0营收估值200亿美元，具身版OpenAI又融10亿美元

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。

两年估值冲向200亿美元，PI什么来头？

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。

△Karol Hausman

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。

△Sergey Levine

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）。

△Chelsea Finn

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）。

△Lachy Groom

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？

不造机器人，凭什么值200亿美元？

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。

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。