一直有在关注的一家机器人公司，Dyna，当时2024年刚创业时就感觉他的思路是非常务实的，没有走那种高大上的人形机器人为核心的路径。当时的设想是替代美国一些线下实体的重复劳动场景。短短两年时间，他们确实在这条道路上不断的累积，应该是市场上最先能进入商业场景部署的机器人之一。最新发布了Dyna-2.1，一个长时间自主端到端的工作流物理代理。 创始人是个华人，是老团队新创业，之前成功过一次。Lindon Gao：CEO。此前与 York Yang 共同创办 Caper AI（AI 智能购物车），2021 年被 Instacart 以约 3.5 亿美元收购；之后在 Instacart 任工程副总裁，2024 年出来做 Dyna。 York Yang：CTO，Caper 联合创始人 / 工程负责人。 Jason Ma：首席科学家。宾大博士，曾任 DeepMind、NVIDIA、Meta AI 研究员，Eureka 等机器人强化学习论文主要作者，负责基础模型与学习算法。 -公司路线是“先把一件事做到商业级可靠，再扩展到工作流”，团队里有 DeepMind / OpenAI / Google 背景的研究与工程人员，并有硬件落地能力。早期先做双臂工位（固定或轮式基座），2026 年再推出带轮子的半人形 Taku（取自日文「匠」takumi） -相比之前在一些真实场景完成部分环节任务的机器人，Dyna-2.1目标是在一些场景，如干洗店场景，可以轮换真实员工，完成交接班工作，全程无需人类员工干预 -商业模式偏 Robots as a Service：按机器人收月费，含硬件、运维和模型更新。已在酒店、餐厅、洗衣店、健身房等做多班次部署。 -模型的可教性：每项技能都基于最经济实惠的教学数据。 如固定折叠部署中，一个新服务现在只需三天即可达到生产标准，而以前需要数周甚至数月的现场工程 -模型演进： 1）DYNA-1（2025 年 4 月）：面向商业操作的操纵基础模型。公开演示：24 小时无人干预叠餐巾 700–900+ 张，成功率约 99.4%，速度约人的 60%。用奖励模型估计进度、中途纠错。 2）Dyna-2 / WAM（World-Action Model，2026 年 8 月）：在百万小时级人类第一人称视频上预训练的世界-动作模型（视频扩散骨干，同时预测未来视频与动作块）。强调人类视频→机器人的迁移缩放律；客户现场零样本通过率约 87%（相对 DYNA-1 的约 46%）。 3）Dyna-2.1：在 Dyna-2 上加 agentic 系统（工作流规划、记忆、非线性任务串联），再配全身控制，目标是超长时程全身自主，而不是单步 VLA 详细资料可以看https://www.dyna.co/dyna-2.1，还是非常有内容的一次发布