Pi APIは、ロボット基盤モデルの適応と推論を託管サービスに変えました。2026年10月13日、Physical Intelligenceは公式ブログでPi APIのベータ開始を発表しました。開発者は自分のロボットデータをアップロードし、Physical Intelligenceが管理する計算資源とインフラの上で微調整を走らせ、託管ゲートウェイ経由で調整済みモデルを自分のロボットで推論させます。評価データは次の反復の指針になります。参加申請は始まっており、何を作りたいかの説明が求められます。
省かれるのは、ロボットチームが最も苦手な部分
π0やπ0.5のような汎用ロボット基盤モデルの売りは、新しいタスクや環境、機体への適応に要るデータと手間を減らすことでした。ただし「減る」ことと「なくなる」ことは別で、自社のロボットに基盤モデルを載せるには、機械学習インフラ、計算資源、複雑なデータパイプラインが依然として必要であり、こここそ多くのロボット企業が最も弱い部分です。Pi APIの発想は、大規模モデルの託管推論と同じで、最も重く差別化にもつながりにくい工程を引き取り、データのアップロード、微調整の開始、推論の呼び出しという三つの動作だけを残します。公式説明では、API経由で提供される最新モデルは微調整時のデータ効率が高く、パートナー向けの能力も向上しており、基盤モデルを素早く更新できるため、今後の新モデルも同じ入口から継続的に提供される見込みです。
早期顧客はすでに実務の現場で回している
実験室のデモではないことを示すため、Physical Intelligenceは早期パートナーの進展を公開しました。Actorは自律重機に使い、無人のホイールローダーが実際的商業運用の中で資材をすくってダンプカーへ積み込みます。運転席に操作員はいません。Almondの双腕ロボットAxolは、APIで四日間反復した末に、自らの組み立てに使うスペーサーのバリ取りを始めました。目標はAxol自身が自分の製造に参加することです。導入先は日本、スイスから米国の各地に広がり、大半はクラウド託管の推論で動き、一部の現場ではネットワーク接続の課題もあったと公式は率直に認めています。事例に共通するのはタスクそのものではなく反復の回し方で、実演を集め、学習し、実機で試し、失敗を見て次に集めるデータを決める。この循環は従来、専任チームを自前で持たなければ回せませんでした。
視野を広げると、意味は一社の製品追加にとどまりません。ロボット基盤モデルはこれまで論文、デモ動画、公開ウェイトという形が中心で、ウェイトを手にしても動かせるとは限りませんでした。託管型の微調整と推論が揃えば、競争のボトルネックは「インフラチームがいるか」から「良いタスクデータを持っているか」へ移ります。未公開の部分も同じくらい重要です。価格、遅延の指標、正式提供の時期は発表されておらず、遅延に敏感な場面でクラウド推論が足りるのかは、より多くのチームが実際の現場で確かめて初めて分かります。GoogleがGemini Robotics ER 2のように自社生態系へモデルを埋め込む路線を取るのに対し、Physical Intelligenceは「モデル即サービス」に賭けています。どちらの路線が先に有料のロボット顧客を生むかは、この先一年で見えてくるはずです。
