Inteligencia física (π) <unk> Profil completo y análisis 2026
Profil de la compañía Completa de Inteligencia Física (Pi) <unk> pi0 modelo VLA, equipo fundador, $ 400M de financiación, tecnología de coincidencia de flujo y evaluación de RCSV para 2026.
Explora la tienda.
Perfil de la empresa · 2026
La tesis "un modelo para todos los robots"
Fundado en 2023 San Francisco, CA $400M Recaudado $2.8B Valoración ~200 empleados
Fundado
El año 2023
Cuartel general
San Francisco, CA
Financiamiento total
$400 millones
Valoración
$2.8 mil millones
Trabajadores
- 200
Producto clave
π0 (Pi Zero) VLA
Inversionistas clave
El proyecto de ley de la Unión Europea (UE) no se ha aplicado en el marco de la aplicación del artículo 10 del Reglamento (UE) n.o 1095/2010.
Concentrarse
Cerebro de robot generalista
En general
Presentación general de la empresa
La Inteligencia Física (Pi) apuesta por que el futuro de la robótica no es un mejor hardware sino un mejor cerebro
La tesis de la compañía es directa: al igual que los grandes modelos de lenguaje aprendieron a generalizarse en tareas de texto, un modelo de visión-lenguaje-acción (VLA) suficientemente grande y bien entrenado puede generalizarse en encarnaciones de robots y tareas de manipulación. Su modelo insignia, π0 (Pi Zero), utiliza una arquitectura de flujo de coincidencia novedosa para la generación de acción y ha logrado resultados de vanguardia en la manipulación abierta y en los puntos de referencia de destreza.
La ronda de semillas de $70 millones de Pi en 2023 fue la ronda de semillas más grande en la historia de la robótica en el momento del cierre.
A diferencia de la mayoría de las compañías de robótica, la Inteligencia Física no construye hardware. Este enfoque de software puro es tanto su mayor fortaleza (agnóstico de hardware, infinitamente escalable) como su mayor riesgo (dependiendo de la calidad y disponibilidad de los datos de formación que no recopilan ellos mismos).
Equipo
Equipo fundador
El equipo fundador de Physical Intelligence es la concentración más fuerte de talento de aprendizaje robótico en cualquier startup. Los fundadores han escrito colectivamente los artículos fundamentales en aprendizaje imitativo, aprendizaje de refuerzo, meta-aprendizaje y modelos de fundación robótica sobre los que se basa todo el campo.
Sergey Levine
Cofundador
Profesor de la Universidad de Berkeley. Coautor de SAC (Soft Actor-Critic), artículos fundamentales IL/RL. Uno de los investigadores más citados en la historia del aprendizaje robótico.
Chelsea Finn
Cofundador
Profesor de Stanford, creador de MAML (Modele-Agnostic Aprendizaje Meta). Fue pionero en los enfoques de aprendizaje a pocos pasos y meta-aprendizaje en robótica.
Karol Hausman
Cofundador
Investigador del cerebro de Stanford/Google. Contribuyente clave a RT-2, SayCan y otros modelos de fundación de robótica fundamentales en Google.
Brian Ichter
Cofundador
Investigador del cerebro de Google. Fue pionero en la planificación de robots con condiciones de lenguaje y contribuyó a Inner Monologue y otros trabajos de razonamiento para la robótica.
Jasmine Hsu
Cofundador
Investigador del cerebro de Google. Dirigió la infraestructura de datos de aprendizaje de robots a gran escala en Google, incluyendo contribuciones al conjunto de datos RT-X y Open-X Embodiment.
Tecnología
π0: Tecnología de inmersión profunda
Aplicación del flujo para la generación de acciones
La innovación técnica principal de Pi0 es el uso de la combinación de flujo
El impacto práctico es significativo: el ajuste de flujo produce movimientos de robots más suaves y naturales y maneja mejor las tareas donde existen múltiples soluciones válidas. Esto es particularmente importante para la manipulación hábil, donde el espacio de las configuraciones de agarre válidas es grande y multi-modal.
Entrenamiento entre cuerpos
Pi0 se capacita en datos de demostración de múltiples plataformas de robots simultáneamente. El modelo aprende a mapear las descripciones de tareas en lenguaje natural a secuencias de acción en diferentes encarnaciones de robots
Arquitectura
Pi0 integra un codificador de visión (basado en ViT), una columna vertebral del modelo de lenguaje y el decodificador de acción de flujo en una única arquitectura entrenable de extremo a extremo. La arquitectura está diseñada para escalar: los modelos más grandes entrenados en datos más diversos superan consistentemente a los modelos más pequeños, lo que sugiere que Pi0 está en el lado derecho de la curva de escala.
π0 vs. Competidores: Rendimiento de referencia
Fuente: Resultados de referencia publicados, recopilación de la investigación RCSV
| 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 |
Financiamiento
Línea de tiempo de financiación
Rondas de financiación (M$)
Fuente: Crunchbase, PitchBook, anuncios de la compañía
2023
La mayor ronda de semillas en la historia de la robótica. liderada por Khosla Ventures y Lux Capital. Los inversores incluyen a Jeff Bezos y OpenAI Fund.
2024
Massive Series A, que recauda un total de $400 millones con una valoración de $2.8 mil millones. Los inversores incluyen Thrive Capital, Bond y inversores de semilla que regresan.
Equipo fundador: Contribuciones clave a la investigación
Fuente: Google Scholar, compilación de investigación de la RCSV
Las piedras de referencia
Pilares clave
El primer trimestre de 2023
Empresa fundada por Levine, Finn, Hausman, Ichter y Hsu. Tesis central: un modelo generalista para todos los robots.
El segundo trimestre de 2023
La ronda de semillas de $70 millones cerró la semilla más grande en la historia de la robótica.
El primer trimestre de 2024
El modelo π0 se anunció. Los resultados más avanzados en múltiples puntos de referencia de manipulación.
El tercer trimestre de 2024
$ 330M Serie A a $ 2.8B valoración. El equipo crece a ~ 150. demostraciones de encarnación cruzada que muestran un modelo único que controla más de 5 plataformas de robots.
El año 2025
Primeras asociaciones empresariales anunciadas. π0 de ajuste fino de API en beta privada con empresas robóticas seleccionadas. El equipo alcanza ~200.
2026
Las mejoras del modelo π0 siguen liderando los puntos de referencia abiertos.
Posición del mercado
Posición del mercado y paisaje competitivo
La Inteligencia Física opera en el mercado emergente de "modelo de base de robots" un espacio que apenas existía hace 18 meses y que ahora está atrayendo miles de millones de inversiones. El panorama competitivo es complejo porque Pi compite tanto con otras compañías de modelo puro como con los equipos internos de IA de compañías de hardware.
Las fortalezas competitivas
- Equipo fundador: La mayor concentración de talento de aprendizaje de robots publicado en cualquier empresa.
- Liderado técnico: π0 actualmente lidera en los puntos de referencia de manipulación abierta.
- Capital: $400M proporciona una larga pista para invertir en infraestructura de computación y recopilación de datos de capacitación sin presión de ingresos.
- Hardware-agnostic: El enfoque de software puro significa que Pi puede asociarse con cualquier empresa de hardware sin conflictos competitivos.
Vulnerabilidades competitivas
- No hay datos de hardware o implementación: Pi depende de los socios para los datos de formación de robots. Las empresas que poseen tanto hardware como datos (como Google DeepMind con su flota de robots) pueden tener una ventaja estructural en los datos.
- Competencia de peso abierto: OpenVLA y RDT-1B son libres y abiertos.Si los modelos abiertos alcanzan el 90% del rendimiento de Pi0, la disposición a pagar por un modelo patentado puede ser limitada.
- Pensación de valoración: La valoración de 2.8 mil millones de dólares requiere de ingresos masivos de las empresas o de la recaudación de fondos continua a la hora de aumentar las valoraciones.
- Risiko de ejecución: La transición de los fundadores académicos a operadores comerciales es un desafío bien documentado en la tecnología profunda.
Evaluación de la RCSV
La evaluación de la RCSV
Bottom line: La Inteligencia Física apuesta por que la tesis de "un modelo para todos los robots" es correcta
La ejecución técnica de Pi ha sido excepcional. π0 representa un verdadero paso adelante en la arquitectura VLA, y el enfoque de coincidencia de flujo se ha demostrado técnicamente superior y prácticamente útil. La credibilidad de la investigación del equipo fundador es incomparable, y la compañía ha atraído a un talento excepcional.
La pregunta estratégica es sobre la captura de valor. En el mundo de LLM, OpenAI demostró que una empresa modelo propietaria podría construir un negocio masivo
Para el ecosistema robótico en general, la existencia de Pi es positiva, independientemente del resultado comercial. La investigación del equipo fundador habría sido transformadora en cualquier institución; concentrar ese talento en una startup bien financiada acelera todo el campo.
Las preguntas frecuentes
Preguntas frecuentes
¿Qué es la Inteligencia Física (Pi)?
Physical Intelligence es una compañía de robótica de IA con sede en San Francisco fundada en 2023 por investigadores líderes de Stanford y Google Brain. La compañía construye modelos de base de robots generalistas
¿Cuál es el modelo π0 (Pi Zero)?
π0 es el modelo insignia de la Inteligencia Física Vision-Language-Action. Utiliza el flujo de coincidencia para la generación de acción, lo que permite a un solo modelo controlar diferentes plataformas de robots en diferentes tareas. π0 ha logrado un rendimiento de vanguardia en los puntos de referencia de manipulación y destreza, demostrando generalización entre los cuerpos.
¿Cuánto dinero ha recaudado la Inteligencia Física?
La inteligencia física ha recaudado aproximadamente 400 millones de dólares en total, alcanzando una valoración de 2.800 millones de dólares. La ronda de semillas de $ 70 millones fue la semilla más grande en la historia de la robótica. Los principales inversores incluyen Jeff Bezos, Khosla Ventures, OpenAI Fund, Thrive Capital y Lux Capital.
¿Quién fundó la Inteligencia Física?
La Inteligencia Física fue fundada por Sergey Levine (UC Berkeley, coautor de SAC), Chelsea Finn (Stanford, creador de MAML), Karol Hausman (Stanford / Google Brain, RT-2), Brian Ichter (Google Brain, planificación condicionada por el lenguaje) y Jasmine Hsu (Google Brain, infraestructura de datos robóticos a gran escala).
¿Cómo se compara la Inteligencia Física con otras compañías de IA de robótica?
Pi diferencia construyendo sólo la capa de modelo de IA
Comparar y explorar
¿Qué es esto?
Perfil de la empresa
Figura de IA
Construye tanto hardware humanoide como su propio modelo Helix VLA
Leer el perfil →
[
Perfil de la empresa
Boston Dynamics
Boston Dynamics representa el enfoque de control clásico que los modelos aprendidos de Pi pretenden superar.
Leer el perfil →
](
Perfil de la empresa
Unidad de la robótica
El hardware asequible que los modelos Pi podrían ejecutar en
Leer el perfil →
[
** Fuentes de datos:** Crunchbase, PitchBook, publicaciones y comunicados de prensa de Inteligencia Física, Google Scholar, análisis de RCSV Research. Datos de mercado actuales a partir de abril de 2026.
Manténgase al frente en robótica
Obtenga las últimas noticias sobre las implementaciones de robots, análisis de la empresa y IA física