Physical Intelligence 物理智能(π)

团队

• 创始阵容密度极高:Karol Hausman、Lachy Groom、Sergey Levine、Brian Ichter、Chelsea Finn、Adnan Esmail、Quan Vuong 为公开可核实的核心创始团队。
• 研究背景:团队核心成员来自 Google/DeepMind、UC Berkeley、Stanford 等机器人与强化学习重镇。
• 组织状态:官网招聘页仍在招 controls、ML infra、robotics software、robot test、operations 等岗位,说明其仍在同步扩张模型、基础设施与真机交付能力。
• 规模信号:TechCrunch 2026-01 到访时提到公司约 80 名员工。

产品

• π0:2024-10 发布的通用机器人 foundation policy model,目标是”让任何机器人做任何任务”。
• openpi / π0 开源权重:2025-02 开源代码和部分模型权重,支持 DROID、ALOHA、Libero 等平台实验。
• π0.6 + MEM + RL Token:2026 年持续迭代到强调在线学习、长短期记忆与精细操作吞吐量的版本组合。
• π0.7:2026-04 公开展示可通过语言辅导完成未显式训练任务,核心卖点从”更强单任务性能”进一步转向 compositional generalization(组合泛化)。
• 产品定位:不卖机器人本体,主要卖”模型层 / 智能层能力”,通过合作伙伴落地到不同硬件。

技术路线

• 核心判断:Physical Intelligence 的路线本质上是”跨机器人形态的 VLA 基础模型 + 持续在线改进”,目标不是单一机器人最优,而是跨 embodiment 泛化。
• 关键技术要点:
  • π0 以 internet-scale vision-language pretraining + open-source robot datasets + 自有 8 种机器人数据 联合训练。
  • 基座是预训练 VLM,再通过 flow matching 让模型直接输出连续动作。
  • 官方披露控制频率可达 最高 50Hz,强调从语义理解直接连接到底层 motor commands。
  • openpi 强调可用 1-20 小时 平台数据做微调,降低新平台适配成本。
  • 2026-03 发布的 MEM 让模型可处理长短期记忆,官方称可支持最长约 15 分钟 的长时任务与多阶段任务编排。
  • 2026-03 发布的 RL Token 通过小型在线 RL 头在分钟到小时级真实数据上改进精细操作,官方称在关键精密阶段可实现 最高 3 倍提速。
  • 2026-04 披露的 π0.7 开始公开展示”把不同上下文里学到的技能片段重新组合”去解决未见任务的能力,且在人类逐步口头指导下能显著提升成功率,说明 PI 正把模型从”任务内泛化”往”可教化部署”推进。
  • 2025 年以来,PI 还连续公开了 Real-Time Chunking、FAST、HIRobot 与 human-to-robot transfer 等研究,说明其技术栈不只在”更大模型”,也在同时解决动作延迟、tokenizer 效率、机器人听从复杂语言指令、以及从人类视频迁移到机器人控制的问题。
  • Sergey Levine 在 2026-03/04 的多场访谈中反复强调,PI 当前更现实的近端路径不是直接追求 fully autonomous housekeeper,而是先找到能启动 data flywheel 的有限真实任务;学习信号可来自遥操作、语言指令、人类纠错与 mixed autonomy。
• 传感器判断:Chelsea Finn 在 2026-05 No Priors 访谈中明确表示 RGB 相机 + 腕部摄像头已够用,触觉传感器当前太贵、分辨率太低、不够鲁棒;优先给模型加记忆(MEM)再加其他传感器。
• 硬件形态判断:Chelsea Finn 预测硬件形态将呈”寒武纪大爆发”—不同用途会有不同专用机器人,而非统一为一个通用形态。人形”有点 overrated”,遥操作人形比操作固定/移动机械臂难得多,在数据稀缺阶段应优先选容易采集数据的硬件形态。
• 路线特征:明显偏”模型驱动”,试图把机器人控制问题抽象成通用 foundation-model 问题,而不是从单一控制器 / 单一形态往外扩展。

商业验证

• 核心判断:公司已从”纯研究叙事”迈向早期真实部署验证,但距离标准化大规模商业化仍有距离。
• 支撑:
  • 官方 partner blog 披露与 Weave Robotics、Ultra 的合作案例,前者切入家务折衣,后者切入工业包装。
  • 官方披露 π0.6 / 后续方法在合作场景中实现抓取失误减少、人工干预下降、吞吐提升等量化改进。
  • 公司把合作伙伴而非自研本体作为首批落地通道,说明其商业模式更接近”robot brain supplier”。
• 不确定性:客户数量、收入规模、续约情况、模型交付形式(license / API / joint deployment)仍未公开。

市场切入

• 当前切入口:从高价值但仍相对可控的 manipulation 场景切入,如折衣、包装、整理、厨房 / 家务类任务。
• 场景逻辑:先证明跨硬件、跨任务泛化能力,再向更多 robot OEM / solution integrator 输出”通用大脑”。
• 商业化节奏判断:比做整机更轻,但也更依赖合作伙伴能否形成稳定 deployment 网络;Sergey Levine 把关键时间点定义为”flywheel starts”而非”产品 fully done”,说明公司内部判断的近端目标是先把真实任务跑起来,再扩大 scope。

融资历史

竞争定位

• 核心判断:Physical Intelligence 是”通用具身模型派”的头部代表之一,直接对标的是未来机器人行业的基础模型层,而非单一本体公司。
• 主要优势:
  • 创始团队科研密度极高。
  • 明确押注 cross-embodiment 数据与 foundation model 路线。
  • 已把合作伙伴部署写进官方叙事,不再只是实验室 demo。
• 主要挑战:
  • 没有本体控制权,最终性能受合作硬件限制。
  • 商业化节奏仍偏早,官方自己也未给出明确收入时间表。
  • 行业内 Skild AI、Covariant、Figure/OpenAI 生态都在争抢”机器人大脑”入口。

风险

• 商业化风险:模型能力强,不等于客户愿意为通用性持续付费。
• 数据闭环风险:如果合作部署规模不够,数据飞轮可能弱于拥有大规模本体出货的玩家。
• 落地风险:近期多场机器人播客与行业访谈都把 PI 所代表的”模型驱动操作派”指向同一问题—接触建模、测试体系、corner case 与硬件约束仍是落地瓶颈,这与 Talos 对其部署风险判断一致。
• 竞争风险:整机厂商未来可能内生化模型层能力,压缩独立 brain 层公司的议价空间。

动态记录

• 2026-05-16:Phase 4 维护检查。官网 blog 最新仍为 π0.7（April 16），TechCrunch 无新报道，$1B 新融资仍为洽谈中未确认关闭。近 7 日播客交叉引用已完成（Lachy Groom 专访已于 05-15 录入，Motional 播客间接引用已与 Lachy 专访交叉确认）。报告维持 v3。
• 2026-05-15:[播客来源] Sachin & Adam 专访 Lachy Groom。关键增量信息：(a) π0.5 仅需 100 个家庭就能泛化到新环境，远超内部预期的数千/数百万；(b) 明确否定仓库式大规模遥操作路线，最终数据方案是部署驱动飞轮；(c) 当前阶段类比为“GPT-2 时刻”，Lachy 坦承“还没接近解决”但已开始形成提升性能的配方；(d) Thrive 的 Philip Clark 估计进展速度是最乐观预期的 2-3x；(e) 1-3 年内特定有限任务（洗碗、折衣）可能实现，但明确表示“不一定是全人形”。
• 2026-05-14:Phase 4 维护检查。官网 blog 最新仍为 π0.7（April 16），$1B 新融资仍为洽谈中未确认关闭。近 7 日播客交叉引用未发现足以改写核心判断的新一手信息。报告维持 v3。
• 2026-05-11:Phase 4 维护。播客交叉引用发现 Chelsea Finn No Priors EP107（5/10）一手访谈，新增至 sources。关键增量信息：(a) 当前数据仅来自 3 栋楼，数据多样性仍是第一瓶颈；(b) 开源是战略选择——模型还会大幅进步，当前开源不暴露最终优势，同时培育生态和吸引人才；(c) 人形机器人”有点 overrated”，遥操作人形比操作固定机械臂难得多；(d) RGB+腕部相机已够用，触觉传感器太贵且不够鲁棒，优先给模型加记忆；(e) 硬件形态将呈”寒武纪大爆发”，而非统一为一个通用形态。官网 blog 最新仍为 π0.7（April 16），$1B 融资仍为洽谈中。报告维持 v3，更新技术路线段以反映 Chelsea 的传感器和硬件形态判断。
• 2026-04-22:Phase 4 维护更新,补入 2026-04-16 TechCrunch 对 π0.7 的报道。新模型首次公开强调组合泛化与语言辅导式部署,已同步更新 profile / sources / report.md(v3);sources 现为 21 条,depth_score 上调至 74。
• 2026-04-16:Phase 4 维护检查完成,sources 仍为 20 条、comments 仍无未读项;回查官网、TechCrunch 与近 7 日播客交叉引用后,未发现 2026-04-15 之后足以改写核心判断的一手新信息;同步修正 report.md 中对 2026-03 新融资”已完成”的过度表述,当前仍按”洽谈中、未确认完成”处理。
• 2026-04-15:Phase 4 维护检查完成,sources 仍为 20 条、comments 仍无未读项;回查官网、TechCrunch / Bloomberg 相关报道与近 7 日播客交叉引用后,未发现 2026-04-14 之后足以改写 report.md 核心判断的一手新信息,报告继续维持 v1。
• 2026-04-14:Phase 4 维护检查完成,sources 仍为 20 条、comments 仍无未读项;回查官网 / TechCrunch / 近 7 日播客交叉引用后,未发现 2026-04-13 之后足以改写 report.md 核心判断的一手新信息,报告继续维持 v1。
• 2026-04-13:Phase 4 维护检查完成,sources 仍为 20 条、comments 仍无未读项;搜索与播客交叉检查后,未发现 2026-04-12 之后足以改写 report.md 核心判断的一手新信息,报告继续维持现版。
• 2026-04-12:Phase 4 维护检查完成,sources 计 20 条、comments 无未读项;未发现 2026-04-09 之后足以改写 report.md 核心判断的一手新信息,报告维持现版。
• 2026-04-09:完成来源审计并补足官方研究来源,当前 sources 已满足 Phase 4 维护所需密度,depth_score 与既有 report.md 对齐回升到 72。
• 2026-04-08:[播客来源] Sergey Levine 明确表示 PI 近端目标是 1-2 年内找到能启动 data flywheel 的真实任务;其路径依赖 mixed autonomy、语言监督与硬件路线/AI 路线并行推进,而非直接追求终局级全自主家务机器人。
• 2026-04-07:交叉参考近 7 日两期机器人播客摘要,Tedrake / Raibert 均把 Physical Intelligence 所在的模型驱动路线指向”操作鲁棒性与硬件现实仍待验证”的共性瓶颈。
• 2026-03-31:Sergey Levine 在 Colossus 访谈中再次强调 PI 押注 generality over specialization,短期先让通用 foundation model 真正进入部署,而不是做单任务最优控制器。
• 2026-03-27:TechCrunch 援引 Bloomberg 报道,公司正洽谈约 $1B 新融资,估值或超 $11B;该轮尚未确认完成。
• 2026-03-19:官方发布 RL Token 方法,称可用少量真实数据提升精细操作吞吐量。
• 2026-03-03:官方发布 MEM(长短期具身记忆)系统,目标是支持超过 10 分钟连续复杂任务。
• 2026-02-24:官方发布 partner blog,披露 Weave Robotics 与 Ultra 两个真实合作案例及量化效果。
• 2026-01-30:TechCrunch 到访总部称公司累计融资已超 $1B、员工约 80 人,但管理层未给出明确商业化时间表。
• 2025-02-04:官方开源 openpi,释放 π0 代码与权重,开始向外部平台扩展生态。
• 2024-10-31:官方发布 π0,明确提出通用机器人 foundation model 叙事。