估值逼近200亿美元，资本看中了Physical Intelligence什么？

零营收公司凭什么估值逼近200亿美元？

10月27日，据外媒报道，旧金山机器人AI初创公司Physical Intelligence正就新一轮至少10亿美元的融资展开洽谈，投后估值将逼近200亿美元。本轮由现有投资方Avenir和Lux Capital领投。消息一出，市场为之侧目——这家尚未推出正式商业化产品的公司，估值却已超过众多硬科技上市公司。

对传统机器人企业而言，产品交付、订单规模和商业化进展是估值的关键标尺。但Physical Intelligence走了一条完全不同的路：不靠卖出多少硬件，而是靠“通用机器人模型”的技术潜力。投资人买的是一张进入物理世界AI时代的入场券，是对通用机器人时代底层“操作系统”的提前下注。这种估值逻辑，更接近早期AI大模型公司，而非传统制造业。

两年从24亿飙到200亿，估值曲线为何如此陡峭？

Physical Intelligence的估值攀升速度在风投市场极为罕见。2024年11月，公司完成4亿美元融资，估值24亿美元；2026年7月，估值升至约110亿美元；如今仅过去数月，投后估值已逼近200亿美元，较7月接近翻倍。两年时间，估值增长超过7倍。

支撑这条陡峭曲线的，并非订单或收入，而是其旗舰模型pi-zero展现出的跨任务泛化能力。在公开演示中，搭载该模型的机械臂不仅会折叠衣物，还能整理餐具、削蔬菜皮。这种能力意味着：如果通用模型足够聪明，过去需要昂贵专用设备完成的复杂任务，现在用低成本的普通硬件就能实现。联合创始人塞尔盖·莱文曾算过一笔账：现有低端机械臂单价约3500美元，若自主生产，材料成本可降至1000美元以下。软件补足硬件，这正是资本想象力的核心。

顶级学者组团，专攻机器人的“物理常识”

Physical Intelligence成立于2024年，创始团队堪称“全明星阵容”：前Google DeepMind知名研究员卡罗尔·豪斯曼，加州大学伯克利分校的塞尔盖·莱文，斯坦福大学的切尔西·芬恩，以及多位AI与机器人领域的顶尖学者。他们共同的目标不是做一款机器人，而是开发能适应不同任务和机器人形态的通用基础模型。

创始人团队希望通过大模型赋予机器人“物理常识”——让机器理解环境、自主决策动作，并能将掌握的能力跨场景迁移。在大语言模型领域，Scaling Law已在数字世界验证了威力；但在物理世界，机器人面临截然不同的挑战：识别一件衣服的图像很容易，但抓取时如何根据材质调节力度、如何在衣服形状不断变化中完成折叠，需要视觉感知、触觉反馈与连续动作的精细结合。pi-zero正是对这一难题的求解尝试。

pi-zero登场：把图像、文本和动作绑在一起

pi-zero是Physical Intelligence推出的旗舰模型，它将图像、文本与机器人动作直接绑定，利用真实机器人在物理环境中采集的数据进行训练。这一技术路线直指“通用性”：让机器人不再为单一任务编写专用程序，而是通过模型在海量物理交互数据中学习规律，面对新问题时凭已有经验去解决。

这种跨任务的泛化能力，有望大幅降低开发机器人应用的成本和周期。同时，pi-zero也开启了“以软件定义硬件”的新商业想象。只要通用模型足够聪明，即使机械臂本身并不高端，也能完成过去只有昂贵专用设备才能做到的复杂操作。这正是资本愿意在商业化尚未落地时，就给出高估值的核心原因。

物理数据、真实场景与商业化耐心，三重考验摆在眼前

尽管估值风光，Physical Intelligence前路并非坦途。首要难题是物理数据的获取瓶颈。与互联网上近乎无限的文本和图像不同，机器人的物理交互数据必须依靠实体设备在真实场景中一次次运行、尝试甚至失败来积累，成本高且难以快速规模化。

真实场景的可靠性同样苛刻。实验室里的精心演示，与真实家庭中乱跑的宠物、工厂里多变的光线和千奇百怪的非标物件完全是两回事。一旦涉及人机交互与安全合规，对任务成功率、稳定性和安全性的要求极高，任何微小泛化失误都可能带来隐患。

此外，还有商业化耐心的考验。长期缺乏清晰的商业化路线图，在技术红利期可以被资本容忍；但一旦技术演进遭遇瓶颈，或竞品通过场景落地形成更强的数据飞轮，高估值将面临巨大倒挂压力。接近200亿美元的估值，标志着风险投资已为物理世界AI时代的入场券支付昂贵溢价，但资本愿意承担高风险，并不代表技术与商业化已经功成圆满。真正的考验，才刚刚开始。