返回Companies

物理智能 (π) <unk> 完整的资料和分析 2026

公司资料 <unk> pi0 VLA 模型,创始团队,400亿美元的资金,流量匹配技术,以及RCSV的2026年评估.

查看 [商店]

公司资料 · 2026

支持40000万美元的"所有机器人"论文,

成立于2023年,加州旧金山400亿美元 升值2.8亿美元 ~200名员工

成立

2023 年

总部

美国旧金山

总资金

价值400亿美元

估值

价值2.8亿美元

员工

关键产品

(Pi零) VLA

关键投资者

贝索斯,霍斯拉,OpenAI基金

专注

总体机器人大脑

概述

公司概况

物理智能 (Pi) 认为机器人未来不是更好的硬件,而是更好的大脑. 具体来说,一个单一的基础模型可以控制任何机器人来执行任何任务. 创立于2023年,由机器人学习最发表和引用的五位研究人员组成,Pi已经组建了可能是最强大的技术团队,以往集中在单一机器人人工智能公司.

该公司的论文是直接的:就像大型语言模型学会在文本任务中概括一样,一个足够大的和训练有素的视觉语言行动 (VLA) 模型可以在机器人体现和操纵任务中概括. 他们的旗舰模型, π0 (Pi Zero),用于动作生成的新型流量匹配架构,并实现了对开放操作和技巧基准的最先进结果.

在2023年获得了7000万美元的种子轮关的时间,这是机器人史上最大的种子轮,这反映了投资者对创始团队的记录而不是任何商业吸引力.随后的增长到400万美元总额,估值为2.8亿美元,进一步证实了被视为基础基础设施投注而不是短期收入游戏.

与大多数机器人公司不同,物理智能没有构建硬件.它们的整个价值提案是模型层"一般主义机器人大脑",它位于人类意图 (自然语言) 和机器人行动 (机动命令) 之间. 这种纯软件方法既是它们最大的强大性 (硬件不知性,无限可扩展性) 也是它们最大的风险 (取决于他们自己不收集的培训数据的质量和可用性).

团队

创始团队

物理智能创始团队是任何创业公司中最强大的机器人学习人才集中.创始人共同撰写了整个领域建立在模拟学习,增强学习,超学习和机器人基础模型的基础论文.

塞尔盖·莱文

联合创始人

伯克利大学教授. 共同撰写SAC (软演员评论),基础 IL/RL论文.

切尔西芬

联合创始人

斯坦福大学教授.创建了MAML (模型-无知性地学习).

卡罗尔·豪斯曼

联合创始人

作为斯坦福/谷歌大脑研究员,他为RT-2,SayCan和其他基础机器人基础模型工作做了重要贡献.

布莱恩·伊赫特

联合创始人

作为谷歌大脑研究员,他先进地设计了语言条件的机器人,并为内蒙古和其他机器人推理工作做出了贡献.

雅斯明·赫苏

联合创始人

谷歌大脑研究员. 在谷歌领导了大型机器人学习数据基础设施,包括对RT-X数据集和Open-X体现的贡献.

技术

技术深度潜水

流量匹配行动生成

Pi0的核心技术创新是使用流量匹配 () 创建模型技术 () 为机器人行动生成.与传统的行动预测方法不同,而出口单点行动预测,流量匹配学习了从噪音到行动分布的连续向量场. 这使得更丰富,更具表达性的行动生成能够更好地捕捉操纵任务的多种模式 (往往有多种有效的方式来抓住一个对象或完成任务).

实际影响很大:流量匹配可以产生更平滑,更自然的机器人运动,并且在存在多个有效解决方案的情况下更好地处理任务.这对于精巧的操纵尤其重要,在有效的抓住配置空间很大,多模式.

跨体体训练

皮0同时训练在多个机器人平台的示范数据上.该模型学习将自然语言任务描述映射到不同机器人实施中的行动序列中. 这种跨体体能力是Pi的"所有机器人都能获得一个模型"论文的核心:而不是为每个机器人训练一个单独的模型,Pi0学习了可通用的操纵技能,这些技能可以跨平台转移.

建筑

Pi0将视觉编码器 (基于ViT),语言模型背骨和与流量匹配的行动解码器集成成成一个端到端可训练的架构.该模型处理多视觉摄像头图像和自然语言任务描述,并输出连续的行动轨迹. 建筑设计是以扩展:基于多元化数据训练的更大的模型始终超过较小的模型,这表明Pi0位于扩展曲线的右侧.

竞争对手:基准表现

来源:公布的基准指标结果,RCSV研究编译

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

资金

资金时间表

资金轮 (M)

来源:Crunchbase,PitchBook,公司公告

2023 种子 (70亿美元)

机器人技术历史上最大的种子轮.由霍斯拉风险投资和卢克斯资本领导.投资者包括杰夫·贝索斯和OpenAI基金.估值为4亿美元.

2024 年 A 系列 (330 亿美元)

大规模一系列公司总额提高到4亿美元,估值为28亿美元.投资者包括繁荣资本,债券和回归的种子投资者.资本部署用于扩大培训基础设施和扩大研究团队.

创始团队:主要研究贡献

来源:谷歌学者,RCSV研究汇编

里程碑

关键的里程碑

2023 年第一季度

公司由莱文,芬,豪斯曼,伊切尔和Hsu创立.

2023 年第二季度

首次由谷歌脑,斯坦福和伯克利大学招募的30名研究人员团队.

2024 年第一季度

果系统的最新结果,多个操纵基准.

2024年第三季度

团队增长到150个,跨体现式演示显示单个模型控制5+机器人平台.

未来的未来

公司宣布首次企业合作. 专用beta中调整API的 pi0与精选机器人公司. 团队达到200人.

其他国家

企业部署伙伴关系扩大.开放型VLA替代品的竞争加剧.

市场地位

市场地位与竞争环境

物理智能在新兴的"机器人基础模型"市场中运营.18个月前几乎没有存在的空间,现在吸引了数十亿的投资.竞争环境是复杂的,因为Pi与其他纯型公司以及硬件公司内部人工智能团队都在竞争.

竞争力

  • 创始团队: 任何一个公司中最强大的出版机器人学习人才集中.
  • 技术领导: π0目前在开放操纵基准上领先.
  • **资本:**400亿美元提供了长途的航线,可以在培训计算和数据收集基础设施上投资,而没有收入压力.
  • **硬件无关性:**纯软件方法意味着Pi可以与任何硬件公司合作,而不会存在竞争冲突.

竞争脆弱性

  • 没有硬件或部署数据: Pi 对于机器人培训数据,依赖于合作伙伴.拥有硬件和数据的公司 (如谷歌DeepMind及其机器人机队) 可能具有结构数据优势.
  • **开放式竞争:**OpenVLA和RDT-1B是免费的开放式.如果开放式模型达到Pi0的90%的性能,愿意为专有模型付费可能会受到限制.
  • **估值压力:**2.8亿美元的估值需要企业大量收入或继续筹集资金,以提高估值.
  • ** 执行风险:** 学术创始人转向商业运营商是一个深度技术领域的确实存在的挑战.

关于RCSV的评估

欧盟委员会评估

总结: 物理智能是注"所有机器人都能使用一个模型"论文是正确的,他们有团队证明这一点. π0目前是最具性能的开放基准VLA. 问题是,专有访问是否创造了足够的价值与开放权重的替代方案,

的技术执行非常出色. π0代表了VLA架构的真正进步,并证明了流量匹配方法在技术上都优越,而且实际上也是有用的.创始团队的研究可信度是无与伦比的,公司吸引了杰出的人才.

战略问题是关于价值捕获.在LLM世界,OpenAI证明了专有模型公司可以建立庞大的业务,但OpenAI在开放权重的竞争对手出现之前有了多年的领先时间.在机器人领域,开放权重的VLA (OpenVLA, RDT-1B) 已经与Pi0在许多任务上具有竞争力. 沟将取决于保持显著且持续的性能优势,这反过来需要一个尚未明确的数据优势.

对于机器人生态系统而言,无论商业结果如何,Pi的存在都是正面的.创始团队的研究都会在任何机构中具有转型;将这些人才集中在一个资金丰富的初创公司中,会加速整个领域.如果"所有机器人一个模型"论文证明是正确的,那么这将是机器人历史中最重要的发展之一.

常见问题

常见的问题

物理智能 (Pi) 是什么?

物理智能是一家位于旧金山的AI机器人公司,由斯坦福和谷歌脑的领先研究人员于2023年创立.该公司构建了一般主义机器人基础模型.该公司设计的AI系统旨在控制任何机器人,使用单个模型架构来完成任何任务. 它们的旗舰产品是 π0,一个视觉语言行动模型,

什么是 π0 (Pi零) 模型?

π0是物理智能的旗舰视觉语言行动模型.它使用流量匹配来生成行动,使单个模型能够控制不同机器人平台在不同任务中. π0在操纵和技巧基准方面取得了最先进的性能,证明了跨体现的通用化.

物理智能已经筹集了多少资金?

物理智能公司总共筹集了大约4亿美元,达到28亿美元的估值.70亿美元的种子轮是机器人史上最大的种子.主要投资者包括杰夫·贝索斯,霍斯拉风险投资,OpenAI基金,繁荣资本和卢克斯资本.

谁创立了物理智能?

物理智能是由塞尔盖·莱文 (UC Berkeley,SAC的共同作者),切尔西·芬 (斯坦福,MAML的创始人),卡罗尔·豪斯曼 (斯坦福/谷歌大脑,RT-2),布莱恩·伊切特 (谷歌大脑,语言条件规划) 和贾斯明·赫苏 (谷歌大脑,大型机器人数据基础设施) 创立的.

物理智能与其他机器人人工智能公司如何相比?

皮通过仅构建AI模型层而区分,而不是结合硬件和软件. π0在开放基准上领先,尽管开放权重替代品 (OpenVLA,RDT-1B) 和专有竞争者 (图像的海利克斯,谷歌深思) 的竞争正在增长. 皮的独特优势是创始团队的深度研究专业知识和流量匹配架构.

进行比较和探索

现在,

公司资料

图表 AI

构建了人类型硬件和自己的Helix VLA模型,

阅读个人资料 →

T1)

公司资料

波士顿动力学

波士顿动力学代表了Pai的学习模型的经典控制方法.

阅读个人资料 →

公司资料

机器人设备

可用的硬件可以用17万台以上的设备运行,

阅读个人资料 →

比较机器人人工智能模型 →

**数据来源:**Crunchbase,PitchBook,物理智能出版物和新闻稿,Google Scholar,RCSV研究分析.市场数据截至2026年4月.基于发表的结果进行基准比较;专有基准访问可能不同.

保持机器人技术的前进

获取最新的机器人部署,公司分析和物理人工智能 到您的收件箱.