正文 · 原文
斯坦福伯克利宗师组团，贝索斯红杉抢着送钱
杰西卡 发自 ROBO-智
量子位ROBO | 公众号 AI4ROBO
杰西卡 发自 ROBO-智
量子位ROBO | 公众号 AI4ROBO
分文不赚，如何做到200亿美元身价？
一家2024年才成立的机器人初创公司，正在创造新的资本神话。
最新消息，美国机器人AI公司 Physical Intelligence（简称PI） 正洽谈新一轮融资，计划募集至少 10亿美元 ，投后估值预计达到约 200亿美元 ，折合人民币约 1333亿元 。
去年11月，这家公司的估值还只有 56亿美元 ，不到一年，估值就可能上涨到原来的3.6倍。
要知道，PI迄今没有产生任何商业营收，也没有自己量产的机器人产品。
但包括贝索斯、谷歌旗下CapitalG在内的知名投资者，早已纷纷下注。原因就在于PI的研发内容——
一个有望适配不同机器人、完成不同任务的 通用AI大脑 。
这家被投资者视为 “具身大脑领域的OpenAI” 的公司，如今又将这一赛道的估值推向新的高度。
先来看看PI在资本市场上的狂飙速度。
据彭博社报道，知情人士透露， Physical Intelligence 正在洽谈 至少10亿美元 的新一轮融资，现有投资方 Avenir和Lux Capital 考虑领投。
如果交易能顺利完成，PI的估值预计将达到约 200亿美元 ，较今年早些时候的 115亿美元 接近翻番。
再往前看，公司去年11月拿下6亿美元融资时，估值还是 56亿美元 ，一年翻了近 2.6倍 。
投资人名单更是顶流云集，除了此次洽谈领投的Avenir和Lux Capital，还有Alphabet旗下CapitalG、Thrive Capital、红杉资本等一众知名投资者，连贝索斯都早早自掏腰包押注。
作为参考，隔壁同样做机器人通用大脑的独角兽 Skild AI ，今年1月份估值 140亿美元 。并且到了9月Skild AI就已经对外宣布， 年化经常性收入（ARR） 正式突破了 1亿美元 。
而PI呢？
目前为止，还没有产生任何商业收入。
而且公司联创今年透露过，公司主要开支集中在 计算资源 上，并没有向投资者承诺具体的商业化时间表——话里话外都是 完全不急着赚钱 。
不是？完全没有商业化收入，资本却给出了更高的估值溢价……神了。这帮平时精明得要死的老钱和VC集体失心疯了？
或许你会觉得这是彻头彻尾的泡沫。但翻开PI的创始团队名单，就能明白顶级风投为何不看营收也敢下重注。
这家公司成立于 2024年 ，坐标美国旧金山。核心创始团队来自 Google DeepMind、斯坦福大学和加州大学伯克利分校 ，堪称全球机器人学术界和工业界的天花板阵容：
联合创始人兼首席执行官 Karol Hausman ，此前在Google与Google DeepMind深耕多年，是负责前沿机器人研究的核心科学家，还是斯坦福大学兼职教授，长期主导谷歌机器人的前沿探索。
联合创始人 Sergey Levine ，加州大学伯克利分校（UC Berkeley）教授，机器人学习和强化学习领域宗师级的大神，很多研究具身智能的学生应该都读过他的论文。
以及联合创始人 Chelsea Finn ，斯坦福大学助理教授，元学习和机器人领域的领军学者（也曾是Levine的博士生）。
还有一位联合创始人，就是前面提到的 Lachy Groom ，13岁就创办了自己的第一家公司，后来成为Stripe早期员工，又转型为硅谷知名天使投资人，先后投资过Figma、Notion、Ramp等知名科技公司（他和OpenAI CEO也是颇有渊源）。
同时PI还汇集了 前Stripe高管 ，以及来自DeepMind的核心技术骨干 Brian Ichter 等一众人才。
可以说，一批机器人研究领域的顶尖学者，与深谙硅谷创业和资本运作的投资人走到了一起，为这家公司赢得了足够的关注。
但光有团队光环大概率也不够撑起200亿美元估值。从另一个维度上看，大模型行业目前走到了一个相对特殊的阶段：
随着大语言模型在文本、编程等领域的能力不断进步，AI产业也开始将目光投向更广阔的 物理世界 ，增量资金需要找到下一个能够承载万亿级市场的 超级应用载体 。
在顶级投资人眼里，现在给PI开出天价支票，买的就是物理世界基础模型的绝对入场券。
那么，又凭什么是至今没有商业化的PI，撑起了如今的顶格溢价？
事实上，这帮顶级学者从第一天起，就没打算自己去造机器人硬件。
在他们看来，传统机器人研发一直深陷在孤岛里。造机械臂的写机械臂控制代码，造双足机器人的搭专属步态算法，换个硬件底座就得把整套控制系统推倒重写。
所以团队一开始就确立了原生纯软件定位——做 能够适配各类第三方硬件的通用机器人基础模型 。
他们的核心技术路径，是在视觉语言模型（VLM）的基础上引入动作生成能力，训练视觉—语言—动作模型（VLA），将对现实环境的感知和理解进一步转化为机器人能够执行的动作。
比如，机器人通过摄像头观察周围环境，识别物体的位置、形状以及当前任务，再由模型生成相应的运动指令，控制机械臂的位置、关节运动和抓取动作。
从看懂世界，到真正动手操作，PI想打通的正是这中间的技术壁垒。
联合创始人Levine此前接受采访时，也曾将公司的目标形容为 机器人版ChatGPT 。
不过把AI从数字世界带入物理世界，难度也随之陡增。为此，PI成立以来不断迭代机器人基础模型，从 π0、π0.5 一路发展到今年的 π0.7 ，持续提升模型跨任务、跨设备的泛化能力。
今年4月发布的π0.7，就展示了一项颇为有趣的进展。
研究人员让一台此前 没有接受过叠衣服专项训练 的双机械臂机器人，利用模型从其他机器人上习得的知识，完成了叠衣服操作。
注意，这台机器人使用的机械臂，与此前采集叠衣服训练数据的机器人，在尺寸、结构和动作方式上都存在明显差异。
但π0.7已经能够将不同来源的经验重新组合，完成新的操作。它还能够在语言指导下，使用 此前没有专门训练过的厨房电器 ，并完成多种精细操作任务。
其中最重要的进步，是机器人开始具备了一定的 组合泛化能力 。
简单来说，过去机器人面对新任务，往往需要重新收集数据、进行专门训练；而π0.7已经能够在部分场景中， 将过去学到的本领重新组合，用来解决新的问题 。
这种能力，恰恰是通用机器人基础模型的重要基础。
更进一步，PI的技术已经开始走出实验室，进入 真实生产场景 。
今年以来，PI相继公布了针对机器人长短期记忆、精细操作强化学习等方向的研究成果。
就在这个月，PI又迈出重要一步，推出 机器人基础模型API测试版 ，开始向更多外部开发者提供 模型微调和推理服务 。
也正是此举将投资人的情绪彻底点燃了。
单一初创团队再厉害，也不可能独立承担全行业所有物理场景的数据采集和工程调优。
开放开发者生态，意味着他们开始从实验室里的封闭demo，迈向了真正 具备可拓展性的开发者共创体系 。
而放眼整个赛道，具身智能的估值竞逐已经进入白热化。
Figure AI 的估值冲上了390亿美元， Skild AI 站上140亿美元， Meta、苹果、DeepMind 全在密集调集重兵，更不用提正面战场上虎视眈眈的 特斯拉和OpenAI 。
PI走的其实是完全不同的另一极。它避开了重资产的硬件制造泥潭，一心一意要做赋能所有第三方硬件的底层软件。
这个方向听起来性感至极，但坦率来讲，物理世界的难度和残酷程度要远超想象。
在数字世界里，模型生成了一段错误代码，通常还有机会检查、修改、重新执行；可在物理世界里，机器人如果判断错了距离或者施力大小，机械臂落下去，可能就是碎裂的瓷盘、损坏的设备，甚至是生产安全事故。
AI的错误从屏幕进入现实，代价自然也随之增加。
就连PI官方在开放公测时，都极其罕见地向行业泼了一盆冷水。他们公开警示说：
真实环境中的机器人应用绝非易事。无论是建筑施工、机器人手术还是仓储自动化，攻克每一个领域都需要倾注一家完整公司的资源。
真实环境中的机器人应用绝非易事。无论是建筑施工、机器人手术还是仓储自动化，攻克每一个领域都需要倾注一家完整公司的资源。
听着确实有点扎心，但绝对是大实话。
每一个细分领域的物理落地，背后都是极端复杂的动力学规律与漫长痛苦的工程验证。
长期以来，机器人行业的发展高度依赖针对不同设备、不同任务的专门开发。而通用基础模型的进步，正在为整个产业提供另一种可能：
让机器人的智能能力逐渐从具体硬件中独立出来，成为可供不同企业使用的基础服务。
只有智能可以像软件一样不断复用，机器人产业才能真正走出逐台定制、逐项开发的旧模式，迎来规模化应用的时代。