DYNA Robotics 发布 DYNA-2，强调模型基于超过 100 万小时人类第一视角视频预训练，并称高精度制造任务成功率可由 20% 拉升至 80% 到 90%。 DYNA Robotics 在 8 月 10 日发布 DYNA-2，把这次升级定义为机器人领域一次更接近“大模型范式”的基础模型跃迁。公司称，DYNA-2 基于超过 100 万小时的人类第一视角视频完成预训练，试图证明机器人模型也能像语言模型一样，从更大规模、更廉价、更连续的数据中获得持续能力提升。相比单次 demo，这种说法真正击中的是具身智能行业长期最难解决的问题：高质量动作数据太贵、采集太慢、覆盖场景太窄。 DYNA 给出的一个关键结果是，在高精度制造任务中，DYNA-2 仅通过扩大预训练规模，就把成功率从 20% 提升到 80% 到 90%，而不需要修改后训练数据。这种表述意味着公司想把行业关注点从“某个场景调得多好”转到“基础模型是否存在清晰的规模收益”。如果这个命题能持续成立，未来机器人模型训练的核心竞争力就不只是本体数量，而是对高质量视频、环境变化和任务反馈的组织能力。 更值得警惕的是，DYNA-2 选择的是纯人类视频而不是大量机器人遥操作数据。它背后的逻辑很明确：先让模型理解世界如何变化、动作如何展开、任务如何衔接，再把这种认知迁移到机器人的执行端。对产业链来说，这会直接改写数据环节的投资方向。谁更早搭建起海量第一视角采集、清洗和训练系统，谁就更可能在下一轮机器人基础模型竞赛中占到先手。 从商业侧看，这条新闻也传递出另一层信号。DYNA 公开强调其前一代模型已在酒店、餐饮和自助洗衣等高频环境部署，DYNA-2 则被定位为让生产级自治机器人更可行的一步。也就是说，基础模型不再只服务论文和实验，而是要反哺具体交付场景。对今年的人形机器人和 Physical AI 行业而言，DYNA-2 的意义在于把“数据规模能不能变成稳定商业能力”这个问题，第一次用足够激进的方式摆到了台面上。
