【科技24时区】在旧金山街头，若非门上一个颜色略异的希腊字母“π”（pi），几乎无法辨认出 Physical Intelligence 公司总部的位置。步入其中，没有前台接待，也无炫目的品牌标识，取而代之的是一个巨大的混凝土空间——几组长条浅色木桌随意铺陈，勉强缓和了工业风的冷峻感。
这些桌子分为两类用途：一部分摆着女童子军饼干盒、Vegemite 酱罐（暗示团队中有澳大利亚成员）以及塞满调味品的小铁篮，显然是员工用餐区；另一部分则堆满显示器、备用机械臂零件、缠绕的黑色电线，以及正在尝试完成日常任务的完整机器人手臂。访问当日，一只机械臂正笨拙地折叠一条黑色长裤，进展甚微；另一只则执着地试图将一件衬衫翻面，虽未成功却显露出不屈的“意志”；第三只似乎已找到天赋所在——快速削着西葫芦，并将刨下的皮屑精准投入旁边容器中，至少这一环节运转顺利。
“你可以把它想象成机器人的 ChatGPT，”加州大学伯克利分校副教授、Physical Intelligence 联合创始人 Sergey Levine 向记者解释道。他指向房间内这场“机械芭蕾”，指出这正是其技术闭环的核心：遍布仓库、家庭等真实场景的机器人站点持续收集操作数据，用于训练通用型机器人基础模型；新模型训练完成后，再回到此类测试站接受评估。例如，折裤实验旨在验证精细操作能力，翻衣任务测试空间理解，而削西葫芦则可能用于检验模型能否将“削皮”这一基本动作泛化至苹果或土豆等未见过的蔬果。
公司还在该建筑及其他地点设立“测试厨房”，全部采用市售硬件，以暴露机器人于多样化的环境挑战中。一台高端意式咖啡机看似为工程师服务，实则专供机器人学习拉花与奶泡控制——每一杯拿铁都是训练数据，而非员工福利。值得注意的是，这些机械臂单价仅约 3,500 美元，据 Levine 称，这已是供应商加了“巨额溢价”的价格；若自产，材料成本可压至 1,000 美元以下。他强调，正是“优质智能弥补劣质硬件”的理念，让昔日难以想象的低成本机器人如今具备实用潜力。
另一位联合创始人 Lachy Groom 的加入，则为这家科研导向的公司注入了硅谷创业基因。年仅 31 岁的他早年在澳大利亚 13 岁创业、九个月后出售首家公司，Vegemite 正是那段经历的印记。在 Stripe 担任早期员工后，他转做天使投资人五年，投出 Figma、Notion 等明星项目，却始终在寻找能全身心投入的新事业。当他关注到 Levine 与前博士生 Chelsea Finn（现斯坦福教授）在机器人学习领域的突破性研究，并得知他们或将创业时，迅速联系上同在斯坦福任教的 Google DeepMind 研究员 Karol Hausman，三方一拍即合。“那场会面结束后，我就知道：就是它了。”
成立两年来，Physical Intelligence 已融资超 10 亿美元，估值达 56 亿美元，投资方包括 Khosla Ventures、红杉资本与 Thrive Capital 等顶级机构。尽管资金雄厚，Groom 强调公司实际烧钱速度并不高，主要支出集中于算力。他坦言，在合适条件下仍愿继续融资：“我们能有效利用的资金没有上限——问题永远需要更多算力。”但与众不同的在于，他拒绝向投资人承诺商业化时间表。“我不提供变现路径的答案，”他说，“奇怪的是，大家居然容忍这一点。”正因如此，公司必须确保当前资本充足，以支撑长期探索。
技术战略方面，另一位来自 Google DeepMind 的联合创始人 Quan Vuong 解释，核心在于“跨具身学习”（cross-embodiment learning）：一旦基础模型训练完成，即可快速迁移至任意新硬件平台，大幅降低部署自主能力的边际成本。目前，公司已与物流、商超及街对面一家巧克力制造商等垂直领域企业合作，测试系统在真实场景中的自动化能力。Vuong 声称，部分任务已达到商用门槛。凭借“任何平台、任何任务”的开放架构，团队正逐项验证哪些日常操作已可被可靠自动化。
然而，Physical Intelligence 并非孤军奋战。匹兹堡的 Skild AI 同样瞄准通用机器人智能，且采取截然不同的路径：该公司 2023 年成立，本月刚以 140 亿美元估值融资 14 亿美元，并已将“全形态”Skild Brain 投入商业应用，宣称去年数月内在安防、仓储与制造领域创收 3,000 万美元。Skild 甚至公开批评对手，指多数“机器人基础模型”实为披着物理外衣的视觉语言模型，缺乏基于物理仿真与真实机器人数据的“真正物理常识”。这场争论折射出两种哲学：Skild 相信商业部署能形成数据飞轮，加速模型进化；Physical Intelligence 则坚持远离短期商业化诱惑，以期锻造更强大的通用智能。孰优孰劣，尚需数年验证。
Groom 形容公司运作拥有“异常清晰的纯粹性”：研究员提出需求，团队便全力收集数据、开发硬件予以支持，一切由内驱而非外部压力驱动。原定 5 至 10 年的技术路线图，仅 18 个月便被突破。目前团队约 80 人，计划谨慎扩张。“最棘手的始终是硬件，”Groom 感叹，“比纯软件公司难太多——设备易损、到货延迟、安全合规复杂。”在他匆匆赶往下一场会议后，记者继续观察：裤子仍未折好，衬衫依旧正面朝外，但西葫芦皮屑已堆成小山。
外界质疑声不断：家庭是否真需要厨房机器人？机械入侵是否会惊扰宠物？巨额投入究竟解决的是真问题还是制造新麻烦？更有人怀疑通用智能路径是否可行。但 Groom 毫不动摇——他与深耕此领域数十年的顶尖学者共事，坚信“时机终于成熟”。而硅谷历来愿意给予这类理想主义者足够长的绳索，哪怕前路不明、变现无期。历史证明，这种信任虽常落空，但一旦成功，便足以照亮无数失败的暗夜。
