文章核心观点 - 具身智能领域“通用机器人大脑”赛道正成为全球资本与技术竞争的新焦点，以Physical Intelligence (PI)和Skild AI为代表的公司正通过不同的技术路径（真实世界训练 vs. 大规模仿真）和商业模式（纯软件平台 vs. 垂直场景切入）竞逐未来主导权 [2][5][9][17][18][21] - 中国创新力量如千诀科技等公司正在快速崛起，其技术路线和平台化战略与PI高度对齐，标志着围绕机器人“大脑”的全球竞赛已拉开帷幕 [9][21][22] - 行业当前存在“大脑”（高级认知）与“小脑”（运动控制）发展不均衡、“数据与硬件耦合度”以及“软硬一体”与“纯大脑”平台化路线的核心争论，2025年被视为人形机器人从“演示价值”走向“实用价值”的关键分水岭 [29][30][25][26][35] Physical Intelligence (PI) 公司概况 - 融资与估值：公司在最新一轮（A轮）融资中获6亿美元，估值从20亿美元跃升至56亿美元（约396亿元人民币），成为赛道估值最高的玩家 [2] - 投资方：本轮由Alphabet旗下CapitalG领投，现有投资者Lux Capital、Thrive Capital、杰夫·贝索斯加码，新晋投资方Index Ventures与T. Rowe Price参与，OpenAI也是其早期投资者 [2][3] - 团队背景：组建了来自Google DeepMind、加州大学伯克利分校、谷歌、特斯拉、斯坦福大学等机构的“全明星团队”，学术与产业深度融合 [4] - 技术路线：坚持“软件先行”和“真实世界训练”策略，旨在打造不依赖特定硬件的“通用机器人大脑”，让一个模型控制不同机器人本体成为可能 [5][17] - 核心理念：提出“世界多样性被高估了”，认为实现通用智能需要精心挑选的、高质量的真实操作数据，而非无限多样的数据 [19] - 最新成果：发布新一代机器人基础模型π*0.6，引入RECAP训练方法，在制作咖啡、折叠衣物、组装纸箱等复杂任务中成功率突破90% [6][8] - 商业模式：坚守平台化梦想，致力于成为纯粹的“机器人大脑”供应商，赋能各种机器人硬件，模式类似机器人领域的“OpenAI”或“Android系统” [21][34] Skild AI 公司概况 - 融资与估值：在两年内完成三轮融资总额超4亿美元，估值从2024年7月A轮的15亿美元跃升至2025年6月的45亿美元（约318亿元人民币），一年内翻了三倍 [13] - 投资方：投资方阵容包括软银集团、贝佐斯、红杉资本、光速创投、Coatue、英伟达、三星以及卡内基梅隆大学等 [14][15] - 技术路线：全力构建超大规模仿真训练场，已完成“相当于一千年”的机器人仿真训练，相信规模定律适用于机器人学习 [18][19] - 能力展示：展示了出色的抗损伤与自主恢复能力，在腿部关节严重受损后能快速调整步态继续任务 [20] - 商业模式：选择从垂直场景突破的务实路线，已明确将工业安防和巡检机器人作为首个商业化落地点，追求快速产生收入 [21] 中国代表公司：千诀科技 - 公司定位：国内少数几家只专注于研发通用“机器人大脑”的公司，由清华自动化系类脑中心孵化，旨在打造能跨形态、跨环境、跨任务部署的通用机器人大模型 [22] - 技术路线：技术上对标PI核心成员Sergey Levine的研究，坚持独特的“类脑分区”路线，模仿人脑功能区协同工作以实现长时程自主工作能力 [22] - 商业模式：与PI一致，通过打造“脑坞”等端侧计算方案为硬件厂商提供大脑能力，自身不制造机器人本体，商业化路径清晰：先家庭，后服务，最后进入工厂 [22] - 商业进展：其具身大脑已在家庭服务、物流配送、商业运营等多个场景运行，与7类不同形态的具身机器人公司达成商务合作 [22][23] - 融资情况：已完成多轮融资，投资方包括钧山投资、祥峰投资、德同资本、英诺天使基金、水木清华校友种子基金等 [23] 行业技术路线与争论 - 软硬一体 vs. 纯大脑平台： - 软硬一体派（如特斯拉、Figure AI）：认为为特定机械结构优化的控制模型具有高度专属性，“数据跟着本体走”，自研大脑和本体是保证性能与打造壁垒的务实选择 [25][26] - 纯大脑平台派（如PI、千诀科技）：押注通用平台价值，致力于打造可跨本体通用的机器人大脑，模式类似“Android系统” [21][34] - 数据来源与训练方法之争： - 真实世界训练（PI）：认为必须在真实物理环境中学习和验证，注重数据质量和有效性 [17][19] - 大规模仿真训练（Skild AI）：通过仿真整合海量数据，让机器人在短时间内经历数百万次失败学习 [18][19] - 视频数据预训练（智源研究院思路）：认为通过观看海量互联网视频可先建立对物理世界的通用理解，再适配不同机器人本体 [27] - “大脑”与“小脑”发展现状：行业面临“小脑”（运动控制）相对成熟，但“大脑”（高级认知）发展滞后的困境，导致许多机器人硬件能力强但智能水平低 [29][30] - 主流技术架构：“大小脑”分层架构成为当前主流折中方案，即“大脑”负责认知规划（追求通用化），“小脑”负责运动控制（与硬件结合紧密） [33] - 前沿探索方向：如“具身神经智能”概念，旨在用一个统一模型处理感知、认知和运动控制，模仿人类“全脑”工作方式，从根本上解决协同难题 [33] 行业生态与竞争格局 - 全球主要玩家：除PI和Skild AI外，中国公司如千诀科技、智平方、自变量机器人等也在快速崛起，构成全球竞争格局 [9][37] - 商业化路径差异：短期看，从垂直工业场景切入（如Skild AI）可能更快产生收入；长期看，通用平台模式（如PI）若走通则想象空间更大 [21] - 发展关键节点：随着硬件成本快速突破和大模型技术加速渗透，2025年被视为人形机器人从“演示价值”走向“实用价值”的关键分水岭 [35] - 竞争核心：谁能更快破解数据与机器人本体之间的耦合难题，谁就能在智能体进化竞赛中占据先机 [36]