0营收估值200亿美元，具身版OpenAI又融10亿美元
内容提要
美国机器人AI公司Physical Intelligence正洽谈至少10亿美元融资，估值或达200亿美元，一年内涨约3.6倍。公司2024年成立，创始团队来自DeepMind、斯坦福和伯克利，专注研发适配多种硬件的通用机器人基础模型，已迭代π0至π0.7并开放API测试。公司尚无商业收入，资本押注“具身大脑”前景，但物理世界落地难度和风险仍高。
延伸解读
高估值与零营收的背离
PI成立不到两年、尚无商业收入，估值却从56亿美元飙升至200亿美元，一年涨约3.6倍。对比同行Skild AI已有1亿美元ARR，PI的估值完全建立在团队背景和技术前景上。这种背离意味着资本押注的是“具身大脑”的长期入口价值，而非短期财务回报。读者需注意，公司未向投资者承诺商业化时间表，高估值缺乏营收支撑，后续融资或估值调整的风险较高。
纯软件路线：避开硬件重资产
PI从第一天起就不造机器人硬件，而是做适配第三方硬件的通用基础模型，技术路径是在视觉语言模型上加入动作生成，形成VLA模型。这一选择避开了硬件制造的重资产泥潭，但也意味着其价值高度依赖外部硬件厂商的采用。π0.7展示的跨设备组合泛化能力是支撑该路线的关键证据，但能否被广泛集成仍是未知数。
开放API：从实验室走向生态
PI本月推出机器人基础模型API测试版，向外部开发者提供微调和推理服务。此举被视为点燃投资人情绪的关键一步，因为单一团队无法覆盖全行业物理场景的数据采集与工程调优。开放生态有助于扩大模型应用范围，但也意味着PI需要承担服务稳定性、开发者支持等新压力。API测试版的实际采用率和反馈，将是观察其商业化进展的重要窗口。
物理落地的代价与风险
文章指出，数字世界的错误可以检查修改，物理世界的错误却可能造成瓷盘碎裂、设备损坏甚至安全事故。PI官方在开放公测时也罕见警示，建筑施工、机器人手术、仓储自动化等每个领域都需要一家完整公司的资源。这提醒读者，通用机器人基础模型的进步虽快，但细分场景的动力学规律和工程验证无法跳过，落地节奏可能远慢于资本预期。
Q&A
Physical Intelligence 目前有营收吗？估值为什么这么高？
目前没有商业营收，也没有量产机器人产品。高估值源于资本押注其“具身大脑”前景：公司专注研发适配多种硬件的通用机器人基础模型，被投资者视为具身智能领域的 OpenAI，且创始团队来自 DeepMind、斯坦福和伯克利，阵容顶尖。
Physical Intelligence 的创始团队是什么来头？
公司 2024 年成立于旧金山，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。CEO Karol Hausman 曾任谷歌机器人核心科学家，Sergey Levine 是伯克利教授、强化学习领域宗师，Chelsea Finn 是斯坦福助理教授，还有天使投资人 Lachy Groom 等。
PI 的技术路线是什么？和造机器人的公司有什么不同？
PI 不造机器人硬件，定位为纯软件公司，做能适配各类第三方硬件的通用机器人基础模型。技术路径是在视觉语言模型（VLM）基础上引入动作生成能力，训练视觉—语言—动作模型（VLA），让机器人从感知理解世界到生成动作指令。
π0.7 模型有什么新进展？
π0.7 展示了组合泛化能力：一台未专门训练过叠衣服的双机械臂机器人，能利用从其他机器人习得的知识完成叠衣服，且机械臂尺寸结构不同；还能在语言指导下使用未训练过的厨房电器完成精细操作。这意味着机器人开始能将过去学到的本领重新组合解决新问题。
PI 开放 API 测试版意味着什么？
PI 推出机器人基础模型 API 测试版，向外部开发者提供模型微调和推理服务。这标志着公司从实验室封闭 demo 迈向可扩展的开发者共创体系，因为单一团队无法独立承担全行业物理场景的数据采集和工程调优，开放生态有助于加速模型迭代和落地。
通用机器人基础模型在物理世界落地有哪些风险？
物理世界容错率低：数字世界代码错误可检查修改，但机器人判断错距离或施力大小，可能导致瓷盘碎裂、设备损坏甚至生产安全事故。PI 官方也警示，建筑施工、机器人手术、仓储自动化等每个领域都需要倾注一家完整公司的资源，落地难度极高。
