Physical Intelligence

方向: VLA模型 / 机器人基础模型 核心人物: Karol Hausman（CEO，前Google机器人操控负责人）、Sergey Levine（首席科学家，UC Berkeley RAIL Lab教授）、Chelsea Finn（Research Lead，Stanford IRIS Lab教授）、Brian Ichter（前Google Research）、Lachy Groom（联合创始人/COO，前Stripe早期员工、知名天使投资人）、Quan Vuong（联合创始人，前Google DeepMind）、Adnan Esmail（联合创始人，前Anduril/Tesla工程负责人） 机构: Physical Intelligence, Inc.（旧金山，2024年3月从stealth模式公开） 简介: Physical Intelligence（简称π）致力于打造能够控制"任意机器人执行任意任务"的通用机器人基础模型，技术路线是Vision-Language-Action（VLA）模型——在预训练视觉语言模型（VLM）基础上叠加"action expert"，通过flow matching/扩散或FAST离散化token输出连续动作，用跨机器人本体、跨任务的大规模数据训练一个通用策略。公司自2024年10月发布首个模型π0以来，以约每2-4个月一次的节奏持续发布新模型/研究（π0-FAST→π0.5→π0.6/π*0.6→π0.7），并坚持"不设商业化时间表、专注通用智能"的研究路线，目前员工约80人，累计融资超10亿美元，最新估值56亿美元（2025年11月），并在洽谈新一轮110亿美元估值的融资。

关键成就

• 累计融资与估值: 自2024年3月成立以来累计融资约11亿美元（7000万种子轮 + 4亿A轮 + 6亿B轮），2025年11月B轮后确认估值56亿美元（CapitalG/Lux Capital领投）；截至2026年3月，据Bloomberg/TechCrunch报道，公司正洽谈新一轮约10亿美元融资，目标估值超110亿美元，若成真将在4个月内估值近乎翻倍。
• 开源项目影响力: 核心开源仓库 Physical-Intelligence/openpi（含π0、π0-FAST、π0.5权重与代码）在GitHub上获得约11.8k星标、1.9k复刻（2026年年中核实数据），是具身智能/VLA领域关注度最高的开源项目之一。
• 顶级投资人阵容: 投资方涵盖Jeff Bezos个人投资、OpenAI、Thrive Capital、Lux Capital、Sequoia Capital、Khosla Ventures、Redpoint Ventures、CapitalG（Alphabet旗下成长基金）、T. Rowe Price、Index Ventures、Founders Fund等硅谷顶级机构与个人。
• 主流媒体头条报道: 多次登上Bloomberg与TechCrunch头条报道，例如《Robotics Startup Physical Intelligence Valued at $5.6 Billion in New Funding》（Bloomberg, 2025-11-20）、《Ex-DeepMind Staffers' Robotics Startup in Talks for $11 Billion Valuation》（Bloomberg, 2026-03-27）、《A peek inside Physical Intelligence》（TechCrunch, 2026-01-30）。
• 团队规模快速扩张: 2026年1月TechCrunch实地探访时公司约80名员工；据Tracxn数据，截至2026年2月28日员工数已增长至约209人，反映新一轮融资后的快速团队扩张（不同数据源如PitchBook、Latka统计口径略有差异，区间约80-210人）。
• 高频研究产出: 自2024年10月首个模型π0发布以来，以约每2-3个月一次的节奏持续输出重要研究成果（FAST、Hi Robot、π0.5、Knowledge Insulation、Real-Time Chunking、π*0.6/Recap、RL Token、π0.7等），是VLA/机器人基础模型领域研究迭代速度最快的团队之一。

时间线（2021-2026）

2024-03 — 公司公开亮相，7000万美元种子轮

• Physical Intelligence 从stealth模式公开，宣布完成由Thrive Capital领投、OpenAI、Khosla Ventures、Sequoia Capital等参投的7000万美元种子轮，投后估值约4亿美元。公司由Karol Hausman（CEO）、Sergey Levine（首席科学家）、Chelsea Finn（Research Lead）、Lachy Groom等联合创立，目标是打造"能控制任意机器人的单一通用大脑"。
• 链接: Physical Intelligence Raises $70M to Build AI-Powered Robots for Any Application
• 链接: Seed Round - Crunchbase
• 图片:

2024-10-31 — π0：首个通用策略模型发布

• 公司发布首个通用机器人基础模型 π0（pi-zero），基于3B参数的PaliGemma视觉语言模型，叠加flow matching动作专家（action expert），输出高达50Hz的连续动作。训练数据融合Open X-Embodiment开源数据集与自采的8种机器人本体（UR5e、双臂UR5e、Franka、双臂Trossen、双臂ARX、移动Trossen等）的68项灵巧任务数据。在叠衣服、收拾餐桌、组装纸箱等任务上显著超越OpenVLA、Octo等此前的学术模型。
• 链接: π0: Our First Generalist Policy（官方博客）
• 链接: 𝜋₀: A Vision-Language-Action Flow Model for General Robot Control（arXiv 2410.24164）
• 图片:

2024-11-04 — A轮融资4亿美元，估值24亿美元

• π0论文发布数日后，Physical Intelligence宣布完成由Jeff Bezos、Thrive Capital、Lux Capital领投的4亿美元A轮融资，OpenAI、Redpoint Ventures、Bond、Sequoia Capital、Khosla Ventures等跟投，投后估值约24亿美元。CEO Karol Hausman向《纽约时报》表示："我们做的不是某一个机器人的大脑，而是能控制任何机器人的单一通用大脑。"
• 链接: AI startup Physical Intelligence raises $400M to create a brain for any robot（SiliconANGLE）
• 链接: Physical Intelligence Raises $400M（PYMNTS）
• 图片:

2025-01-16 — FAST：高效机器人动作分词器

• 发布论文《FAST: Efficient Action Tokenization for Vision-Language-Action Models》，提出基于离散余弦变换（DCT）+字节对编码（BPE）的动作token化方法FAST，使自回归Transformer策略训练速度提升5倍，并首次在开源DROID数据集上训练出可零样本泛化到新环境的通用策略（π0-FAST）。公司同时开源了在100万条真实机器人动作序列上训练的通用FAST tokenizer。
• 链接: FAST: Efficient Robot Action Tokenization（官方博客）
• 链接: FAST: Efficient Action Tokenization for VLA Models（arXiv 2501.09747）
• 链接: Hugging Face - physical-intelligence/fast
• 图片:

2025-02-04 — 开源 π0 与 π0-FAST（openpi）

• Physical Intelligence 通过 openpi 代码仓库开源 π0 基础模型权重与代码，以及π0-FAST自回归变体，并提供在ALOHA、DROID等平台上微调好的示例checkpoint。公司自述1-20小时数据即可将π0微调到新任务。HuggingFace同期提供了openpi的PyTorch移植版本。
• 链接: Open Sourcing π0（官方博客）
• 链接: GitHub - Physical-Intelligence/openpi
• 链接: Physical Intelligence open-sources Pi0（The Robot Report）
• 图片:

2025-02-26 — Hi Robot：分层VLA与"System 1/System 2"推理

• 发布Hi Robot（Hierarchical Interactive Robot）系统：用同一VLM骨干构建"高层System 2策略"（负责拆解复杂指令、处理实时人类反馈）与"低层System 1策略π0"（负责执行原子动作）的两级推理架构。在餐桌整理、三明治制作、超市购物等任务上，指令跟随准确率比GPT-4o高层策略高出约40个百分点。
• 链接: Teaching Robots to Listen and Think Harder（官方博客）
• 链接: Hi Robot: Open-Ended Instruction Following with Hierarchical VLA Models（arXiv 2502.19417）
• 图片:

2025-04-22 — π0.5：具备开放世界泛化能力的VLA

• 发布π0.5，通过对异构数据（机器人动作数据、网络多模态数据、高层语义子任务标注、口头指令示教等）联合训练，使模型能够被部署到训练数据中从未出现过的全新住宅环境中，控制移动操作机器人完成整理厨房、清理卧室等耗时10-15分钟的长程多阶段任务。实验显示仅需约100个不同训练环境即可逼近"直接在测试环境训练"的效果。
• 链接: π0.5: a VLA with Open-World Generalization（官方博客）
• 链接: π0.5: a Vision-Language-Action Model with Open-World Generalization（arXiv 2504.16054）
• 图片:

2025-05-28 — Knowledge Insulation：训练快、推理快、泛化好的VLA配方

• 提出"知识绝缘"（Knowledge Insulation）训练方法：让VLM骨干网络通过预测FAST离散动作token学习运动表征，同时用stop-gradient阻止连续动作专家（flow matching）的梯度污染VLM骨干，从而保留其网络规模预训练获得的语言理解与语义泛化能力。该方法（π0.5+KI）比原始π0训练所需步数减少7.5倍，同时保持π0级别的快速推理速度。
• 链接: VLAs that Train Fast, Run Fast, and Generalize Better（官方博客）
• 链接: 论文PDF

2025-06-09 — Real-Time Chunking（RTC）：大模型的实时动作分块推理

• 提出实时动作分块（Real-Time Chunking, RTC）算法，将实时推理问题建模为"图像修复"（inpainting）问题，使扩散/flow类VLA（包括π0.5）无需重新训练即可在高延迟（300毫秒以上）下保持动作连续性与精度，在划火柴、插网线等高精度任务上验证有效。2025年12月8日发布后续论文，提出RTC的训练时版本，应用于π*0.6的意式浓缩咖啡演示中。
• 链接: Real-Time Action Chunking with Large Models（官方博客）
• 链接: 论文（arXiv 2506.07339）
• 链接: 训练时版本后续论文（arXiv 2512.05964，2025-12-08）
• 图片:

2025-11-17 — π*0.6：通过强化学习从经验中学习的VLA（Recap）

• 发布Recap（RL with Experience & Corrections via Advantage-conditioned Policies）方法：结合示教、专家实时纠错coaching、以及基于价值函数（value function）的强化学习自主练习三个阶段，训练出π*0.6模型。在制作意式浓缩咖啡、组装包装箱、叠不同款式衣物三项真实商用任务上，吞吐量提升超过2倍，成功率超过90%，可连续运行数小时（例如从早5:30到晚11:30不间断制作咖啡）。该模型基于5B参数的π0.6 VLM骨干。
• 链接: π*0.6: a VLA that Learns from Experience（官方博客）
• 链接: 𝜋*0.6: a VLA That Learns From Experience（arXiv 2511.14759）
• 链接: π0.6 模型卡片（PDF）
• 图片:

2025-11-20 — B轮融资6亿美元，估值56亿美元

• Alphabet旗下成长基金CapitalG领投（联合Lux Capital），完成6亿美元B轮融资，投后估值56亿美元（较2024年11月A轮24亿美元大幅提升）。Bezos、OpenAI、Thrive Capital、Redpoint Ventures、Sequoia Capital、T. Rowe Price、Index Ventures等参投。公司累计融资约11亿美元，资金将用于采集更多数据、拓展战略合作与团队扩张。
• 链接: Robotics Startup Physical Intelligence Valued at $5.6 Billion（Bloomberg）
• 链接: Physical Intelligence raises $600M to advance robot foundation models（The Robot Report）
• 链接: CapitalG投资解读
• 图片:

2025-12-16 — VLA中"人类到机器人"迁移能力的涌现

• 研究发现：随着机器人预训练数据规模与多样性扩大，π0.5能够涌现出直接从第一人称人类视频（穿戴式相机拍摄，以3D手部位置作为"动作"）迁移到机器人任务的能力，在鸡蛋分类、梳妆台整理等泛化场景中性能提升约2倍——且预训练机器人数据量越大，这种"人类到机器人"迁移能力越强。
• 链接: Emergence of Human to Robot Transfer in VLAs（官方博客）
• 链接: 论文PDF
• 图片:

2025-12-22 — Moravec悖论与"机器人奥林匹克"

• 针对Benjie Holson提出的"机器人奥林匹克"挑战任务（如推开自闭门、袜子翻面、用钥匙开锁、清洗油腻平底锅等日常"简单"动作），公司仅通过对π0.6微调（多数任务用不到9小时数据），在5个类别中的3个拿到"金牌"、2个拿到"银牌"，而不使用机器人预训练、直接微调标准VLM的基线模型则一项任务都未能完成，凸显大规模机器人基础模型预训练对解决Moravec悖论（"看似简单的物理操作对机器而言极难"）的关键作用。
• 链接: Moravec's Paradox and the Robot Olympics（官方博客）
• 链接: 原始挑战提出：Benjie's Humanoid Olympic Games
• 图片:

2026-01-30 — TechCrunch深度探访：公司文化与"不设商业化时间表"战略

• TechCrunch记者实地探访旧金山总部，披露公司当时约80名员工、内部无接待台、机械臂在测试站不间断练习叠衣服/削黄瓜/翻袜子等任务；联合创始人Lachy Groom（前Stripe早期员工、知名天使投资人，曾投资Figma、Notion、Ramp）与Sergey Levine详述"不给投资人商业化时间表"的独特打法，将自身定位与已实现商业化营收的Skild AI（如Skild Brain）形成对比。
• 链接: A peek inside Physical Intelligence（TechCrunch）
• 图片:

2026-02-24 — The Physical Intelligence Layer：合作伙伴生态首次公开

• 公司首次公开与部署方合作伙伴Weave Robotics（家用/自助洗衣叠衣机器人，旧金山湾区多地实地部署）与Ultra（仓储订单打包机器人）的真实业务数据：Weave显示π0.6相比π0.5大幅提升自主叠衣时长占比，加入客户数据预训练后漏抓次数降低42%、人工介入减少50%；Ultra显示π0.6相比π0.5成功率与吞吐量（件/小时）均有提升，96.4%班次自主运行。公司提出"物理智能层"愿景——像调用LLM API一样调用通用机器人基础模型。
• 链接: The Physical Intelligence Layer（官方博客）
• 图片:

2026-03-19 — RL Token（RLT）：面向精细操作的高效在线强化学习

• 提出RL Token方法：在VLA模型中新增一个"信息瓶颈"式输出token，压缩VLM内部表征，供一个可实时（每秒数百次更新）在机器人本体上训练的小型actor/critic网络使用，实现仅用15分钟至数小时真实数据即可针对螺丝刀对准、扎线带、插网线、插电源线等高精度任务阶段进行在线RL微调，速度提升最高3倍，部分任务超越人类遥操作速度。
• 链接: Precise Manipulation with Efficient Online RL（官方博客）
• 链接: 论文PDF
• 图片:

2026-03-27 — 传闻洽谈新一轮融资，估值或达110亿美元

• 据Bloomberg报道，Physical Intelligence正洽谈约10亿美元新融资，目标估值超过110亿美元（较2025年11月56亿美元估值在4个月内近乎翻倍）。Founders Fund确认参与，Lightspeed Venture Partners据悉在洽谈中，Thrive Capital、Lux Capital等老股东回归跟投。联合创始人Lachy Groom表示公司"不给投资人商业化时间表"，"可投入的算力没有上限"。
• 链接: Physical Intelligence is reportedly in talks to raise $1B, again（TechCrunch）
• 链接: Bloomberg原始报道
• 图片:

2026-04-02 — 与中国具身智能公司AgiBot（智元机器人）达成合作

• AgiBot宣布与Physical Intelligence建立技术合作，聚焦动态环境下的长程复杂任务，由新加入AgiBot、出任具身智能研究中心负责人的罗剑岚（Jianlan Luo）博士主导双方深度合作。这是Physical Intelligence首次公开的中国具身智能企业合作案例。
• 链接: AgiBot Partners with Physical Intelligence to Pioneer Global Innovation in Embodied Intelligence
• 链接: Yicai Global 报道

2026-04-16 — π0.7：具备涌现组合泛化能力的可操控模型

• 发布π0.7，通过训练时引入多模态"多样化上下文"（语言指令、执行质量/速度等元数据、关节/末端执行器控制模态标签、由轻量世界模型生成的视觉子目标图像），使单一模型能以RL训练的π*0.6专家模型相当甚至更高的吞吐量完成叠衣、咖啡制作、装箱等任务，并首次展现"组合泛化"能力——例如仅凭训练数据中两段不相关片段（关闭空气炸锅、往空气炸锅放瓶子），配合语言coaching即学会用空气炸锅烹饪红薯；并能零样本将叠衣技能迁移到训练中从未使用过的双臂UR5e机器人上，成功率与首次操作该机器人的资深遥操作员相当。首席科学家Sergey Levine将其类比为"机器人领域的GPT-3时刻"。
• 链接: π0.7: a Steerable Model with Emergent Capabilities（官方博客）
• 链接: Physical Intelligence's new robot brain can figure out tasks it was never taught（TechCrunch）
• 图片:
• 图片: