Physische Intelligenz (π) <unk> Vollständiger Profil und Analyse 2026

Durchsuchen Sie den [Store]

Unternehmensprofil · 2026

Die "Ein Modell für alle Roboter" -These wird von 400 Millionen Dollar unterstützt, das stärkste Gründungsteam im Roboter-Lernen und das aktuelle Modell VLA.

Es wurde 2023 in San Francisco, CA, gegründet. 400 Millionen Dollar gesammelt.

Gründung

2023

Hauptquartier

San Francisco, Kalifornien

Gesamtfinanzierung

400 Millionen Dollar

Bewertung

2,8 Milliarden Dollar

Arbeitnehmer

~ 200

Schlüsselprodukt

π0 (Pi Zero) VLA

Schlüsselinvestoren

Bezos, Khosla, OpenAI-Fonds

Konzentrieren Sie sich

Generalist Roboter Gehirn

Überblick

Unternehmensüberblick

Die Physical Intelligence (Pi) setzt darauf, dass die Zukunft der Robotik nicht bessere Hardware, sondern bessere Gehirne ist speziell ein einziges Fundamentmodell, das jeden Roboter für die Ausführung jeder Aufgabe steuern kann.

Die These des Unternehmens ist direkt: So wie große Sprachmodelle lernen, sich über Text-Aufgaben hinweg zu verallgemeinern, kann ein ausreichend großes und gut ausgebildetes Vision-Language-Action (VLA) -Modell sich über Roboterverkörperungen und Manipulations-Aufgaben hinweg verallgemeinern. Ihr Flaggschiffmodell π0 (Pi Zero) verwendet eine neue Fluss-Matching-Architektur für die Action-Generation und hat auf offenen Manipulationen und dexterity-Benchmarks hochmoderne Ergebnisse erzielt.

Pi's 70 Millionen US-Dollar-Samenrunde im Jahr 2023 war die größte Samenrunde in der Geschichte der Robotik zum Zeitpunkt des Abschlusses ein Spiegelbild des Vertrauens der Investoren in die Erfolgsbilanz des Gründungsteams und nicht in irgendeine kommerzielle Traktion.

Im Gegensatz zu den meisten Roboterunternehmen baut Physical Intelligence keine Hardware. Ihr gesamtes Wertschöpfungsschlag ist die Modellschicht das "generalistische Roboter-Gehirn", das zwischen menschlicher Absicht (natürliche Sprache) und Roboter-Aktion (motorische Befehle) liegt. Dieser reine Softwareansatz ist sowohl ihre größte Stärke (hardware-agnostic, unendlich skalierbar) als auch ihr größter Risiko (abhängig von der Qualität und Verfügbarkeit von Schulungsdaten, die sie nicht selbst sammeln).

Team

Gründungsgruppe

Das Gründungsteam von Physical Intelligence ist die stärkste Konzentration von Robotertalenten in jedem Startup. Die Gründer haben gemeinsam die Grundlagenarbeiten im Nachahmungslernen, Verstärkungsschulden, Meta-Lernen und Robotertalenten erstellt, auf denen sich das gesamte Feld stützt.

Sergej Levine

Mitbegründer

Der erste Teil des Programms ist die Erarbeitung von Informationen über die Entwicklung von Arbeitsplätzen und Arbeitsplätzen.

Chelsea Finn

Mitbegründer

Er war der Schöpfer von MAML (Modell-Agnostic Meta-Lernen).

Karol Hausman

Mitbegründer

Stanford/Google Brain-Forscher. Schlüsselbeitrag zu RT-2, SayCan und anderen grundlegenden Roboter-Stiftungsmodellen bei Google.

Brian Ichter

Mitbegründer

Google Brain-Forscher. Pionier der sprachlich bedingten Roboterplanung und hat zu Inner Monologue und anderen Arbeiten zur Argumentation für Robotik beigetragen.

Jasmine Hsu

Mitbegründer

Google Brain-Forscher. Leiter der großen Roboternetzungs-Infrastruktur für das Lernen von Daten bei Google, einschließlich Beiträgen zum RT-X-Datensatz und Open-X Embodiment.

Technik

π0: Technologie tiefstaubender Tauchgang

Durchlässigkeits- und Aktionsgenerierung

Die Kerntechnische Innovation von Pi0 ist die Verwendung von Flow Matching eine generative Modellierungstechnik für die Roboter-Aktionsgenerierung. Im Gegensatz zu traditionellen Aktionsvorhersagen, die Einpunkt-Aktionsvorhersagen ausführen, lernt Flow Matching ein kontinuierliches Vektorfeld, das von Lärm bis zu Aktionsverteilungen abbildet. Dies ermöglicht eine reichhaltiger, ausdrucksfähigeren Aktionsgenerierung, die die Multimodalität von Manipulationsarbeiten besser erfasst (es gibt oft mehrere gültige Möglichkeiten, ein Objekt zu erfassen oder eine Aufgabe zu vervollständigen).

Die praktische Wirkung ist bedeutend: Durch die Flow Matching werden reibungslose, natürliche Roboterbewegungen erzielt und Aufgaben, bei denen mehrere gültige Lösungen vorhanden sind, besser bewältigt.

Kreuzkörpertraining

Pi0 wird auf Demonstrationsdaten von mehreren Roboterplattformen gleichzeitig ausgebildet. Das Modell lernt, die Aufgabenbeschreibungen in natürlicher Sprache auf Aktionssequenzen in verschiedenen Roboterverkörperungen zu kartieren was bedeutet, dass ein einzelnes Modell einen 6-DoF-Arm, ein bi-manuais System oder einen mobilen Manipulator steuern kann. Diese Kreuzkörperfähigkeit ist der Kern von Pi's "ein Modell für alle Roboter" -These: Anstatt ein separates Modell für jeden Roboter zu trainieren, lernt Pi0 verallgemeinerbare Manipulationsfähigkeiten, die über Plattformen hinweg übertragen werden.

Architektur

Pi0 integriert einen Vision-Encoder (ViT-basiert), ein Spinball des Sprachmodells und den Flow-Matching-Action-Decoder in eine einzige end-to-end trainable Architektur. Die Architektur ist skalierbar: Größere Modelle, die auf vielfältigeren Daten ausgebildet sind, übertreffen konsequent kleinere Modelle, was darauf hindeutet, dass Pi0 auf der rechten Seite der Skalenkreise liegt.

π0 vs. Wettbewerber: Benchmark Performance

Quelle: Veröffentlichte Benchmark-Ergebnisse, RCSV Research Compilation

Capability	π0	OpenVLA	RT-2	RDT-1B
Action Generation	Flow matching	Autoregressive	Autoregressive	Diffusion
Cross-Embodiment	Yes (native)	Yes	Limited	Yes
Language Conditioning	Yes	Yes	Yes	Limited
Open Weights	Partial	Yes	No	Yes
Dexterity Score	SOTA	Good	Good	Good

Finanzierung

Zeitplan der Finanzierung

Finanzierungsrunden ($M)

Quelle: Crunchbase, PitchBook, Unternehmensankündigungen

2023 Samen (70 Mio. USD)

Die größte Runde in der Geschichte der Robotik. angeführt von Khosla Ventures und Lux Capital.

2024 Serie A (330 Mio. USD)

Massive Series A bringt insgesamt auf $400M bei einer Bewertung von $2.8B. Investoren sind Thrive Capital, Bond und zurückkehrende Sadeninvestoren.

Gründungsteam: Schlüsselbeiträge zur Forschung

Quelle: Google Scholar, RCSV Research-Sammlung

Meilensteine

Schlüsselwerte

2023 Q1

Firma gegründet von Levine, Finn, Hausman, Ichter und Hsu.

2023 Q2

Die erste Gruppe von 30 Forschern, die von Google Brain, Stanford und UC Berkeley rekrutiert wurden, hat den größten Samen in der Geschichte der Robotik abgeschlossen.

2024 Q1

Das Projekt wird von den Mitgliedstaaten durchgeführt, die die Entwicklung der Datenverarbeitung und der Datenverarbeitung in den Mitgliedstaaten und in den Mitgliedstaaten vornehmen.

2024 Q3

Das Team wächst auf 150 Demonstrationen mit einem Modell, das 5+ Roboterplattformen steuert.

2025

Erste Unternehmenspartnerschaften angekündigt. π0-Feinabstimmung-API in privater Beta mit ausgewählten Robotikunternehmen. Team erreicht ~200.

2026

Die Verbesserung des VLA-Modells führt weiterhin zu offenen Benchmarks.

Marktposition

Marktposition und Wettbewerbslandschaft

Die physikalische Intelligenz ist im aufstrebenden Markt für "Roboter-Grundlage-Modell" tätig, der vor 18 Monaten kaum existierte und jetzt Milliarden an Investitionen anzieht.

Wettbewerbsfähigkeit

• Gründungsteam: Die stärkste Konzentration von veröffentlichten Robotertalenten in einem einzelnen Unternehmen.
• Technische Führung: π0 führt derzeit bei offenen Manipulationsbenchmarks.
• ** Kapital:** 400 Mio. USD bieten eine lange Startbahn für Investitionen in Schulungs- und Daten-Infrastruktur ohne Umsatzdruck.
• Hardware-agnostic: Reinsoftware-Ansatz bedeutet, dass Pi ohne Wettbewerbskonflikte mit jedem Hardwareunternehmen zusammenarbeiten kann.

Wettbewerbsverletzlichkeit

• ** Keine Hardware- oder Einsatzdaten:** Pi hängt von Partnern für Roboter-Trainingdaten ab. Unternehmen, die sowohl Hardware als auch Daten besitzen (wie Google DeepMind mit ihrer Roboterflotte), können einen strukturellen Datenvorteil haben.
• Wettbewerb im offenen Gewicht: OpenVLA und RDT-1B sind frei und offen. Wenn offene Modelle 90% der Leistung von Pi0 erreichen, kann die Bereitschaft, für ein proprietäres Modell zu bezahlen, begrenzt sein.
• Wertungsdruck: Eine Bewertung von 2,8 Mrd. USD erfordert entweder massive Einnahmen der Unternehmen oder eine weitere Fundraising bei steigenden Werten.
• Exekutionsrisiko: Der Übergang von akademischen Gründern zu kommerziellen Betreibern ist eine gut dokumentierte Herausforderung in der Deep Tech.

Bewertung der RCSV

Die Bewertung der RCSV

** Bottom line:** Physical Intelligence setzt darauf, dass die These "ein Modell für alle Roboter" korrekt ist und sie haben das Team, um dies zu beweisen. π0 ist derzeit die am besten leistende Open-Benchmark VLA. Die Frage ist, ob proprietärer Zugriff genügend Wert gegen offene Alternativen schafft und ob ein reines Modellunternehmen ein langlebiges Unternehmen bauen kann, ohne die Hardware- oder Einsatzdaten-Schicht zu besitzen.

Pi's technische Ausführung war hervorragend. π0 stellt einen echten Schritt voran in der VLA-Architektur dar, und der Flow-Matching-Ansatz hat sich sowohl technisch überlegen als auch praktisch nützlich erwiesen.

Die strategische Frage ist die Wertschöpfung. In der LLM-Welt hat OpenAI bewiesen, dass ein proprietäres Modellunternehmen ein massives Geschäft aufbauen könnte aber OpenAI hatte Jahre vor der Entstehung von Open-Weight-Konkurrenten. Die Schwellung von Pi hängt davon ab, einen signifikanten und nachhaltigen Leistungsvorteil zu erhalten, was wiederum einen Datenvorteil erfordert, der noch nicht klar ist.

Für das Roboter-Ökosystem im Allgemeinen ist die Existenz von Pi unabhängig vom kommerziellen Ergebnis nett positiv. Die Forschung des Gründungsteams wäre in jeder Institution transformativ gewesen; die Konzentration dieses Talents in einem gut finanzierten Start-up beschleunigt das gesamte Feld. Und wenn sich die These "ein Modell für alle Roboter" als korrekt erweist, wird es eine der wichtigsten Entwicklungen in der Geschichte der Roboter-Technik sein.

FAQ

Häufig gestellte Fragen

Was ist physische Intelligenz (Pi)?

Physical Intelligence ist ein in San Francisco ansässiges Unternehmen für KI-Roboter, das 2023 von führenden Forschern von Stanford und Google Brain gegründet wurde. Das Unternehmen baut generelle Roboter-Grundlagenmodelle KI-Systeme, die für jeden Roboter für jede Aufgabe mit einer einzigen Modellarchitektur konzipiert werden. Ihr Flaggschiffprodukt ist π0, ein Vision-Language-Action-Modell, das den Stand der Technik in der Roboternerziehung repräsentiert.

Was ist das π0 (Pi Zero) Modell?

π0 ist das Flaggschiff von Physical Intelligence Vision-Language-Action-Modell. Es verwendet Flow-Matching für die Aktionsgenerierung, wodurch ein einzelnes Modell verschiedene Roboterplattformen über verschiedene Aufgaben hinweg steuern kann. π0 hat auf Manipulationen und Geschicklichkeit Benchmarks modernste Leistung erzielt, was eine Verallgemeinerung der Kreuzkörperung demonstriert.

Wie viel Geld hat Physical Intelligence gesammelt?

Die Physical Intelligence hat insgesamt rund 400 Millionen Dollar gesammelt und eine Bewertung von 2,8 Milliarden Dollar erreicht. Die 70 Millionen Dollar-Samenrunde war die größte Samenrunde in der Geschichte der Robotik.

Wer gründete die physische Intelligenz?

Physical Intelligence wurde von Sergey Levine (UC Berkeley, Co-Autor von SAC), Chelsea Finn (Stanford, Schöpfer von MAML), Karol Hausman (Stanford/Google Brain, RT-2), Brian Ichter (Google Brain, sprachlich bedingte Planung) und Jasmine Hsu (Google Brain, groß angelegte Roboter-Dateninfrastruktur) gegründet.

Wie verglichen sich Physical Intelligence mit anderen Robotik-KI-Unternehmen?

Pi unterscheidet sich durch den Bau nur der KI-Modellschicht ein reines "Roboter-Gehirn" Unternehmen anstatt Hardware und Software zu kombinieren. π0 führt auf offenen Benchmarks, obwohl der Wettbewerb von Open-Weight-Alternativen (OpenVLA, RDT-1B) und proprietären Wettbewerbern (Figure's Helix, Google DeepMind) wächst. Pi hat den einzigartigen Vorteil, dass das Gründungsteam die tiefe Forschungserfahrung und die Flow-Matching-Architektur hat.

Vergleichen und erkunden

• Ich weiß .

Unternehmensprofil

Bild-AI

Er baut sowohl humanoide Hardware als auch sein eigenes Helix VLA-Modell einen anderen Ansatz für das gleiche generalistische Roboterproblem.

Profil lesen →

](T1)

Unternehmensprofil

Boston Dynamics

Die Hardware-Benchmark Boston Dynamics repräsentiert den klassischen Steuerungsansatz, den Pi's gelernte Modelle übertreffen wollen.

Profil lesen →

](T2) [

Unternehmensprofil

Einheitliche Roboter

Die erschwingliche Hardware, die Pi-Modelle auf 170.000+ Einheiten laufen könnten, schafft eine enorme mögliche Einsatzbasis.

Profil lesen →

](T3)

Vergleichen Sie Roboter-KI-Modelle →

Datenquellen: Crunchbase, PitchBook, Physical Intelligence-Publikationen und Pressemitteilungen, Google Scholar, RCSV Research-Analyse. Marktdaten aktuell zum April 2026. Benchmark-Vergleiche basierend auf veröffentlichten Ergebnissen; proprietärer Benchmark-Zugriff kann unterschiedlich sein.

Bleiben Sie bei der Robotik vorne

Erhalten Sie die neuesten Informationen zu Robotern, Unternehmensanalysen und physischer KI in Ihre Posteingangsbox.