据报道，Physical Intelligence（π）正洽谈新一轮 10 亿美元融资，目标估值达到 110 亿美元。这意味着其估值将在不到四个月内实现近乎翻倍，也凸显出机器人市场日益明显的分化：一边是基础模型平台受到追捧，另一边则是苦于难以交付可靠产品的硬件公司。
目录
- Physical Intelligence 是什么？为何再次融资？
- Physical Intelligence 的估值为何增长如此之快？
- 这对更广泛的机器人融资市场意味着什么？
- 实体 AI 基础模型 vs. 机器人硬件：市场正在分化
- 这对机器人行业意味着什么
- 常见问题
Physical Intelligence 是什么？为何再次融资？
Physical Intelligence 是一家开发通用型机器人控制基础模型的 AI 初创公司。其核心软件能够训练机器人在不同环境中操作和处理实体物体，而不必针对每项任务单独编程。据 TechCrunch 报道，该公司目前正积极洽谈一轮 10 亿美元融资，估值约为 110 亿美元。
就在四个月前，该公司的融资估值还只有 56 亿美元。如此短时间内再次融资，且估值接近翻倍，即使放在硅谷也相当罕见。这表明，投资者对实体 AI 基础模型的信心不仅没有减弱，反而正以当前科技行业中几乎无人能及的速度持续升温。
π 的核心产品是一种策略模型：通过海量机器人操作数据训练，让机器人能够在不同任务之间进行泛化。与其说它是一家机器人公司，不如说它更像是“机器人之手的 OpenAI”。
Physical Intelligence 的估值为何增长如此之快？
简单来说，实体 AI 基础模型正在从“有趣的研究”被重新定价为“关键基础设施”。投资 π 的人押注的并不是某一款机器人，而是能够让所有机器人变得更聪明的那一层技术。
三股力量正在压缩估值增长的时间线：
1. 已经展现出的泛化能力 π 发布的研究显示，其 π0 模型仅依靠一个预训练策略，就能处理叠衣服、收拾餐桌和组装箱子等任务。跨任务泛化一直是机器人学习领域最难攻克的目标之一。如今，这种能力已经出现在可部署的模型中，属于可信的技术里程碑，而不是停留在路线图上的承诺。
2. 平台型商业模式 基础模型训练一次后，可以进一步微调，并提供给数十家硬件合作伙伴使用。新增一家机器人 OEM 客户的边际成本很低，而授权费或 API 访问收入则会随着采用规模扩大。投资者看到了这种模式与销售单台机器人之间的根本差异。
3. 竞争压力迫在眉睫 Google DeepMind 的 RT-2、Figure 与 OpenAI 的合作，以及 Agility Robotics 自研的学习技术栈，都在朝着同一种通用操作能力冲刺。当技术竞赛如此胶着时，资金就是构筑护城河的关键。错过一轮融资，就意味着把优势拱手让给那些可以用现金抢夺训练数据、算力和人才的竞争对手。
这对更广泛的机器人融资市场意味着什么？
π 的这轮融资，是资本高度集中的趋势中最醒目的一个信号。少数实体 AI 平台公司正在获得不成比例的投资份额，而许多以硬件为先的机器人企业则面临估值停滞，甚至下调。
| 公司类型 | 近期融资走势 | 估值趋势 |
|---|---|---|
| 实体 AI 基础模型（π 等） | 短期内连续完成多轮大额融资 | 急剧上升 |
| 人形机器人初创公司 | 分化明显，头部企业获得大额融资 | 两极分化：前 2—3 家快速上升，其余趋于停滞 |
| 协作机器人 / 工业机器人 OEM | 融资速度放缓，更偏向战略性融资 | 稳定或温和增长 |
| 单一用途机器人（配送、清洁） | 融资规模收缩，部分公司估值下调 | 缺乏差异化的企业估值下滑 |
这意味着，市场正在把 AI 层视为主要价值来源，而把硬件视为商品。这并不是说硬件无关紧要——机器人仍然必须在真实世界中稳定可靠地工作。但它确实说明，相比只掌握机械平台的企业，拥有智能层的公司正在吸引绝大多数投资者的关注。
这与十年前云计算行业发生的变化颇为相似：底层服务器日益商品化，而运行其上的软件平台却获得了更高的估值倍数。机器人行业或许也正进入同样的转型阶段。
实体 AI 基础模型 vs. 机器人硬件：市场正在分化
这种日益明显的分化值得深入观察，因为它将决定哪些公司能够撑过下一轮行业洗牌。
基础模型占据主导地位的理由
如果一种通用操作策略确实能够实现广泛泛化，就能削减机器人部署中最昂贵的一项成本：定制化集成。如今，为机器人手臂部署一项新的工业任务，通常需要数周甚至数月的专门编程、仿真环境搭建和现场校准。而如果基础模型只需数小时即可完成微调，这部分成本将大幅下降。
这正是物流运营商、代工制造商和食品加工企业等企业买家密切关注 π 及其竞争对手的原因。如果软件集成成本趋近于零，自动化的经济效益将得到彻底改善。
风险在于：泛化比看上去更难
目前，所有跨任务泛化演示都在受控或半受控环境中完成。从“在光线良好、物体摆放一致的实验室里运行正常”，到“在光线变化、工具磨损、物体状态不可预测的工厂车间里稳定工作”，两者之间仍存在巨大差距。
π 的 110 亿美元估值，已经把其在商业规模上成功实现泛化的预期计入其中。如果事实证明这比研究结果所暗示的更难，估值回调也会非常剧烈。基础模型的估值建立在未来的分发能力之上，而要实现大规模分发，前提是模型必须具备可靠性——这一点在充满各种意外情况的真实环境中尚未得到证明。
硬件依然重要，只是重要的方式变了
最有可能从基础模型进步中受益的，是那些把机器人打造为平台的企业：平台开放、传感器丰富，并且专为软件迭代而设计。具备标准化接口的人形机器人、配备现代 API 的协作机器人，以及采用清晰 ROS 2 技术栈的移动操作机器人，都比封闭的专有系统更容易接入 π 式策略层。
对于今天正在评估机器人硬件的买家来说，问题已不再只是“这台机器人现在能做什么”，而是“随着模型不断成熟，这个平台能多容易地吸收更先进的 AI？”
这对机器人行业意味着什么
π 的融资动向对机器人生态中的每一类参与者都具有参考价值，而不仅仅是投资者。
对机器人买家和系统集成商而言：AI 辅助部署的经济效益，正在以比采购周期更快的速度发生变化。能够接入通用策略模型的平台，在整个使用周期内都将持续获得能力提升。现在就应当把软件可升级性纳入硬件决策。如果你正在评估工业机器人或协作机器人，应明确询问供应商的 AI 集成路线图，以及 API 是否开放。
对硬件初创公司而言：面对资本充足的基础模型实验室，仅凭操作智能展开竞争正变得越来越困难。更具防御力的路径有两种：一是掌握基础模型运行所必需的某个特定硬件细分领域；二是掌握来自真实部署的专有训练数据——这是纯软件实验室很难轻易复制的资源。
对企业采用者而言：对于大多数应用，基础模型在生产环境中的短期实际影响可能还要等 18—36 个月。但评估平台、建立供应商关系并启动小规模试点的时间就是现在——否则等技术成熟后，采购流程可能会成为新的瓶颈。
常见问题
Physical Intelligence（π）是什么？它开发什么产品？
Physical Intelligence 是一家开发通用型机器人操作基础模型的 AI 初创公司。其策略软件能够让机器人在无需针对任务单独编程的情况下执行多种实体任务。该公司的旗舰模型 π0 仅依靠一个预训练策略，就展示了在叠衣服、清理餐桌和组装等任务之间的泛化能力。
Physical Intelligence 在新一轮融资中的目标估值是多少？
据 TechCrunch 报道，Physical Intelligence 正洽谈以约 110 亿美元估值融资 10 亿美元。该公司上一轮融资的估值约为 56 亿美元，距今大约四个月。这意味着，如果报道中的新一轮融资完成，公司估值将在不到半年内接近翻倍。
为什么实体 AI 基础模型公司能获得如此高的估值？
投资者正把基础模型平台视为关键基础设施——也就是让所有机器人变得更强大的智能层。平台型经济模式（训练一次、授权给多家硬件合作伙伴）、已经取得的泛化能力进展，以及来自 Google DeepMind、Figure 等竞争对手的激烈压力，都在压缩估值增长的时间线。
实体 AI 基础模型与传统机器人软件技术栈有什么区别？
传统机器人软件通常针对特定任务：例如编写一套程序，让机器人以某种固定姿态抓取某一类物体。基础模型策略则基于广泛的操作数据训练，能够实现泛化，通过微调适应新任务，而不是重新编程。两者的区别，大致类似于文本 AI 中手工编写的规则系统与大语言模型之间的差异。
Physical Intelligence 的成功是否意味着机器人硬件公司正在失势？
并不是失势，而是价值被重新定价。市场越来越看重 AI 层，而不是机械平台本身。能够接入第三方策略模型、开放 API 的机器人硬件公司，比封闭系统供应商更具优势。云计算的类比依然成立：服务器并没有消失，但价值集中点转移到了运行其上的软件层。
实体 AI 基础模型何时能够进入商业化生产部署？
业内观察人士的保守估计是，对于大多数工业应用，通用操作模型还需要 18—36 个月 才能实现广泛的商业部署。对于结构化仓储和轻型装配等场景中的小范围、高价值应用，采用时间可能会更早。
据报道，Physical Intelligence 最新一轮融资的估值达到 110 亿美元，这标志着资本在机器人生态中的流向正迎来明显拐点。围绕实体 AI 基础模型主导权的竞赛正在加速，而构建智能层的公司——而不只是制造硬件的企业——正成为价值获取的主要载体。硬件并非无关紧要，但问题已经发生根本变化：关键不再是机器人能做什么，而是它能运行什么样的智能。
如果通用操作模型如期成熟，你所在设施中的哪一种机器人平台最有可能率先接入并发挥这些模型的能力？