Hedra发布模型工厂 让物理AI自己进化

自主智能体在数字世界已经跑通，一家叫Hedra的初创公司想把同样的循环搬进物理世界。公司11月10日发布Hedra Model Factory——一个面向物理AI的后训练与推理平台，核心卖点是用递归自我改进（RSI）让机器人和其他真实设备持续进化。

物理AI的痛点在于「一个机器人一套模型」：打包异形货箱的机械臂和巡检产线的机器人需要完全不同的专门模型，而逐个训练这些模型所需的数据与算力并不现实。RSI指的是能自主评估、训练并改进自身架构的系统，这类研究此前集中在前沿实验室，还没有人把它变成物理世界的持续闭环。

Model Factory的做法是把整套训练管线做成服务：客户提供基础模型，把自己的仿真与视频数据传进Hedra的GPU沙箱，公司内部研究团队与AI智能体协作编排训练、清洗数据、按客户规格自主迭代。训练过程中用视觉语言模型给数据打分并提供实时强化学习反馈；完成后模型可本地部署、上云，也能蒸馏到边缘设备低延迟运行，运行数据再回流沙箱，形成持续优化的飞轮。

公司给出两个可核验的成绩：把MiniMax的开源权重H3视频模型按物理一致性重训后，Physics-IQ基准分数从30.3提到34.9；另一轮训练把Krea 3 2K图像模型从30个采样步蒸馏到14步，延迟明显缩短。更有意思的是换爪案例——机器人换装新夹爪后不做额外重训，任务成功率直接恢复到100％。

创始人兼CEO Michael Lingelbach曾在斯坦福大学和Nvidia做视觉与物理系统的强化学习研究。他的判断是：物理AI要落地，需要成千上万个便宜、专用的定制模型，而RSI有时甚至可以完全绕开重训环节。服务即日起开放，目标客户是机器人、制造、生物与国防领域的团队。

从数字智能体到物理智能体，训练成本一直是最大的门槛之一。Hedra的赌注是：与其为每个任务从零训一个模型，不如让模型自己改进自己——这条路能不能在产线上兑现，要看客户买单的速度。

编译自 SiliconANGLE，原标题："Hedra's new Model Factory cranks up the production volume for physical AI model training"