最受关注的技术方向之一。
对于从视频学习为何能够跨本体迁移，葛云皓向机器之心解释：世界动作模型同时学习预测视频和动作，而机器人完成任务的过程会被模型以视频形式表示；视频是所有机器人共享的那一种表示，只要模型能预测出一台新机器人完成任务时的样子，它就能生成让机器人到达那里的动作。
在工程实现上，Dream-1以机器人摄像头画面与自然语言指令为输入，实时生成电机控制指令，形成对机器人的实时闭环控制；开发者无需机器学习背景即可接入。对于带夹爪的双臂机器人，Dream-1无需任何特定本体数据即可零样本上手；团队在仿真中对27种Dream-1从未见过的机器人进行了测试，其中包括宇树R1、Baxter、双臂UR5e、ALOHA等；真机上，Dream-1零样本控制了MakerMods的Metal Arm与Maker Arm、Seeed Studio的reBot B601-DM、Anvil Robotics的OpenYAM以及Dexmate的Vega等合作伙伴机器人，完成叠毛巾、关抽屉、挂耳机等任务。
WAM路线的行业热度并非孤例。10月上旬，国内清华系团队星动纪元发布的VPP2同样沿视频预测与动作学习结合的路线，在RoboDojo榜单上超越GPT-6 Astra、Physical Intelligence的π0.5、英伟达GR00T N1.7等头部模型登顶。世界模型路线在全球范围内的竞争正在加速。
与此同时，Dream Labs官方明确标注Dream-1目前为研究Beta版，其局限包括：表现取决于每台机器人逆运动学（IK）求解器的质量；模型只决定夹爪最终到达位置，不控制手臂到达路径，在障碍物附近或关节极限处可能出问题；面对与已见机器人差异很大的本体，可能预测出不可行的动作。
三、评测表现：RoboDojo-RC Tier 1得分59%意味着什么
Dream-1的能力边界获得了第三方独立评测的佐证。Robocurve是一家以公益公司（Public Benefit Corporation）形式运营的物理AI独立评测机构，其在2026年10月18日发布RoboDojo-RC Tier 1评测，对Dream-1与多个大模型、机器人模型进行了真实环境测试，每个模型配置均测试120次。
评测结果显示，Dream-1每次任务尝试的平均得分为59%，是RoboDojo-RC Tier 1中首个超过50%的模型；此前最佳成绩约为48%，由Gemini 4 Argon与Claude Opus 5.5保持。Dream-1的得分高于GPT-6 Astra、GPT-6.1 Sol等最新通用大模型，也高于MolmoAct2、GR00T N1.7等既有机器人模型。
在成本与速度维度，Dream-1每次任务尝试的成本较得分次优的Gemini 4 Argon低约16倍，用时较评测中最快的通用大模型GPT-6 Astra（ultrafast配置）快1.7倍，形成了得分、成本与时延的帕累托前沿。
图2 RoboDojo-RC Tier 1实机评测平均得分对比（%）
四、商业化路径：3美元/小时定价与20余家硬件厂商合作
定价方面，Dream-1的API调用价格为每小时3美元，更快更轻的Dream-1-flash为每小时2美元。Robocurve官网亦按Dream Labs托管推理口径将Dream-1标记为每小时3美元。
围绕API的三项产品形成了完整的商业化组合：其一，Dream API面向所有开发者开放；其二，微调服务允许开发者和机器人厂商提交少量演示数据、数小时内获得定制模型，对一台新机器人，一条5分钟的轨迹即可完成适配；其三，Robot Playground提供了零门槛的真实机器人试用入口。
生态方面，Dream Labs已与20余家硬件厂商建立合作，当前支持的机器人价格区间约为2000美元至10000美元；对硬件合作伙伴，公司会在零样本基线能力之上针对每台机器人进一步优化模型。早期合作伙伴MakerMods销售2000美元的双臂机械臂套装，其CEO Ryan Chan称，接入Dream-1后机器人数分钟内即可运行公司从未编程过的任务。
商业逻辑层面，领投方B Capital合伙人Daisy Cai表示：一台能干活的机械臂，价格已经从豪车的水平降到高端笔记本电脑的水平，它现在缺的是智能。Dream Labs方面援引的行业背景是：全球工厂中运行着创纪录的500万台工业机器人，但几乎每一台都只为单一任务编程，技能无法跨机迁移。
葛云皓将Dream API的开放类比为“ChatGPT第一次面向公众发布”：机器人终于迎来了第一个开放给公众的通用大脑API，它可能还不完美，但总有人需要迈出第一步。Joel Jang则强调，公司展示的是可由用户亲手测试的可用模型，连同它的错误一起，而非剪辑过的演示视频。
图3 Dream API各产品档位定价（美元/小时）
五、产业影响与展望：机器人大脑API化对行业的启示
机器人大脑的API化，意味着具身智能产业链的价值分配可能向模型层集中：本体厂商以更低门槛获得持续迭代的智能能力，模型方则借助规模化调用回收算力投入并加速数据飞轮。这一分工与智能手机时代应用生态依附于统一操作系统的路径存在可比性，但其成立前提是模型能力的持续领先与跨本体泛化的真实可靠性，后者目前仍处于早期验证阶段。
市场基本面为该赛道提供了支撑。IDC预测，2026年全球智能机器人硬件市场规模将接近300亿美元，其中中国具身智能机器人市场规模将突破110亿美元，成为全球市场增长的核心引擎（2026年数值为预测值）。出货量方面，IDC统计数据显示，2025年全球人形机器人出货量接近1.8万台，同比增长约508%，销售额约4.4亿美元；Omdia统计口径下，2025年全球人形机器人出货量约为1.3万台。
面向2026年（预测值），全球人形机器人出货量有望突破5万台，同比增长超过700%；摩根士丹利则将2026年中国人形机器人销量预测上调至2.8万台，并预计2030年达到26.2万台（预测值）。
竞争态势上，Dream Labs面临三个方向的并行压力：通用大模型厂商正试图直接以大模型控制机器人，GPT-6 Astra等产品已被接入机械臂执行任务，机器人基础模型与通用大模型的能力边界之争尚未定论；WAM与VLA路线之争同样处于进行时，国内外多条技术路线均在快速迭代；此外，英伟达GR00T体系本身仍在推进，创业团队与原东家之间的关系亦值得关注。
风险方面，Dream-1仍为研究Beta版，未经安全关键场景验证；其零样本能力与一次适配之间的差距被团队列为下一阶段的主要工作，轮式移动机器人与灵巧手支持尚在规划中。对行业而言，机器人大脑API能否复制通用大模型API的商业成功，取决于真实场景中任务成功率、成本与安全性的持续验证。
图4 全球人形机器人出货量：2025年统计与2026年预估（万台）
结论
Dream Labs的入局将具身智能竞争的重心从“单机演示”推向“开放服务”：全球首个面向公众的机器人大脑API、每小时3美元的定价与20余家硬件厂商生态，首次让“通用机器人智能按需调用”成为可验证的产品事实。
第三方评测与真机案例为Dream-1的跨本体泛化能力提供了初步佐证，但研究Beta版的能力边界同样清晰：路径控制、安全验证与差异化本体的适配仍在早期。
在机器人硬件成本快速下行、权威机构普遍上调出货量预测的背景下，大脑层的API化分工能否确立，将是观察具身智能产业走向规模化商用的关键线索。
