13亿美元砸向“物理AI”：当风投不只投公司，还想亲手造出下一个工业巨头
AI 终于不满足待在屏幕里了
硅谷又有一笔大钱，砸向了一个听上去有点拗口、但越来越热的词：Physical AI，物理AI。
总部位于帕洛阿尔托的风险投资机构 Eclipse 宣布完成总额 13 亿美元的新基金，其中一部分用于早期孵化，另一部分投向成长期公司。表面看，这只是又一家 VC 宣布“看好 AI”。但如果你仔细看 Eclipse 过往的投资名单，就会发现它的兴趣点并不在聊天机器人、写代码助手，或者又一个“AI 办公效率神器”上。它投的是电动船公司 Arc、电池回收与材料公司 Redwood Materials、自动驾驶建筑车辆公司 Bedrock Robotics、自动驾驶技术公司 Wayve，以及工业机器人实验室 Mind Robotics。
这些公司有个共同点：它们不只是处理信息，它们要推动真实的东西——船要下水，机械臂要抓取，工程车辆要上工地，电池材料要进工厂。换句话说，AI 不再只是回答问题，而是开始接管现实世界里那些笨重、昂贵、危险、但又极其重要的环节。
这也是 Eclipse 合伙人 Jiten Behl 所说的“下一波技术时代”。过去二十年，互联网、移动互联网、云计算、社交媒体，基本都发生在屏幕里。现在，资本开始相信：下一场真正大的产业机会，可能是让 AI 离开显示器，走进仓库、矿场、道路、电网和国防系统。
为什么“物理AI”会在这个时间点突然升温
这股风不是凭空吹起来的。它背后有几个现实推力，而且都很硬。
一方面，大模型和感知算法这几年确实成熟了不少。机器人不再只是实验室里的“会翻跟头玩杂技”的演示品，自动驾驶也不再是 PPT 上的未来。计算机视觉、强化学习、仿真训练、边缘计算、低成本传感器，再加上云端模型能力，让“机器理解世界并采取动作”这件事，第一次有了产业化基础。
另一方面，现实世界也在催着技术落地。全球制造业缺人，物流效率瓶颈越来越明显，能源系统在电气化转型中承压，基础设施老化，国防和供应链安全被重新摆上台面。以前大家觉得软件创业轻、快、回报高，现在很多资本开始意识到：最难啃的骨头，也许恰恰是最深的护城河。
这也是为什么“物理AI”会比纯软件 AI 更让一部分投资人兴奋。做一个 AI 聊天应用，门槛看似低，但竞争异常残酷，用户迁移成本也低。可一旦你把 AI 深度嵌进工厂设备、运输车队、能源系统或者工业流程，它就不只是一个软件订阅工具，而是基础生产力的一部分。客户不会轻易更换，数据也会越跑越多，壁垒自然越来越厚。
当然，热度的另一面是泡沫风险。每一轮技术叙事在变热时，都会发明一些新词，把旧故事重新包装一遍。“物理AI”里确实有真创新，也难免混入一些“给机器人套上 AI 标签就能涨估值”的投机。资本爱讲故事，这不新鲜；新鲜的是，这次故事需要在真实世界里经受检验——工厂不会因为路演讲得好就提高良率，工地也不会因为估值高就自动更安全。
Eclipse 的野心，不只是投资，而是“搭生态、造公司”
Eclipse 这次最有意思的地方，不是基金规模，而是它的打法。
很多 VC 的逻辑是“广撒网，等爆款”，或者在热门赛道里押几匹马，谁跑出来算谁的。Eclipse 的想法更像是搭一个产业拼图：在交通、能源、基础设施、计算平台、国防等物理行业里布局一组彼此相关的公司，让它们在成长过程中互相成为客户、供应商、合作伙伴，甚至共享数据和验证场景。
这套逻辑很像工业时代版本的“平台思维”。如果一家做工业机器人的公司能与一家自动驾驶建筑车辆公司合作，如果能源基础设施公司又能为这些设备提供部署环境和运行数据，那么单个项目的成长速度和可信度都会更高。对创业公司来说，最难的从来不是 demo，而是规模化落地。谁能先跨过“第一批真实订单”和“第一组行业验证”，谁就更容易拿到下一轮融资和更大客户。
更进一步，Eclipse 甚至表示会用这笔新基金直接孵化、甚至亲手创建公司。这就不是“我看好你”，而是“我来跟你一起做”。在软件时代，这种 venture studio 或孵化器模式并不罕见；但在物理AI领域，这件事更复杂，因为它需要懂硬件、懂供应链、懂行业销售、懂合规，还要能长期烧钱。一个只会看 SaaS 指标的投资人，在这个战场上大概率会水土不服。
某种程度上说，这也反映出今天创业生态的变化：好项目不一定在市场上等着你投，有时是投资机构自己先发现产业缺口，再去拼团队、拼资源、拼场景，把公司“做出来”。如果 Eclipse 真能把这种“投资+共建”的模式跑通，它可能不只是一个基金，更像一家新工业时代的幕后组织者。
这件事真正重要的地方：AI 开始争夺现实世界的控制权
如果说过去三年，AI 的主战场是文本、图像、代码和搜索入口，那么接下来十年，真正更贵也更关键的战场，很可能是现实世界的执行层。
谁来控制仓储机器人、港口调度、电网优化、建筑设备、自动运输、工厂质检和材料循环？这不是一个浪漫的问题，而是一个极其现实的经济问题。因为这些环节决定了生产效率、能源成本、供应链韧性，甚至国家产业安全。
Eclipse 押注的几个方向非常说明问题。Arc 对应的是电动化和新型海上运输；Redwood Materials 押的是电池回收和材料闭环，这是新能源时代的“矿脉”；Wayve 和 Bedrock Robotics 分别指向道路与施工场景中的自动化；Mind Robotics 则落在工业机器人这个极具想象力、但也极难规模化的领域。把这些放在一起看，就能理解 Eclipse 不是在买“几个独角兽彩票”，而是在押一个时代：AI 正在从信息工具，变成产业机器的一部分。
这背后还有一层更深的意义。大模型公司这几年吃掉了大量舆论注意力，仿佛 AI 的全部意义就是对话、生成、助手和代理。但现实世界不完全按互联网逻辑运转。一个能写报告的 AI 很惊艳，一个能在复杂工况下稳定工作的自动化系统，往往更有长期价值。前者让白领效率更高，后者可能真正重塑成本结构。
我个人对这一趋势是谨慎乐观的。乐观在于，科技行业终于又开始认真面对“原子世界”的难题，而不是只在数字世界里卷界面和流量。谨慎则在于，物理AI不是大模型 API 外挂一个机械臂那么简单。它要面对安全事故、监管责任、硬件迭代慢、交付周期长、售后复杂、行业采购保守等一系列现实障碍。这个领域不会像消费互联网那样，一夜之间跑出几十个爆款应用。它更像修桥——慢、重、贵，但修成了就很难被替代。
热钱之外，物理AI还要回答几个难题
资本可以让赛道升温，但不能自动解决落地问题。物理AI接下来至少要回答三个关键问题。
第一个问题是，数据壁垒怎么形成。互联网 AI 有天然的海量数据来源，而工业、交通、能源等场景的数据往往碎片化、封闭、带有强行业属性。Eclipse 的一个核心判断，是跨行业连接数据，训练更聪明的模型，形成更大的护城河。这个思路很诱人，但现实里，企业未必愿意共享关键运营数据，监管和商业保密也会构成阻力。谁能拿到高质量、持续更新、与真实任务强相关的数据，谁才真正有资格谈“行业模型”。
第二个问题是，跨行业协同到底是协同，还是摊子铺太大。交通、能源、基础设施、国防，这些行业的销售逻辑、合规要求、决策链条完全不同。把它们放进一个“生态系统”里听上去很性感，但执行起来相当考验组织能力。VC 最擅长的是配置资本，未必擅长长期运营复杂产业网络。Eclipse 想从投资机构走向产业编排者，这一步很大胆，也很难。
第三个问题则更敏感：物理AI会把哪些岗位替代掉，又会把哪些风险放大。当 AI 不只是生成文案，而是开始调度车辆、指挥机器人、参与工业控制，出错的代价就不是“答案不够好”，而可能是财产损失、人身安全，甚至公共事故。技术越接近真实世界，责任边界就越重要。谁为失误负责？模型公司、硬件厂商、系统集成商，还是采购企业？这会成为未来几年绕不开的争议。
不过，争议并不意味着不值得做。恰恰相反，真正影响世界的技术，往往都带着摩擦和不适。今天 Eclipse 这 13 亿美元像是一张下注单，赌的是 AI 的下一站不是更会说话，而是更会干活。这个判断，我认为八成是对的。
因为说到底，人类社会的财富不是靠屏幕里的 token 堆出来的，而是靠能源、材料、运输、制造和基础设施一层层托起来的。谁能让这些系统变得更聪明、更自动化、更高效，谁就更接近下一代科技巨头的门票。