作者丨巴里

編輯丨關(guān)雎

圖源丨SiliconANGLE

具身智能領(lǐng)域再沖出估值近400億元超級獨(dú)角獸。

Physical Intelligence（PI）這家成立僅不足兩年的初創(chuàng)公司，在最新一輪融資中再獲6億美元（約合42億元人民幣）投資，估值從上一輪的20億美元直接躍升至56億美元（約合396億元人民幣），成為具身智能“通用機(jī)器人大腦”賽道估值最高的玩家。

本輪融資由Alphabet旗下獨(dú)立成長基金CapitalG領(lǐng)投，現(xiàn)有投資者Lux Capital、Thrive Capital及亞馬遜創(chuàng)始人杰夫·貝索斯持續(xù)加碼，新晉投資方Index Ventures與T. Rowe Price也參與了此輪融資。

值得一提的是，OpenAI也是PI的早期投資者之一，參與了2024年3月的7000萬美元種子輪融資及2024年11月的4億美元天使輪融資 。

位于美國舊金山的PI組建了一支“全明星團(tuán)隊(duì)”。

首席執(zhí)行官兼聯(lián)合創(chuàng)始人Karol Hausman來自Google DeepMind，曾在機(jī)器人感知與控制領(lǐng)域深耕多年；聯(lián)合創(chuàng)始人Sergey Levine是強(qiáng)化學(xué)習(xí)領(lǐng)域的學(xué)術(shù)權(quán)威，在加州大學(xué)伯克利分校主導(dǎo)自主智能體算法研究；另一位聯(lián)合創(chuàng)始人Groom則兼具投資人與Stripe前高管的雙重背景，在商業(yè)拓展與融資進(jìn)程中扮演關(guān)鍵角色。團(tuán)隊(duì)還匯聚了來自谷歌、特斯拉、斯坦福大學(xué)等機(jī)構(gòu)的頂尖人才，形成學(xué)術(shù)與產(chǎn)業(yè)深度融合的研發(fā)矩陣。

PI三位創(chuàng)始人，圖源：SiliconANGLE

實(shí)現(xiàn)真正意義上的“通用機(jī)器人”——使其能夠適應(yīng)多元場景、自主做出判斷、像人類一樣應(yīng)對不確定性，始終是業(yè)界亟待突破的技術(shù)瓶頸。

相比 Figure AI 或特斯拉這類以硬件為主導(dǎo)的路線，PI 更強(qiáng)調(diào)“軟件先行”的策略，將大模型的思路延伸至物理世界，訓(xùn)練出一套不依賴特定硬件的通用大腦，讓“一個模型控制不同機(jī)器人本體”成為可能。

因此，定位于跨平臺“通用機(jī)器人大腦”的PI，使其估值體系更接近“AI大模型公司”。

在融資消息公布前夕，PI于11月18日正式發(fā)布了新一代機(jī)器人基礎(chǔ)模型π*0.6。該模型在π-0.6基礎(chǔ)上迭代升級，其最大突破在于引入RECAP訓(xùn)練方法，顯著提升了機(jī)器人在復(fù)雜任務(wù)中的泛化能力。

在實(shí)際測試中，π*0.6展現(xiàn)出令人矚目的性能：能夠連續(xù)工作一整天精準(zhǔn)制作意式濃縮咖啡、持續(xù)數(shù)小時處理不同材質(zhì)的衣物折疊任務(wù)，并高效完成工業(yè)紙箱的精準(zhǔn)組裝，多項(xiàng)任務(wù)成功率突破90%。這標(biāo)志著通用機(jī)器人大腦在落地應(yīng)用層面邁出了關(guān)鍵一步。

值得注意的是，在全球“通用機(jī)器人大腦”的競技場上，除了PI和Skild AI等國際明星團(tuán)隊(duì)，千訣科技、智平方、自變量機(jī)器人等國內(nèi)創(chuàng)新力量也在快速崛起，一場圍繞機(jī)器人“大腦”的全球競賽已拉開帷幕。

機(jī)器人大腦兩條路，

中國公司怎么走？

作為賽道內(nèi)兩家估值最高的獨(dú)角獸，PI和Skild AI正以截然不同的方式，競相打造機(jī)器人的“核心大腦”。

創(chuàng)業(yè)邦獲悉，Skild AI在短短兩年內(nèi)已完成三輪融資，總額超4億美元。其估值飆升速度令人矚目——從2024年7月A輪的15億美元，躍升至2025年6月的45億美元（約合318億元人民幣），一年內(nèi)翻了三倍。

這家初創(chuàng)公司的投資方陣容同樣堪稱“全明星”：軟銀集團(tuán)、貝佐斯、紅杉資本、光速創(chuàng)投、Coatue等頂級機(jī)構(gòu)齊聚，甚至卡內(nèi)基梅隆大學(xué)也以戰(zhàn)略投資者身份入場。

在技術(shù)路線上，兩家公司選擇了截然不同的路徑。PI堅(jiān)持在真實(shí)世界中訓(xùn)練機(jī)器人，其聯(lián)合創(chuàng)始人Karol Hausman直言：“我們相信，真正通用的機(jī)器人智能必須在真實(shí)的物理環(huán)境中學(xué)習(xí)和驗(yàn)證?！?/p>

PI團(tuán)隊(duì)認(rèn)為，仿真環(huán)境雖能提供大量數(shù)據(jù)，但無法完全模擬現(xiàn)實(shí)世界中的物理摩擦、材質(zhì)差異和意外干擾。

與之形成鮮明對比的是，Skild AI正全力構(gòu)建一個超大規(guī)模仿真訓(xùn)練場。

“我們在仿真中完成了相當(dāng)于一千年的機(jī)器人訓(xùn)練時間，”Skild AI技術(shù)負(fù)責(zé)人透露。這種方法讓機(jī)器人能在短時間內(nèi)經(jīng)歷數(shù)百萬次失敗，從中學(xué)習(xí)如何應(yīng)對各種極端情況。

在數(shù)據(jù)策略上，兩家公司的分野更加明顯。

PI提出一個反直覺的觀點(diǎn)：“世界多樣性被高估了”。他們認(rèn)為，實(shí)現(xiàn)通用機(jī)器人智能并不需要無限多樣的數(shù)據(jù)，而是需要精心挑選的、具有代表性的真實(shí)機(jī)器人操作數(shù)據(jù)，這種方法更注重數(shù)據(jù)的質(zhì)量和有效性。對比傳統(tǒng)機(jī)器人多依賴單一演示或仿真，PI 靠真實(shí)世界大數(shù)據(jù) + 多模態(tài)協(xié)同 + 強(qiáng)化學(xué)習(xí)閉環(huán)，泛化能力更強(qiáng)。

Skild AI則采用了典型的“大數(shù)據(jù)”思路，通過整合仿真數(shù)據(jù)、真實(shí)世界操作、互聯(lián)網(wǎng)視頻和遠(yuǎn)程操控數(shù)據(jù)，構(gòu)建了龐大的異構(gòu)數(shù)據(jù)集?！拔覀兿嘈乓?guī)模定律同樣適用于機(jī)器人學(xué)習(xí)，”Skild AI團(tuán)隊(duì)表示。

在模型能力展示上，兩家公司各顯神通。

PI的演示重點(diǎn)展現(xiàn)其模型的開放世界泛化能力——讓機(jī)器人在完全陌生的家庭環(huán)境中，成功理解并執(zhí)行整理任務(wù)，這更像是在打造機(jī)器人的“常識”和“理解力”。

Skild AI則展示了令人印象深刻的抗損傷能力——在其演示中，即使機(jī)器人腿部關(guān)節(jié)嚴(yán)重受損，系統(tǒng)也能在幾秒鐘內(nèi)自主調(diào)整步態(tài)，繼續(xù)完成任務(wù)。通過深度強(qiáng)化學(xué)習(xí)與大規(guī)模模擬測試，Skild Brain展現(xiàn)了出色的自主恢復(fù)與動態(tài)平衡能力，為未來機(jī)器人在救援、勘探及工業(yè)應(yīng)用中的可靠性提供了可能。

在商業(yè)化選擇上，兩家公司展現(xiàn)出不同的戰(zhàn)略思維。

PI堅(jiān)守平臺化夢想，致力于打造純粹的“機(jī)器人大腦”，目標(biāo)是未來賦能各種形態(tài)的機(jī)器人硬件。這種模式更接近云服務(wù)的思路，但需要更長時間來驗(yàn)證其商業(yè)價值。

Skild AI則選擇了從垂直場景突破的務(wù)實(shí)路線，該公司已明確將工業(yè)安防和巡檢機(jī)器人作為首個商業(yè)化落地點(diǎn)?！拔覀儚淖钚枰敯粜缘膱鼍扒腥?，逐步擴(kuò)展模型能力，”Skild AI商業(yè)化負(fù)責(zé)人表示。

PI的投資人曾坦言：“我們投資的是機(jī)器人領(lǐng)域的OpenAI，相信通用智能模型的價值最終會超越任何垂直解決方案?！倍鹤kild AI的投資人則認(rèn)為：“在仿真中訓(xùn)練出的超強(qiáng)魯棒性，是工業(yè)場景的剛需。他們選擇了最可能快速商業(yè)化的路徑?！?/p>

業(yè)內(nèi)人士分析，短期來看，Skild AI的工業(yè)巡檢機(jī)器人可能更快產(chǎn)生收入；但長期而言，如果PI的通用平臺模式走通，將擁有更大的想象空間。

就國內(nèi)公司而言，千訣科技與美國的PI最為相像，兩者都專注于研發(fā)通用的“機(jī)器人大腦”，在多個層面都高度對齊。

和PI一樣，千訣科技是國內(nèi)少數(shù)幾家只專注于機(jī)器人大腦的公司，由清華自動化系陳峰教授類腦中心孵化，旨在打造能跨形態(tài)、跨環(huán)境、跨任務(wù)部署的通用機(jī)器人大模型。

千訣科技的研發(fā)團(tuán)隊(duì)在技術(shù)上對標(biāo)了PI核心成員Sergey Levine的研究路線。他們沒有簡單跟隨行業(yè)主流的“分層”或“端到端”架構(gòu)，而是堅(jiān)持獨(dú)特的“類腦分區(qū)”路線，模仿人腦不同功能區(qū)協(xié)同工作的方式，以實(shí)現(xiàn)機(jī)器人的長時程自主工作能力。

與PI不做本體的策略一致，千訣科技通過打造“腦塢”這類機(jī)器人專屬端側(cè)計算方案，來為其他硬件廠商提供大腦能力，自身不涉足機(jī)器人本體的制造。

這一戰(zhàn)略選擇，使其催生出一條清晰的商業(yè)化路徑：先家庭，后服務(wù)，最后進(jìn)入工廠。這也與PI現(xiàn)階段展示的家庭場景不謀而合。

“我們優(yōu)先選擇那些對長時程自主決策需求最強(qiáng)，同時操作相對簡化的場景?！鼻гE科技創(chuàng)始人兼CEO高海川舉例說，“我們?yōu)閽叩貦C(jī)器人、機(jī)器狗等現(xiàn)有設(shè)備賦能，徹底拿掉‘遙控器’，讓它們真正實(shí)現(xiàn)自主規(guī)劃、按電梯、規(guī)避動態(tài)障礙等，無需人工接管。這些都是當(dāng)下真實(shí)存在的、可以立刻創(chuàng)造價值的需求?！?/p>

在商業(yè)化方面，千訣科技的具身大腦已在家庭服務(wù)、物流配送、商業(yè)運(yùn)營等多個場景運(yùn)行，與多家具身機(jī)器人廠商、消費(fèi)電子公司及互聯(lián)網(wǎng)科技企業(yè)達(dá)成合作。

英諾基金創(chuàng)始人李竹表示：“千訣科技是一個自我進(jìn)化、沿途下蛋的公司，用類腦解耦的方案做具身大腦的預(yù)訓(xùn)練，其具身大腦已經(jīng)和7類不同形態(tài)的具身機(jī)器人公司達(dá)成了商務(wù)合作，將來會是這個領(lǐng)域的頭部公司?！?/p>

機(jī)器人“大腦”與“肉身”的路口，

誰能跑通終局？

當(dāng)前，在機(jī)器人“大腦”與“肉身”是否必須捆綁的爭論中，軟硬一體派與純大腦派仍在激烈交鋒。

一邊是PI、千訣科技等純“大腦”公司高舉通用化大旗，另一邊則是特斯拉、Figure AI等軟硬一體化的堅(jiān)定派。數(shù)據(jù)到底能否跨本體通用，成為雙方交鋒的焦點(diǎn)。

“用某個本體訓(xùn)練的數(shù)據(jù)有局限性，不一定能適用于別的本體”——這一觀點(diǎn)直指機(jī)器人智能的核心矛盾：數(shù)據(jù)與硬件的耦合度。

清華大學(xué)教授鄧志東強(qiáng)調(diào)：“智能不是虛擬的，智能也有物理載體。機(jī)器人本體是AI發(fā)揮作用的物理邊界?！边@意味著，為特定機(jī)械結(jié)構(gòu)優(yōu)化的控制模型，其數(shù)據(jù)和使用場景都具有高度專屬性。

許多頭部機(jī)器人公司目前選擇自研“大腦”和“本體”。這是因?yàn)楫?dāng)前階段，為特定機(jī)械結(jié)構(gòu)收集的數(shù)據(jù)，能最直接地用于訓(xùn)練和控制它自己。

一位業(yè)內(nèi)人士指出，由于當(dāng)前機(jī)器人形態(tài)構(gòu)造差異很大，導(dǎo)致訓(xùn)練數(shù)據(jù)難以互通，出現(xiàn)了“數(shù)據(jù)跟著本體走”的現(xiàn)象。因此，通過軟硬一體打造閉環(huán)，被一些公司視為保證產(chǎn)品性能和打造壁壘的務(wù)實(shí)選擇。

另一方面，一些研究機(jī)構(gòu)和平臺型公司則在積極探索解耦的可能性。

智源研究院院長王仲遠(yuǎn)提出了一個不同的思路：他認(rèn)為視頻數(shù)據(jù)是規(guī)?；瘜W(xué)習(xí)物理世界常識的最佳路徑。一個模型通過觀看海量的互聯(lián)網(wǎng)視頻，可以先建立起對物理世界的通用理解，之后再適配到不同的機(jī)器人本體上。

這類似于先培養(yǎng)一個“通才”，再進(jìn)行“專項(xiàng)培訓(xùn)”。

同時，像國家地方共建人形機(jī)器人創(chuàng)新中心這樣的機(jī)構(gòu)，也在嘗試通過平臺化開發(fā)，解決不同本體數(shù)據(jù)異構(gòu)的行業(yè)痛點(diǎn)。

當(dāng)前行業(yè)正面臨著“小腦”成熟、“大腦”滯后的現(xiàn)實(shí)困境。

“現(xiàn)在，多數(shù)人形機(jī)器人‘小腦’的發(fā)展已經(jīng)達(dá)到了不錯的水平，能夠比較自然地跑跳、在移動中保持平衡，但‘大腦’的發(fā)展還需要進(jìn)一步提升?！弊宰兞繖C(jī)器人創(chuàng)始人王潛指出。

這種技術(shù)發(fā)展的不對稱，導(dǎo)致了許多機(jī)器人硬件能力強(qiáng)但智能水平低的尷尬局面。

在工業(yè)場景中，這一問題更加凸顯。

百川智能共享工廠總經(jīng)理趙輝表示：“目前企業(yè)用得更好的依舊是自動化設(shè)備和工業(yè)機(jī)器人，并不會選擇人形機(jī)器人。”因?yàn)閭鹘y(tǒng)機(jī)器人的設(shè)計邏輯就是準(zhǔn)確完成重復(fù)動作，不需要泛化能力。

基于現(xiàn)實(shí)，行業(yè)在技術(shù)層面正在探索第三條路。

當(dāng)前，“大小腦”分層架構(gòu)成為主流。這是一種折中而高效的方案，行業(yè)目前普遍采用“大腦”負(fù)責(zé)高級認(rèn)知、規(guī)劃，“小腦”負(fù)責(zé)快速反應(yīng)、運(yùn)動控制的協(xié)同路線。在這種架構(gòu)下，“大腦”的認(rèn)知能力可以追求通用化，而“小腦”的控制部分則與本體硬件結(jié)合得更緊密。

但北京大學(xué)王源教授提出了更具顛覆性的“具身神經(jīng)智能”概念，目標(biāo)是模仿人類“全腦”的工作方式，最終用一個統(tǒng)一的模型處理感知、認(rèn)知和運(yùn)動控制，從根本上解決大小腦異構(gòu)協(xié)同的難題。

這預(yù)示著，當(dāng)前的技術(shù)路線之爭可能只是產(chǎn)業(yè)發(fā)展中的一個階段性現(xiàn)象。

從創(chuàng)業(yè)生態(tài)角度看，機(jī)器人領(lǐng)域的“大腦”與“本體”之爭，本質(zhì)是通用平臺夢想與垂直場景落地的戰(zhàn)略選擇。

純“大腦”公司押注的是平臺價值，賭的是自己能成為機(jī)器人領(lǐng)域的“Android系統(tǒng)”；而軟硬一體公司則更相信通過垂直整合打造極致體驗(yàn)，類似于“蘋果模式”。

在行業(yè)早期階段，兩種路徑都有其合理性。

隨著特斯拉、宇樹科技等公司在硬件成本上的快速突破，以及大模型技術(shù)在具身智能領(lǐng)域的加速滲透，2025年已經(jīng)成為了人形機(jī)器人從“演示價值”走向“實(shí)用價值”的關(guān)鍵分水嶺。

這場關(guān)乎機(jī)器人產(chǎn)業(yè)格局的路線之爭，遠(yuǎn)未到終局時刻。

但可以肯定的是，在資本與技術(shù)的雙輪驅(qū)動下，誰能更快破解數(shù)據(jù)與本體之間的耦合難題，誰就能在這場智能體進(jìn)化競賽中占據(jù)先機(jī)。