通用机器人AI竞赛白热化：物理智能公司获超10亿美元押注，硅谷巨头为何相信“无商业化时间表”的愿景？

在旧金山一个不起眼的工业空间里，机械臂正在笨拙地折叠黑色裤子、试图将衬衫内外翻转，同时熟练地削着西葫芦皮。这并非某个自动化工厂的日常，而是一家名为物理智能（Physical Intelligence）的初创公司正在进行的一场革命性实验——他们正在构建能够理解并执行物理世界通用任务的“机器人大脑”。

“机器人界的ChatGPT”：用通用智能弥补廉价硬件

市场消息显示，这家成立仅两年的公司已获得超过10亿美元融资，估值达到56亿美元，背后站着包括科斯拉创投、红杉资本和Thrive Capital在内的顶级风投机构。更令人惊讶的是，该公司创始人向投资者明确表示：“不提供商业化时间表”。

“可以把它想象成机器人版的ChatGPT，”一位熟悉该公司技术路线的人士解释道。与依赖昂贵定制硬件的传统工业机器人不同，物理智能公司采用售价仅约3500美元的现成机械臂进行训练。核心逻辑在于：卓越的人工智能可以弥补廉价硬件的不足。如果自主生产，其材料成本甚至可降至1000美元以下。

该公司的技术核心是通用机器人基础模型（General-Purpose Robotic Foundation Models）。通过部署在仓库、家庭甚至测试厨房中的机器人工作站，持续收集真实世界的操作数据，训练模型掌握如抓取、折叠、削皮等基础物理技能。最新行业动态指出，这种“跨具身学习（Cross-Embodiment Learning）”策略意味着，即使未来出现全新的硬件平台，模型已有的知识也能快速迁移，大幅降低新机器人获得自主能力的边际成本。

硅谷老将的“终极赌注”：五年寻觅后的All-in

领导这家公司的是31岁的拉奇·格鲁姆（Lachy Groom），这位前Stripe早期员工在离开支付巨头后，曾作为天使投资人押中了Figma、Notion等明星项目。但投资并非他的终点。“我花了五年时间寻找离开Stripe后该创立的公司，”他在一次交流中透露，“好想法、好时机、好团队——这三者同时出现极其罕见。”

格鲁姆最终在加州大学伯克利分校教授谢尔盖·莱文（Sergey Levine）和斯坦福大学教授切尔西·芬恩（Chelsea Finn）的学术研究中看到了未来。这两位学者在机器人学习领域的前沿工作，加上来自谷歌DeepMind的研究员关·武昂（Quan Vuong）的加入，构成了公司的技术核心团队。

该公司在一份最新文件中披露，其资金主要投向算力资源。“我们能投入工作的资金没有上限，”格鲁姆表示，“总有更多算力可以用于解决这个问题。”这种对长期纯研究的专注，在追求快速回报的硅谷显得颇为另类。

技术路线之争：纯研究派 vs 商业飞轮派

物理智能公司并非唯一追逐通用机器人智能的玩家。这个赛道正迅速分化出两种截然不同的哲学。

• 纯研究路线（物理智能）：坚持不受短期商业化干扰，专注于构建最通用的“物理常识”。公司已与物流、杂货乃至街对面的巧克力制造商等少数企业合作测试，但其核心仍是扩大模型的能力边界。
• 商业飞轮路线（以Skild AI为代表）：总部位于匹兹堡的Skild AI成立于2023年，本月刚以140亿美元估值融资14亿美元。该公司已将其“全能体”Skild Brain投入商业部署，声称去年仅在几个月内就在安防、仓储和制造领域创造了3000万美元收入。

Skild AI甚至公开批评竞争对手，认为许多“机器人基础模型”只是伪装下的视觉-语言模型，缺乏“真正的物理常识”，因为它们过度依赖互联网规模的预训练，而非基于物理的仿真和真实机器人数据。

“这是一个相当尖锐的哲学分歧，”一位行业分析师评论道，“一方赌注商业部署会形成数据飞轮，另一方赌注抵制短期商业化能产生更优越的通用智能。谁‘更正确’需要多年才能见分晓。”

硬件挑战与长期愿景：机器人普及的真正瓶颈

尽管软件和算法进步神速，硬件仍是机器人普及的最大挑战。“硬件真的很难，”格鲁姆坦言，“我们所做的一切都比软件公司困难得多。”硬件会损坏、交付缓慢、安全考量复杂化所有测试。

该公司目前约有80名员工，计划“尽可能缓慢地”增长。团队最初制定了5-10年的技术路线图，但在第18个月时就已全部突破。这种速度反映了基础模型领域指数级的技术进步。

物理智能公司正在测试其“任何平台，任何任务”的方法。关·武昂声称，在某些情况下，他们的系统已经足够好，可以开始勾选那些今天就能实现自动化的任务清单。成功表面积已经足够大，足以启动商业化探索。

行业影响与未来展望：通用机器人AI的临界点

通用机器人智能的竞赛，本质上是在复刻三年前大语言模型（LLM）走过的道路：先建立强大的基础模型，再在其上构建 specialized 应用。如果成功，这将彻底改变从家庭服务、工业制造到物流仓储的每一个物理操作领域。

然而，质疑声同样存在：人们真的需要机器人在厨房削蔬菜吗？安全如何保障？家庭宠物会对机械入侵者作何反应？投入的巨额时间和资金是否解决了足够大的问题，还是创造了新问题？

硅谷的风险投资模式正在经历一场豪赌。投资者给予像格鲁姆这样的团队极大的信任和资金空间，即使没有明确的商业化路径、没有时间表、甚至不确定到达时市场会是什么样子。历史表明，这种赌注并不总是成功，但当它成功时，往往能证明之前所有失败尝试的价值。

“我们与那些在这个问题上工作了数十年的人合作，他们相信时机终于成熟了，”格鲁姆表示，“这就是我需要知道的一切。”在旧金山那个混凝土空间里，裤子仍未完全叠好，衬衫依然顽固地正面朝外，西葫芦皮继续堆积——但背后的通用智能模型，正在以人类难以想象的速度学习着物理世界的法则。