4个月估值翻倍，机器人版 ChatGPT 又要融 10 亿美元：Physical Intelligence 凭什么这么贵？
资本又一次扑向“机器人大脑”
硅谷现在最贵的，不一定是会聊天的 AI，而是那个试图让机器人学会干活的“脑子”。据彭博社报道，成立仅两年的旧金山机器人公司 Physical Intelligence，正在洽谈新一轮约 10 亿美元融资，目标估值超过 110 亿美元。如果交易最终落地，这家公司在短短 4 个月里，估值就会从 56 亿美元跳到 110 亿美元以上，几乎原地翻倍。
这已经不是它第一次大手笔融资。就在今年年初，TechCrunch 探访其总部时提到，这家公司累计融资已经超过 10 亿美元，团队规模约 80 人。换句话说，这是一家还没有明确商业化时间表、员工不到百人的创业公司，却已经吸走了传统制造企业都未必见过的资本洪流。参与这轮融资谈判的投资方，据称包括 Founders Fund、Lightspeed，以及老股东 Thrive Capital 和 Lux Capital。
这个数字之所以让人愣一下，不只是因为“贵”，更因为它发生在当下这个微妙时点：大模型的纯软件叙事已经开始卷到天花板，投资人需要新的想象空间。而机器人，尤其是通用机器人，恰好提供了一个更具冲击力的故事——如果说 ChatGPT 改造的是办公室和信息工作，那么机器人可能改造的是厨房、仓库、医院和工厂。
它想做的，不是机械臂，而是机器人的通用智能
Physical Intelligence 联合创始人 Sergey Levine 对公司的定位说得很直白：“把它想成机器人版的 ChatGPT。”这句话听上去很像融资路演里的金句，但它其实概括了眼下机器人行业最核心的野心：不再为每一种任务、每一个场景单独写规则，而是训练一个足够通用的模型，让机器人能跨任务迁移，今天叠衣服，明天削蔬菜，后天也许还能在物流中心分拣包裹。
这和过去几十年的机器人思路很不一样。传统机器人更像“专才”，在固定工位、固定流程、固定误差范围里工作得极其稳定；但一旦环境变了、物体形状变了、灯光变了，甚至只是桌子摆歪一点，它就可能突然变笨。大模型带来的变化，是让研究者重新相信：也许可以先训练出一个足够大的通用策略模型，再把它部署到不同形态的机器人平台上。
问题是，机器人世界比聊天框残酷太多。语言模型犯错，最多是答非所问；机器人犯错，可能是把盘子摔了、把菜刀拿反了，或者在仓库里撞翻货架。让 AI “理解现实世界”，不仅要有算力和数据，还要有传感器、控制系统、强化学习、仿真环境、硬件适配，以及最难搞的——真实世界里的失败成本。这也是为什么 Physical Intelligence 这种公司虽然人不多，烧钱速度却可能比纯软件 AI 还夸张。
为什么投资人愿意为“没时间表”的公司继续加码？
有个细节很能说明现在资本的心态。Physical Intelligence 联合创始人 Lachy Groom 今年早些时候曾表示，公司没有明确的商业化时间表，而投资人似乎并不在意。他甚至说了一句很硅谷的话：“我们真正能投入使用的资金没有上限，总还能往这个问题上砸更多算力。”
这句话听着狂，但它精准踩中了当下 AI 投资逻辑：只要市场相信你在追逐的是“基础层能力”，商业化就可以暂时往后排。OpenAI、Anthropic 乃至一批基础模型公司，过去几年已经把这种逻辑跑通了。投资人押的不是今年营收，而是未来是不是能卡住一个超级平台入口。现在，这套剧本正被搬到机器人行业。
背后的原因其实不难理解。机器人是少数几个理论上能够同时吃到三种红利的赛道：AI 模型红利、硬件升级红利，以及劳动力替代红利。全球制造、物流、养老、家庭服务都面临人力短缺和成本上升的问题，如果真出现一个足够通用、可复制、可扩展的“机器人大脑”，它的商业天花板可能远远高于一个企业软件工具。
但我也想泼一点冷水。今天资本市场对“机器人+大模型”的热情，和前几年对自动驾驶、元宇宙、人形机器人的一些狂热时刻有点像：方向可能对，节奏未必对。技术突破常常是非线性的，估值却总是按线性甚至指数方式先涨上去。投资人当然可以赌，创业公司也当然愿意讲大故事，但现实世界不会因为估值翻倍，就自动减少抓取误差、降低部署成本。
从 Figure 到 Tesla，这场比赛已经不是一家公司的独角戏
Physical Intelligence 的火，不是孤立事件，而是整条赛道被重新点燃的一个缩影。过去两年里，Figure AI、1X、Skild AI 以及 Tesla Optimus 等项目，都让“具身智能”成了科技圈最热的词之一。它们的共同点，是都试图把语言模型、视觉模型和动作控制结合起来，让机器不只是“会看会说”，而是真能动手。
其中 Figure 更偏向人形机器人整机路径，Tesla 则希望靠自家在电机、视觉和端到端 AI 上的积累把 Optimus 做成通用劳动力平台；而 Physical Intelligence 目前更像是在押注“通用机器人智能层”，也就是那个可以跨硬件迁移的大模型基础设施。这个定位有点像机器人世界里的“操作系统”或“基础模型提供商”，听上去就很适合拿高估值，因为它暗示自己不是一家卖单一机器人的公司，而是可能给整个行业供脑。
可这条路也最难。因为你要证明自己的模型不是实验室里几段漂亮视频，不是 demo day 上叠两件 T 恤，而是真的能在复杂环境里长期稳定运行。机器人行业一直有个老问题：演示视频特别性感，规模化落地特别骨感。今天大家都爱看机器人折衣服，真到了商用阶段，客户问的往往是更无聊的问题——多久坏一次？维修谁来做？一台机器一年能省多少钱？
所以，Physical Intelligence 的下一步，不只是融到钱，而是如何把“科研感很强的愿景”慢慢翻译成“工业客户听得懂的价值”。如果它做不到，110 亿美元估值会显得非常虚；如果它做到了，那这家公司可能会成为具身智能时代最关键的基础设施玩家之一。
真正值得追问的，是机器人行业会不会重演大模型的烧钱竞赛
这笔潜在融资最让我在意的，不是金额本身，而是它释放的行业信号：机器人智能正在快速复制大模型行业的资本结构。少数头部公司拿走巨额资金，拼命买算力、囤数据、招研究员，形成越来越高的进入门槛。最终，行业可能会被少数几家“超级实验室”主导。
这有好处。机器人确实是个极其吃资源的行业，没有大钱，很多突破根本推不动。真实世界数据采集、仿真训练、硬件迭代、安全测试，每一项都不是轻资产创业能轻松解决的。资本越集中，某些底层问题反而越有可能被真正攻克。
但副作用也很明显。一个过度依赖资本输血的行业，容易先长出估值泡沫，再长出商业现实。更麻烦的是，具身智能的反馈周期比纯软件长得多，今天砸下去的几十亿美元，也许三五年后才知道方向到底对不对。到那时，市场会不会还有现在这样的耐心？投资人会不会仍然接受“还没到商业化阶段，但请再给我一点时间和更多 GPU”？
说到底，Physical Intelligence 这家公司代表的是一个很迷人的愿望：我们不满足于 AI 只停留在屏幕里，我们想让它走进厨房、车间和仓库，去处理那些真正有摩擦、有重量、有风险的现实任务。这个愿望比生成一张图片、写一封邮件更难，也因此更贵。资本今天为它买单，某种程度上也是在为“AI 终于要碰真实世界了”这件事下注。
如果让我做一个记者式的判断：这家公司大概率还会继续拿到钱，甚至拿到比外界想象更多的钱。因为在今天的技术叙事里，能同时讲清“模型、机器人、通用智能、现实落地”四件事的团队，实在太稀缺了。只是，融资能证明市场的兴奋，不能证明技术的成熟。真正决定它值不值 110 亿美元的，不会是下一轮 term sheet，而是某一天，一台装着它家“大脑”的机器人，能不能在没有人盯着的情况下，把一整筐乱七八糟的衣服老老实实叠完。