物理知能 (π) <unk> 完全なプロファイル&解析 2026
完全な物理知能 (Pi) 企業プロファイル <unk> pi0 VLAモデル 設立チーム 400Mドルの資金提供 流量マッチング技術 RCSVの2026評価
[店舗]を閲覧する
会社プロフィール · 2026
ロボット学習における最も強力な創立チームであり 現在の最先端のVLAモデルです
2023年に設立 サンフランシスコ, CA $400M 調達 $2.8B 評価 ~200従業員
設立
2023年
本社
サンフランシスコ,カリフォルニア州
総資金提供
400億ドル
評価
年間280億ドル
従業員
~200
キー製品
π0 (Pi Zero) VLA
重要な投資者
ベゾス,ホスラ,オープンAI基金
集中する
一般的なロボット脳
概要
会社概要
物理知能 (Pi) は,ロボット学習の未来はより良いハードウェアではなく,より良い脳であることに賭けている.特に,どのロボットもどんな作業を実行するかを制御できる単一の基盤モデルです.ロボット学習で最も公表され引用された研究者の5人の Pi が2023年に設立した Pi は,おそらく単一のロボット AI 会社に集中した最も強力な技術チームを組み立てました.
会社の論文は直接的なものです. テキストタスクで一般化することを学んだ大きな言語モデルと同様に,十分に大きく,十分に訓練されたビジョン-言語-アクション (VLA) モデルもロボット実施形態と操作タスクで一般化することができます. 旗艦モデルである π0 (Pi Zero) はアクション生成のための新しいフローマッチングアーキテクチャを使用し,オープンな操作と技巧基準で最先端の成果を達成しています.
2023年に Piの7億ドルのシードラウンドは,閉鎖時にロボット史の中で最大のシードラウンドでした. 設立チームの業績に対する投資家の信頼が反映され,商業的な牽引力ではなく.その後,2.8億ドルの評価で合計40000万ドルに上昇したことで, Piは短期的な収益ゲームではなく,基礎的なインフラストラクチャ賭けとして見られていることをさらに確認しています.
ロボット技術会社とは異なり,フィジカル・インテリジェンスはハードウェアを製造しません.その価値提案はモデル層です.人間の意図 (自然言語) とロボットアクション (モーターコマンド) の間にある"一般主義ロボット脳"です. この純粋なソフトウェアアプローチは,彼らの最大の強さ (ハードウェア無知性,無限にスケーラブル) と最大のリスク (彼らが自分で収集しない訓練データの質と利用可能性に依存する) です.
チーム
設立チーム
物理知能の創立チームは,どのスタートアップでもロボット学習タレントの最も強い集中です.創立者は,共同で模倣学習,強化学習,メタ学習,そしてロボット基盤モデルに関する基礎論文を共同で執筆しています.
セルゲイ・ルヴィーン
共同設立者
UCバークレーの教授.SAC (ソフト・アクター・批評家) の共同著者,基礎的なIL/RL論文. ロボット学習の歴史で最も引用されている研究者の1人.
チェルシー・フィン
共同設立者
スタンフォード大学教授.MAML (モデル・アグノスティック・メタ・ラーニング) の創業者.ロボット学の少量学習とメタ・ラーニングのアプローチを率先した.
カロル・ハウスマン
共同設立者
スタンフォード・Google脳研究員.RT-2,SayCan,および他の基本的なロボット学基盤モデル研究に重要な貢献者.
ブライアン・イッチャー
共同設立者
Google脳の研究者. 言語条件ロボット計画を率いて,インナーモノログやその他のロボット工学のための推論に貢献した.
ジャスミン・シュウ
共同設立者
Google脳の研究者. 広範囲のロボット学習データインフラをリードした. RT-XデータセットとOpen-Xエンボディメントへの貢献を含む.
テクノロジー
π0: テクノロジー ディープダイビング
動力生成のためのフローマッチング
π₀ (パイゼロ)の技術革新の核は,ロボットアクション生成のための生成モデル技術であるフローマッチングの利用である.従来のアクション予測アプローチとは異なり,フローマッチングは騒音からアクション分布まで地図を映し出す連続したベクトルフィールドを学習します. これは,操作作業の多様性をより良く捉える,より豊かな,より表現的なアクション生成を可能にします (物体を把握したり,作業を完了したりする複数の有効な方法があります).
流量調整は,よりスムーズで自然的なロボット動きを生み出し,複数の有効なソリューションが存在する場合,よりよい作業処理を行う.これは,有効な把握構成の空間が大きく,多モードである場合,巧妙な操作において特に重要です.
身体間の訓練
π₀ (パイゼロ)は複数のロボットプラットフォームから同時に示範データで訓練されています.このモデルは,異なるロボット実施形態のアクションシーケンスの自然言語タスク説明をマッピングすることを学びます.つまり,単一のモデルは6DoF腕,双手システム,またはモバイル操作装置を制御することができます. このクロスインボディメント能力は Piの"すべてのロボットのためのモデル"の核心です. 各ロボットに別々のモデルを訓練する代わりに, π₀ (パイゼロ)はプラットフォーム間で転送される汎用的な操作スキルを学んでいます.
建築
π₀ (パイゼロ)はビジョンエンコーダー (ViTベースの),言語モデルバックボーン,フローマッチングアクションデコーダーを単一のエンドツーエンドトレーニング可能なアーキテクチャに統合します.このモデルはマルチビューカメラ画像と自然言語タスク説明を処理し,連続したアクション軌道を出力します. 規模を拡大する設計されている.より多様なデータに基づいて訓練された大きなモデルは,一貫して小さいモデルを上回る.
π0 対競争者:ベンチマークパフォーマンス
ソース: 公開された基準値結果,RCSV研究まとめ
| 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 |
資金提供
資金提供の時間表
資金調達ラウンド (M)
ソース: クランチベース,ピッチブック,会社発表
2023
ロボット史上最大のシードラウンド. 株式会社ホスラ・ベンチャーズとルックス・キャピタルが率いる. 投資家はジェフ・ベゾスとOpenAI・ファンド. 估計40000万ドル.
2024
マシブシリーズAは2,8億ドルで合計40000万ドルに達した.投資家はThrive Capital,Bond,および帰還するシード投資者を含む.資本は訓練インフラストラクチャを拡大し,研究チームを拡大する方向に展開された.
設立チーム: 重要な研究貢献
ソース:Google Scholar,RCSV研究コンパイル
マイルストーン
重要な 里程碑
2023 Q1
会社設立: レヴィン,フィン,ハウスマン,イッチャー,Hsu.
2023 Q2
ローボティクス史上最大の種子を 完成させた.最初はGoogle Brain,スタンフォード,UC Berkeleyから採用された30人の研究員.
2024 Q1
流量マッチングアーキテクチャが公開された.
2024 Q3
チームは1500人に成長し 5以上のロボットプラットフォームを制御する単一のモデルを表示するクロス化体示例です
2025年
企業による最初のパートナーシップを発表. 特定のロボット企業とプライベートベータで π0 微調整 API. チームは ~200に達する.
年間
企業部署パートナーシップが拡大し,オープン型VLA代替品からの競争が強くなっています.
市場地位
市場地位と競争力
物理知能は18ヶ月前にほとんど存在しなかった市場で活動している.現在では数十億ドルもの投資を招いている.競争の景観は, Piは他の純粋モデル企業とハードウェア企業の内部 AIチームと競争しているため複雑である.
競争力
- 創立チーム: 出版されたロボット学習人材の最も強い集中が,どの会社でも重要だ.
- 技術的リーダーシップ: π0は現在オープン操作基準でリードしている. フローマッチングアプローチは建築的に差別化されています.
- **資本:**400Mドルは,収益圧力がなく,トレーニングコンピューティングとデータ収集インフラへの投資を長途提供します.
- **ハードウェア不認識:**純粋なソフトウェアアプローチは Pi が競争の衝突なしに任意のハードウェア企業と提携できることを意味します.
競争力のある脆弱性
- ハードウェアや部署データがない: Piはロボット訓練データのためにパートナーに依存している.ハードウェアとデータの両方を所有している企業 (Google DeepMindとロボットフリートのような) は構造データ上の利点がある可能性があります.
- **オープンウェイト競争:**OpenVLAとRDT-1Bは無料でオープンです.オープンモデルがπ₀ (パイゼロ)の性能の90%に達した場合,特許モデルへの支払い意欲は制限される可能性があります.
- **評価圧力:**2.8億ドルの評価には,大規模な企業収益が必要か,または評価の上昇で資金調達を継続する必要がある.
- 処刑リスク: 専門家の創業者が商業事業者に移行することは,深度技術におけるよく文書化された課題です.
RCSV評価
RCSVの評価
物理知能は"すべてのロボットのためのモデル"の論文が正しいことを賭けている.
Piの技術的実行は素晴らしい. π0はVLAアーキテクチャにおける真の前進を表しており,フローマッチングアプローチは技術的に優れていると実用的に有用であることが証明されています.創立チームの研究信頼性は比類ないし,会社は例外的な才能を引き寄せています.
戦略的な問題は価値の捕捉に関するものです.LLMの世界では,OpenAIは,プロプライエタリモデル会社が大規模なビジネスを構築できると証明しました.しかし,OpenAIはオープンウェイト競合他社が現れるまで長年リードタイムを持っていた.ロボット工学では,オープンウェイトVLA (OpenVLA, RDT-1B) は既に多くのタスクでπ₀ (パイゼロ)と競争しています. Piの溝は,重要な持続的な性能優位性を維持することに依存する.
ロボットエコシステム全体にとって, Piの存在は,商業的な結果に関係なく,純正的にポジティブである.創立チームの研究は,どの機関でも変革をもたらすであろう.その才能を資金調達されたスタートアップに集中させることで,この分野全体が加速する.そして"ロボット全員のためのモデル"の論文が正しいことが証明されたら,それはロボット史で最も重要な発展の一つとなる.
常識問題
よく 聞かれる 質問
物理知能 (Pi) は何ですか?
物理知能はサンフランシスコを拠点とするAIロボット会社で,スタンフォードとGoogle Brainの主要な研究者が2023年に設立した.同社は,単一のモデルアーキテクチャを使用して,任意の作業のために任意のロボットを制御するように設計された一般主義ロボット基盤モデルを構築する. 機械学習基準の最新技術を代表するビジョン言語行動モデルである π0です
モデル π0 (Pi Zero) は何ですか?
π0は,物理知能の旗艦のビジョン-言語-アクションモデルである.動作生成のためにフローマッチングを使用し,単一のモデルによって異なる作業を通じて異なるロボットプラットフォームを制御することができます. π0は操作と巧みに基準の最新のパフォーマンスを達成し,クロスインボディメント一般化を示しています.
物理知能はどれくらいの資金調達を 調達したのでしょう?
物理知能は合計40000万ドルを調達し,28億ドルの評価に達した.7000万ドルのシードラウンドはロボット史最大のシードラウンドとなった.主要な投資家にはジェフ・ベゾス,ホスラ・ベンチャーズ,オープンAI・ファンド,トリヴ・キャピタル,ルックス・キャピタルが含まれています.
物理知能を 創ったのは誰?
物理知能はセルゲイ・ルヴァイン (UC・バークレー,SACの共同著者),チェルシー・フィン (スタンフォード,MAMLの創業者),カロル・ハウスマン (スタンフォード/Google Brain,RT-2),ブライアン・イッチャー (Google Brain,言語による規劃) とジャスミン・Hsu (Google Brain,大規模なロボットデータインフラ) によって設立されました.
機械知能は 他のロボット工学会社と 比較するには?
Piは,ハードウェアとソフトウェアを組み合わせないよりも純粋な"ロボット脳"企業を構築することで,AIモデル層のみを区別する. π0はオープンベンチマークでリードしているが,オープンウェイトの代替品 (OpenVLA, RDT-1B) とプロテッショナル競合他社 (Figure's Helix,Google DeepMind) の競争は増加している. Piのユニークな優位性は 創立チームの深遠な研究専門知識と 流量マッチングアーキテクチャです
比較・探求
[ 固定リンク ]
会社プロフィール
図 AI
ヒトモイドハードウェアと独自のヘリックスVLAモデルを 構築する
プロフィールを読む →
](
会社プロフィール
ボストン・ダイナミックス
コンピュータの標準基準です ボストン・ダイナミックスとは ピの学習モデルが 超えることを目指す クラシック制御アプローチです
プロフィールを読む →
会社プロフィール
ユニットリー ロボティックス
Pi モデルが 17万+ユニットで実行できる 格安なハードウェアは 巨大な潜在的展開基盤を作り出します
プロフィールを読む →
データソース: Crunchbase, PitchBook, Physical Intelligence出版物およびプレスリリース,Google Scholar,RCSV Research分析.2026年4月現在現在市場データ.公開された結果に基づくベンチマーク比較;プロペエティアのベンチマークアクセスが異なる場合があります.
ロボット に 進歩 し て ください
ロボット部署,企業分析,物理的なAIに関する最新情報を メールボックスに届けます