机器人版ChatGPT：估值56亿！颠覆自动化？

近年来，随着人工智能技术的飞速发展，全球科技界正掀起一场关于“通用型机器人智能”的变革浪潮。这不仅仅是让机器执行单一任务，而是赋予它们像人类一样学习、适应和解决复杂问题的能力。特别是以大型语言模型（LLM）为代表的通用人工智能在2023年展现出惊人潜力之后，人们开始思考，这种“基础模型”的理念能否应用于机器人领域，让机器人也能拥有一个能处理各种物理任务的“大脑”？美国旧金山一家名为Physical Intelligence的初创公司，正是在这一前沿领域深度探索，试图打造出硅谷乃至全球瞩目的“机器人大脑”。

走进位于美国旧金山的Physical Intelligence总部，没有传统科技公司的豪华前台，也看不到醒目的企业标识，只有门上一个不甚显眼的“π”符号，透露着这里的与众不同。这里是一个巨大的混凝土空间，被随意摆放的木质长桌和各种设备打破了冷峻感。有的桌子摆满了零食和调味品，显然是员工用餐区；而更多的桌面则堆满了显示器、机器人零件、缠绕的电线，以及处于不同“学习”状态的机械臂。

亲身探访时，我看到一个机械臂正尝试叠一条黑色裤子，虽然进展不顺利；另一个机械臂则努力将一件衬衫翻面，那股子专注劲儿似乎在说：“我迟早会成功，只是不是今天。”而第三个机械臂似乎找到了自己的“使命”，它熟练地削着西葫芦皮，并准确地将削下的碎片放入另一个容器中，效率颇高。

Physical Intelligence的联合创始人之一、加州大学伯克利分校副教授谢尔盖·莱文（Sergey Levine）向我解释道：“你可以把它想象成机器人的ChatGPT。”他指着眼前这些机械臂的“芭蕾表演”说道。莱文教授是一位戴着眼镜、和蔼可亲的学者，习惯了向非专业人士解释复杂的概念。他口中的“机器人版ChatGPT”，正是这家公司所追求的愿景。

探秘前沿：Physical Intelligence的创新路径

莱文教授进一步阐释了Physical Intelligence的核心方法论：这是一个数据驱动的持续循环过程。机器人从公司总部以及其他地点（如仓库、家庭等）收集大量任务数据，这些数据随后用于训练通用的机器人基础模型。每当研究人员训练出一个新模型，它就会被部署到这些工作站进行评估测试。

比如那个叠裤子的机械臂，可能就是某个研究员正在进行的实验项目；翻衬衫的机械臂亦是如此。而削西葫芦的机械臂，则可能是在测试模型能否泛化到不同蔬菜上，即它是否能掌握“削皮”这一基本动作的精髓，从而也能处理从未见过的苹果或土豆。

该公司还在总部和其他地方运营着一个“测试厨房”，使用市售的普通硬件，让机器人接触到各种不同的环境和挑战。旁边一台看似为员工准备的意式浓缩咖啡机，实际上也是机器人的学习对象。莱文澄清说，机器人学习制作泡沫拿铁，其产生的“泡沫”和过程都是数据，而非给现场几十位工程师准备的福利。这些工程师大多沉浸在电脑前或围绕着他们的机械实验。

值得注意的是，这些硬件设备都刻意选择了“朴实无华”的型号。莱文透露，这些机械臂的售价约为3500美元，这其中供应商的溢价已经很高。如果由公司内部生产，材料成本甚至可以降到1000美元以下。他提到，大约在2023年左右，任何一位机器人专家都会对这些简陋的设备能完成任务感到震惊。但这就是他们的重点：高超的智能可以弥补硬件上的不足。这反映出一种重要的趋势，即未来的机器人发展，可能更侧重于软件和算法的突破，而非仅仅依赖昂贵的硬件堆砌。

掌舵者：Lachy Groom的远见与布局

在莱文教授离开后，我见到了Physical Intelligence的另一位联合创始人，拉奇·格鲁姆（Lachy Groom）。他以一种高效而专注的姿态穿梭于办公室中，显然是身兼数职。年仅31岁的格鲁姆，依旧保持着硅谷“少年英才”的活力。他在年仅13岁时就在家乡澳大利亚创办了第一家公司，并在9个月后将其成功出售（这也解释了办公室里为何会有澳大利亚特产Vegemite酱）。

格鲁姆此前的职业生涯也颇为亮眼。作为Stripe的早期员工，他积累了丰富的行业经验。离开Stripe后，他在大约五年的时间里转型成为一名天使投资人，成功投资了Figma、Notion、Ramp和Lattice等知名公司。尽管投资业绩斐然，但格鲁姆从不满足于此，他始终在寻找一个能够全身心投入并改变世界的项目。

2021年，他对Standard Bots公司的投资，重新点燃了他儿时对乐高机器人的热爱。格鲁姆坦言，作为投资者，他“度假的时间多得多”，但投资只是他保持活跃、结识人才的方式，并非终极目标。他表示：“离开Stripe后，我寻找了五年才找到这家值得全身心投入的公司。”他认为，一个项目成功的关键在于“好的想法、好的时机和好的团队”的稀有组合，“光有执行力，而没有好的想法，最终也只是事倍功半。”

格鲁姆最终被莱文教授和切尔西·芬恩（Chelsea Finn，莱文的前博士生，现斯坦福大学机器人学习实验室负责人）的学术研究深深吸引。这两位学者的名字不断出现在机器人领域最前沿的研究中。当他听说他们可能正在筹划一个项目时，他找到了前谷歌DeepMind研究员、同时也在斯坦福大学任教的卡罗尔·豪斯曼（Karol Hausman），并很快确认了他的参与。格鲁姆回忆道：“那次会面结束后，我立刻感觉，就是它了！”

资本青睐：独特融资策略与商业化展望

成立于2024年的Physical Intelligence，在短短两年内已经累计融资超过10亿美元，公司估值达到56亿美元，获得了Khosla Ventures、Sequoia Capital和Thrive Capital等知名投资机构的青睐。当被问及资金使用情况时，格鲁姆解释说，公司实际的现金消耗并不大，大部分资金投入都用于购买强大的计算资源。他也坦言，在合适的条件下，如果有合适的合作伙伴，他们会继续融资。他强调：“我们投入资金的上限几乎是无限的，因为总有更多的计算资源可以用于解决问题。”

与其他初创公司不同寻常的是，格鲁姆并未向投资者提供明确的商业化时间表。他表示：“我不会给投资者具体的商业化答案。”他承认这种做法在行业内显得有些“奇怪”，但投资者们似乎也接受了这种模式。他认为，正是这种对底层技术研发的专注，才使得公司具备在未来实现突破的潜力。而目前充足的资金，也为公司争取了宝贵的研发时间。

那么，如果没有明确的商业化时间表，Physical Intelligence的战略是什么？另一位联合创始人、同样来自谷歌DeepMind的权望（Quan Vuong）解释说，他们的策略围绕着“跨平台学习”和“多样化数据源”展开。这意味着，即使未来出现全新的硬件平台，也不需要从零开始收集数据进行训练，而是可以直接将模型已有的知识进行迁移。他指出：“将自主能力导入新的机器人平台，无论该平台是什么类型，其边际成本都将大大降低。”

目前，Physical Intelligence已与少量不同垂直领域的公司展开合作，以测试其系统在实际自动化场景中的表现，包括物流、杂货店和一家位于街对面的巧克力制造商。权望表示，在某些场景下，他们的系统已经能够胜任。凭借“任何平台、任何任务”的通用化方法，公司在广阔的应用领域中正逐步验证其能力，并开始解决那些已经成熟的自动化任务。

行业竞逐：通用机器人智能的多元探索

Physical Intelligence并非唯一追逐通用型机器人智能的公司。就像2023年LLM模型风靡全球一样，建立通用型机器人智能基础模型的竞赛正日益白热化。这种基础模型可以支撑更专业化的应用开发。

例如，总部位于美国匹兹堡的Skild AI公司，成立于2023年。在2026年上半年，该公司刚刚完成了14亿美元的融资，估值高达140亿美元。与Physical Intelligence专注于纯粹研究的路线不同，Skild AI采取了显著不同的商业化路径。他们已经将其“全能型”（omni-bodied）Skild大脑商业化部署，并声称在2025年短短几个月内就在安保、仓储和制造业等领域创造了3000万美元的营收。

Skild AI甚至在公开场合对竞争对手提出质疑，在其博客中指出，大多数“机器人基础模型”不过是“伪装”的视觉语言模型，它们缺乏“真正的物理常识”，因为它过于依赖互联网规模的预训练数据，而非基于物理仿真和真实机器人数据。这体现了两家公司在核心理念上的深刻分歧：

Skild AI押注通过商业部署可以创造数据飞轮，让模型在每一个真实世界的用例中得到改进。而Physical Intelligence则坚信，抵制短期商业化的诱惑，能够让其产出更卓越的通用智能。究竟哪种路径“更正确”，可能需要数年时间才能见分晓。

挑战与机遇：未来之路

目前，Physical Intelligence以格鲁姆所描述的“不寻常的清晰度”运营着。他表示：“这是一家非常纯粹的公司。研究员有了需求，我们就会去收集数据来支持，或者提供新的硬件等等，然后我们去实现它。它不是由外部因素驱动的。”公司最初设想了一个5到10年的发展路线图，但格鲁姆透露，在短短18个月内，他们就已经超越了原定目标。公司目前拥有约80名员工，并计划继续发展，尽管格鲁姆希望“尽可能缓慢地”扩张。

格鲁姆认为，目前最具挑战性的是硬件方面。“硬件确实非常困难。我们所做的每一件事都比一家软件公司要困难得多。”硬件容易损坏，到货速度缓慢，这都会延迟测试进程。此外，安全考量也让一切变得更加复杂。

当格鲁姆急匆匆地赶往下一个会议时，我留下来继续观察这些机器人练习。叠裤子的机器人依然没能完全成功，衬衫也固执地保持着正面朝外的状态，而西葫芦皮则堆积如山。

当然，围绕这项技术也存在一些显而易见的问题，例如，人们是否真的需要在厨房里让机器人削蔬菜？安全问题如何保障？家中的宠物是否会对这些机械入侵者感到不安？投入如此多的时间与资金，究竟是为了解决真正重要的难题，还是会制造出新的问题？与此同时，外界也对Physical Intelligence的进展、其愿景的可行性，以及押注通用智能而非特定应用是否明智，抱持着各种疑问。

但如果格鲁姆有任何疑虑，他丝毫没有表现出来。他与那些几十年来一直在研究这一领域的人合作，他们都坚信时机终于成熟了，而这正是他所需的一切。此外，从硅谷产业诞生之初，这里就一直支持着像格鲁姆这样的创新者，即使没有明确的商业化路径，没有时间表，甚至不确定市场最终会走向何方，硅谷也相信他们最终能找到出路。这种模式并非总能成功，但一旦成功，它往往能证明过去无数次失败的尝试都是值得的。

对于国内跨境行业的从业者而言，Physical Intelligence和Skild AI等公司在通用型机器人智能领域的探索，预示着未来自动化和智能化的高度融合。这将不仅改变制造业和物流业的形态，更可能渗透到居家服务、零售、农业等更广泛领域。未来，能够实现跨任务、跨平台学习的机器人技术，将极大地降低自动化部署的门槛和成本，为全球产业链的升级带来新的机遇。关注此类前沿技术动态，有助于我们把握未来商业模式和竞争力的制高点。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/robot-chatgpt-56b-valuation-disrupts-auto.html