具身智能的 OpenAI，可能已经出现了

如果具身智能领域会出现一个 OpenAI 级别的公司，我觉得 Physical Intelligence 是目前最接近的

10 亿美元融资，56 亿美元估值，18 个月发了 11 篇研究，已经有客户在用他们的模型做真实业务。但最让我在意的，不是这些数字，是创始团队

一切从一场讲座开始

PI 的 CEO 卡罗尔·豪斯曼（Karol Hausman）在波兰一个小镇长大，小时候看《星球大战》迷上了机器人。后来去斯坦福读博，原本做的是传统机器人控制。

转折点是一场讲座。

博士期间，他听了谢尔盖·莱文（Sergey Levine）关于深度学习的演讲，当场决定换方向。从传统控制转向深度强化学习，相当于推翻自己之前所有的研究积累重新来过。

读完博士，豪斯曼加入了 Google Brain（后来并入 DeepMind），成为 Staff Research Scientist。在那里，他和两个人走得很近：一个是当年改变他方向的莱文，UC Berkeley 教授，深度强化学习在机器人领域的开创者；另一个是切尔西·芬恩（Chelsea Finn），斯坦福教授，以 MAML（模型无关元学习）闻名，核心贡献是让模型快速适应从没见过的新任务。

三个人在 Google 内部做了好几年机器人研究。但到了 2023 年下半年，他们开始频繁地在工作之外讨论一个问题：

大语言模型的 scaling law（缩放定律） 在语言领域已经成了，同样的思路能不能用在机器人上？

训练一个足够大的模型，让它同时理解视觉、语言和动作，直接输出机器人该怎么动。不用给每种机器人、每个任务单独编程。一个通用的机器人大脑。

2024 年 3 月，他们离开了 Google，成立了 Physical Intelligence。

7 个创始人，和一个藏在名字里的野心

除了豪斯曼、莱文、芬恩三个学术大佬，PI 的联合创始人还有四个人：

• • Brian Ichter，Google Research 出身，运动规划和最优控制专家，现任 VP Engineering
• • Quan Vuong，强化学习研究者
• • Adnan Esmail，机器人工程师
• • Lachy Groom，Stripe 前高管，硅谷知名天使投资人，负责商业和运营

四个学者加三个工程/商业人才。学术能力拉满的同时，商业化能力也没落下。

公司名字值得多说一句。Physical Intelligence，缩写 PI，也就是 π。但这不只是个巧合。在强化学习里，π 是策略（policy）的标准数学符号。所以他们的第一个模型叫 π0，字面意思就是「第零代策略」。公司名、品牌符号、技术体系，三层含义压在一个希腊字母里。

这种命名的讲究程度，侧面说明了创始团队的学术基因有多深。

顺便说一句，PI 的官网可能是我见过最简洁的 AI 公司网站。没有花里胡哨的动画，没有铺满整屏的宣传语，就是一个 logo、三个导航、一列博客。但每篇博客都有料，这就是学者做公司的气质：产品自己说话。

融资速度：20 个月，10 亿美元

PI 的融资节奏可能是具身智能领域最快的：

• • 2024.03 种子轮 7000 万美元（Thrive Capital、OpenAI、Lux Capital）
• • 2024.11 A 轮 4 亿美元，估值 20 亿（Jeff Bezos 领投，OpenAI 跟投）
• • 2025.11 B 轮 6 亿美元，估值 56 亿（CapitalG 领投，Index Ventures、T. Rowe Price 新进）

累计融资 10.7 亿美元。

投资人名单值得细看：Bezos 投了，OpenAI 投了，Google 母公司 Alphabet 的 CapitalG 也投了。这三家在 AI 领域是对手，但在 PI 这件事上押了同一边。说明他们有一个共识：通用机器人基础模型这条路能走通，而 PI 最有可能走出来。

11 篇论文，一条清晰的进化链

PI 的研究节奏，18 个月发了 11 篇。但数量不是重点，重点是每篇都在解决上一篇留下的核心瓶颈：

这条进化链让我想到 OpenAI 从 GPT-2 到 GPT-4 的路径。每一步都踩在前一步的基础上，突破一个具体瓶颈，不断扩大模型的能力边界。

说句暴论：如果你想搞懂 VLA（视觉语言动作模型）这个领域，把 π 系列从头到尾读一遍，比看十篇综述都管用。 不夸张。π0 定义了 VLA 的基本架构，FAST 解决了动作编码，π0.5 推动了泛化，π*0.6 引入了强化学习。今天几乎所有做 VLA 的团队，不管用不用 PI 的代码，都绕不开 π 系列定义的问题框架和技术路线。

后续我会逐篇拆解这些论文。这篇先把全景铺开。

不卖机器人，卖大脑

PI 的商业模式很明确：不造机器人，只做机器人的大脑。

每台接入 PI 模型的机器人，每月 300 美元订阅费。模型兼容 7 种以上硬件平台，支持 50 多种任务。开发者用 1-20 小时的数据就能微调到新场景。

已经有客户在真实业务中跑了：

Weave，旧金山的洗衣机器人公司。部署 π0.6 后，折叠失误减少 42%，每批衣物的人工干预减少一半。

Ultra，电商仓库包装机器人。接入 π0.6 后，每小时处理 150+ 件商品，整班次自主率 96.4%。

两个客户，一个做家务，一个做物流。机器人硬件完全不同，但跑的是同一个大脑。这就是通用基础模型的价值。

写在最后

豪斯曼说过一句话：核心挑战不是机械设计，是智能。

大部分机器人公司把精力花在腿怎么走、手怎么抓上面。PI 赌的是另一条路：只要大脑够聪明，身体是谁的都行。

这个赌注能不能最终成立？我不确定。物理世界比语言世界复杂得多，语言模型犯错最多输出一句胡话，机器人模型犯错可能把杯子摔了。但如果看团队配置、技术路线的清晰度、资源储备，PI 是目前最接近答案的那一个。

MEM 让机器人从干几十秒进化到干 10 分钟。一年前这个数字还是零。进步的速度本身，可能就是最好的论据。

这是 PI 系列的第一篇。接下来会逐篇拆解他们的论文，从 π0 开始，带你把 VLA 这条技术路线从头捋一遍。

变化来了，能看懂的人先走一步

看清方向，比跑得快更重要。我是向光，下次见。