物理AI公司自然意志发布Natura-1 500亿参数模型驱动灵巧手

致力于"通用物理智能"的中国创企自然意志（Nature Will）于10月13日发布Natura-1，称其为首个面向物理世界的通用基础模型。公司由创始人兼CEO丁宁领衔，目标是让单一模型从人类经验中学习，掌握通用灵巧操作并能在真实世界中泛化。

Natura-1是一个500亿参数的混合专家（MoE）模型，在超过100万小时的第一人称（egocentric）人类活动视频上完成预训练，随后用有限的机器人操作数据适配到机械手。它同时接收语言、图像、视频与动作作为输入，在100毫秒的"观察—动作"控制回路中驱动20自由度的灵巧机械手，统一了语言理解、视觉感知与高自由度动作控制。

与自然语言模型不同，物理操作的难点在于接触动力学容错极低、且动作空间随关节数量指数级膨胀，因此此前研究多停留在"简单夹爪的通用策略"或"特定任务的灵巧系统"两端。自然意志的切入点是"手"：人类改造世界依赖双手，机器若不能灵巧操作便谈不上通用。为此公司自研了可管理数十PB数据的湖仓、分布式训练引擎（声称在数百张GPU上维持超过50%的模型FLOPs利用率），以及基于Rust编排层与融合CUDA核的百毫秒级推理链路。

据公司披露，Natura-1可零样本遵循包含空间约束、多物体关系与否定条件的复杂自然语言指令，并自主完成折叠轻薄易变形材料、以柔顺笔触书写书法、在多阶段任务中随时切换工具等长程连续工作流。在其自建的12维度灵巧操作基准（双手机器人+灵巧手）上，基座模型得分53.4、引入智能体辅助后达59.1；作为对比，π0.5与GPT-6-Astra在同样的灵巧手平台上未能给出有效得分。

需要指出的是，上述演示与基准均为公司自报、尚未经过独立复现。但Natura-1被视为"单个模型从人类经验学习灵巧技能"的早期证据，也延续了业界从语言智能转向"具身/物理智能"的明确趋势——当大模型在文本与图像上接近天花板，能让机器真正动手，正成为下一阶段竞赛的焦点。