Physical Intelligence
通用机器人基础模型——打造 π(pi)系列 VLA 模型,让机器人学会并执行各类物理任务。
1. 核心产品 / 服务
Physical Intelligence 研发面向通用机器人控制的 AI 软件。旗舰产品是 π(pi) 系列视觉-语言-动作(VLA)基础模型 [1]:
- π0:2024 年 10 月随公司亮相发布的首个模型,是面向各类操作任务的通用机器人控制基础模型。
- π0.5(pi-0.5):30 亿参数的 VLA 模型,在真实环境导航与操作所需的视觉-语言-动作能力上,与 NVIDIA 的 GR00T 直接竞争 [1]。
公司采用"统一模型"路线——训练一个基础模型来覆盖多种机器人本体与任务,而不是为每种本体定制专用系统。这与 NVIDIA GR00T 按本体分别设计的架构形成对比。
研究方向还包括在以操作为主的 VLA 上叠加移动能力,借鉴视觉-语言模型的多模态架构技术。
世界模型评测(2026 年 6 月):2026 年 6 月 18 日,PhysicalIntelligence 发布了用世界模型评估机器人基础模型的方法。该方法依据世界模型仿真标准对 7 个 VLA 模型进行基准测试,并将结果与现有评测框架(Isaac Lab-Arena、WorldEval、dWorldEval)作对比 [5][6]。其中一项关键技术机制是逆动力学自洽性检测:世界模型对生成的机器人动作序列运行逆动力学,如果得到的场景偏离物理现实,评测即提前终止——以此识别出生成物理上不可能轨迹的模型 [6]。
2. 目标用户与痛点
- 机器人制造商与集成商:需要为自家硬件配备可泛化的 AI "大脑",而不必为每款新机器人从零搭建从感知到动作的全链路。
- 物流与制造运营方:希望机器人无需完全重新编程即可针对新任务重新训练。
- 研究社区:开放的基础模型路线让学术和产业实验室得以在能力扎实的基线上继续开发。
核心痛点:当前的工业机器人脆弱且任务单一。若 VLA 基础模型能够跨本体、跨任务泛化,将大幅降低机器人在新场景中的部署成本。
3. 竞争格局
| 竞争对手 | 路线 | 状态 |
|---|---|---|
| nvidia-groot | NVIDIA GR00T | 开放平台 + 按本体分别建模(N1 → N1.7) |
| google-deepmind | 机器人研究(RT 系列、Gemini Robotics) | 研究阶段 |
| openai | 机器人投资(1X、Figure) | 通过投资组合参与 |
| Skild AI | 通用机器人大脑 | 初创公司,已融资 $3 亿 |
| Genesis AI | 2025 年 7 月出现,物理自动化 | 早期 |
Physical Intelligence 的差异化在于:相对于 GR00T 的按本体路线,坚持统一模型理念;同时它是独立的纯 AI-for-robotics 公司,而非大型科技公司旗下的一个部门。
4. 独立观察
- 统一模型 vs 按本体建模,是关键的架构押注。 PI 用一个模型服务多种机器人;GR00T 则针对每种本体调优。统一路线风险更高,但若行得通则可扩展性可能更强——类似语言模型领域"一个模型统领一切"的押注。
- 移动能力缺口: PI 目前的模型以操作为主。加入移动能力(运动 + 导航)是活跃的研究前沿,需要对架构进行改造——可能借鉴视觉-语言模型的多模态融合技术(例如 LLaVA 式的 ViT+MLP+LLM 范式)。
- 世界模型评测是一种新的评测范式。 6 月 18 日的发布标志着首篇用世界模型为机器人策略做基准测试的重要方法论论文——这是对传统 sim2real 迁移指标的转向。自洽性检查(逆动力学 → 检测物理违例 → 提前终止)颇为新颖:它把世界模型同时当作模拟器和裁判,能抓出常规成功率指标漏掉的、物理上不合理的机器人行为 [6]。
- 竞争动态: 该评测框架隐含地把 PI 的 π 模型与 NVIDIA GR00T 及其他 VLA 模型放在同一基准上比较,为具身 AI 领域建立起标准化的对比平台——类似 MMLU/GSM8K 之于语言模型 [6]。
- 估值快速攀升: 不到 18 个月内,从 A 轮的 $24 亿,到 4 个月后 B 轮的 $56 亿,再到 2026 年 3 月 $110 亿的目标估值——反映出投资人对机器人基础模型作为下一次 AI 平台级变革的极度看好。
- "下一场前沿模型之战": 正如大语言模型在语言基准上竞争,VLA 模型也将在机器人操作与导航基准上竞争。PI 对 GR00T 正成为具身 AI 基础模型领域的标志性对决。
5. 财务 / 融资
- 初始融资:随 π0 发布(2024 年)约 $7,000 万 [2]
- A 轮:$4 亿,估值 $24 亿 [2]
- B 轮:$6 亿,估值 $56 亿,由 CapitalG 领投(2025 年 11 月)[1][2]
- C 轮(洽谈中):目标融资 $10 亿,估值 $110 亿;Founders Fund 与 Lightspeed 正在洽谈(2026 年 3 月)[3][4]
- 累计融资(截至目前):各轮合计约 $10.7 亿
- 备注:若 C 轮按 $110 亿估值完成,估值将在不到 4 个月内近乎翻倍 [4]
6. 团队与关系
- 核心人物:Karol Hausman、Chelsea Finn(联合创始人,均具有深厚的机器人 / AI 研究背景)
- 投资方:CapitalG(B 轮领投)、Founders Fund、Lightspeed(C 轮洽谈中)
- 主要竞争对手:NVIDIA GR00T
- 研究合作方:机器人实验室、具身 AI 研究社区
Physical Intelligence(π 系列数据体系)
π0/π0.5/π*0.6 的开发商,自有遥操农场加外采,并做真机 RL
- 数据类型
- 遥操;跨本体数据;自主 rollout 与专家接管
- 规模口径
- π0.5 自有移动操作数据约 400 小时(约 100 个训练环境);π*0.6 未公布小时数
- 客户
- 自用;部署伙伴 Weave、Ultra(PI 一手);Dandelion Chocolate(二手)
数据体系
pi0 预训练混合 7 种机器人配置、68 项任务的灵巧数据与 OXE 公开数据;开源数据按 timestep 约占 9.1% [3]。pi05 自有移动操作数据约 400 小时,配方还含多环境静态机器人、跨本体、网络数据与口头指令标注,各部分权重未公开 [1]。公司招聘有 Shift Lead 与 Operations Lead 管理操作员团队。
真机 RL
pi-star-06-recap(π*0.6)混用示范、自主 rollout 与专家接管三类数据;公开演示含约 18 小时连续做咖啡,各阶段成功率 90% 以上,但 episode 数与接管次数未披露 [2]。
外采
Scale 官网列其为客户(scale-physical-ai,Scale 单方面口径,PI 未确认)。
口径
估值有 $5.6B 与 $11B 以上两种报道,后者未见成交确认 ⚠️ [4];无公开商业产品与时间表。
部署回流与最新模型(补)
2026-02-24 博客点名两家部署伙伴:Weave(洗衣店叠衣)、Ultra(电商仓库打包),其运行数据回流进预训练;回流后 Weave 漏抓减少 42%、人工介入减少 50%,Ultra 满班自主率 96.4%,数据量未披露(PI 一手)[6]。π0.7(2026-04)数据为多机器人数据、人类数据与自主 episode 的混合,另蒸馏 Recap 经验,总小时数未披露;见 pi07。页面上的"375 hours"是专家遥操员平均从业经验,不是数据集规模 [5]。
遥操员(补)
旧金山 Robot Operator 岗位时薪 $25,三班倒覆盖 24 小时,按指标计件,任务含装袋、餐具分拣、叠衣、电子装配(招聘页一手)[7]。操作员人数未披露。
- https://www.pi.website/blog/pi05 (2026-10-14)
- https://www.pi.website/blog/pistar06 (2026-10-14)
- https://arxiv.org/abs/2410.24164 (2026-10-14)
- https://dealroom.co/news/127095-robot-ai-startup-physical-intelligence-seeks-1b-at-11b-valuation/ (2026-10-14)
- https://www.pi.website/blog/pi07 (2026-10-14)
- https://www.pi.website/blog/partner (2026-10-14)
- https://jobs.ashbyhq.com/physicalintelligence/eb3ed968-630f-429a-9e44-5508b77d554b (2026-10-14)