Dyna Robotics 宣布機器人效率跨過投資報酬門檻，已在鼎泰豐美國門市鋪開。Dyna-2 一天可摺 1,590 條、零樣本部署合格率達 87%，是前代的近兩倍。
（前情提要：Google DeepMind 發表 Gemini Robotics 2！賦予機器人「全身智能」邁向實體 AGI）
（背景補充：a16z：AI新週期機器人上位，硬體狂飆軟體反轉）
本文目錄
Toggle
- 回本線怎麼算
- 換指令，不換機器
- 底層的訓練邏輯
具身智慧這幾年最尷尬的地方，是炫技影片一支比一支華麗，卻沒人拿得出損益表。機械手臂疊積木疊了那麼多年，投資人早就看膩了。不過 Dyna Robotics 在 本週貼出一篇報告，標題叫《Not Just a Model, But a Product》，講的不是模型多聰明，而是產品線已經跨過投資報酬門檻。
回本線怎麼算
實現的場景在美國鼎泰豐。這是官方稱全美單店營業額最高的連鎖餐飲品牌，整條美國門市網路都在鋪這款機器，等於把新技術直接丟進最挑剔、最不容出錯的服務現場。
鼎泰豐開出的條件是：一部機器，18 小時排班內摺完 1,500 條餐巾。Dyna-2 一天實際交出 1,590 條，超過門檻，而且不必全速運轉就能達標。除了餐廳，物流倉儲、飯店與資料中心也都在部署，Dyna 預估 2027 年上半年累計裝機量上看數百部。
換指令，不換機器
換成店長的視角，真正在意的其實不是機器手臂摺得多漂亮，而是這批機器能不能跟著展店計畫到處跑：換一個城市、換一間分店，不必再從頭訓練一次。
據說明，鼎泰豐的餐巾籃有 10 個固定堆疊位，但哪一疊該用哪種摺法，是靠當下下達的指令決定，沒有寫死在機器裡。有的門市只開 5 疊，有的用滿 10 疊；要換擺法，換一句話就好，不必換掉整套系統，也不用找工程師重新校準。
官方另外提到，新門市裝機後最快 3 天就能把投資報酬打平，對展店節奏快的連鎖品牌來說，這個數字比什麼都實在。
也就是說，Dyna 想賣的不是一台只會摺餐巾的單一機具，而是一份能用文字重新指派的勞動力。今天摺餐巾，明天換句指令改摺別的品項，後天換到完全不同的場域上工。
底層的訓練邏輯
Dyna-2 的底子跟同業長得不太一樣。官方揭露的數字是，這套模型看過的第一人稱視角人類生活影片超過 100 萬小時，換算下來是一個人不吃不睡連看 170 年；整個訓練過程，沒有摻入任何人類遙控機器人留下的操作紀錄。
白話說就是，模型直接看人類的手怎麼摺、怎麼放，而不是讓機器人自己反覆試錯累積經驗，省下大量現場調校的時間與成本。Dyna 把這條路徑稱作從人類生活影片直接長出機器人能力的規模法則，主張自己是業界第一個走通的。
成果最明顯的是零樣本部署，也就是機器人第一次進到全新場地、沒經過任何客製訓練就直接上工：品質合格率 87%，前代 Dyna-1 只有 46%，差距接近一倍。
速度端上，Dyna-2 每小時 95 條、93% 達標，Dyna-1 每小時 35 條、75% 達標。新一代不只是手腳變利索，出錯率也同步壓下來了，這在需要連續運轉的服務現場才是真的關鍵。
商業模式走 B2B 訂閱制，客戶按月付費使用機器人，不必整筆買斷硬體。原本一次性的資本支出改成按月攤提的營運支出，月費金額目前沒有公開，但對連鎖品牌來說，等於把嘗試新技術的財務風險壓到最低：不合用就停訂，帳上不會留下一堆折舊到底的閒置設備。
📍相關報導📍
中國「宇樹科技」提交註冊IPO！73天閃電通關，衝刺A股機器人第一股
當機器人學會思考與協作，15 大機器人體系和應用場景解析
如何佈局 AI 機器人產業(完整指南)
機器人產業暢想：自動化、人工智慧與 Web3 的融合進化
人型機器人變「礦機」？a16z領投 PrismaX 如何建構機器人協調層
