Physical Intelligence

据MEKAWIRE核实数据，2025年1月以来人形机器人与具身智能领域最大一笔融资是软银领投的Skild AI 14亿美元C轮，其次是Parkway Venture Capital领投的Figure AI 10亿美元C轮，两笔合计占22笔披露金额融资总额58.59亿美元的41%。2025年人形机器人整机企业拿走披露资金的70%，2026年以来机器人基础模型开发商拿走71%。中国企业同期8笔已核实融资中仅众擎机器人一笔披露美元金额。

VLA(视觉-语言-动作)模型是一种把摄像头画面和自然语言指令一并读入、直接输出机器人下一步电机指令的单一神经网络,做法是在能看懂图像的视觉语言模型上再用机器人示范数据训练。谷歌DeepMind、Physical Intelligence、英伟达、Figure AI与Skild AI处于前列,智元机器人代表中国阵营,竞争焦点正从模型结构转向动作数据的获取成本。

生成式视频公司Runway于2026年9月30日发布Praxis-1，这是一款把大规模视频预训练转化为真实机器人控制的开放权重世界动作模型。Noble Machines、Standard Bots和Ultra正在双臂、六轴机械臂和移动底盘上进行早期测试，权重将在未来几个月公开。

利用游戏剪辑平台Medal上带操作标注的视频训练AI模型的美国公司General Intuition于2026年9月29日宣布，以62亿美元估值融资2.2亿美元，投资方包括Khosla Ventures和General Catalyst。该估值是其96天前A轮披露的23亿美元的2.7倍。公司同时向机器人、仿真和游戏领域合作方开放候补申请。

美国人形机器人公司Figure AI于9月17日发布研究文章称，新模型Helix 2.5在旧金山湾区30个从未采集过数据的家庭中完成了整理客厅、叠毛巾和铺床三项全身家务，所用玩具、毛巾和床品均未出现在训练数据中。在只有完整完成任务才算成功的盲测中，基于公司人类行为数据集Index预训练的策略成功率为56%，而同等条件下从零训练的策略仅为9%。公司称，Helix 2.5达到与Helix 02相同成功率所需的任务数据减少一半。Figure还报告了所谓首个人类到人形机器人迁移的规模定律：在8倍数据范围内，测试损失随Index数据增加而可预测地下降，最大一轮训练的结果可提前预测到小数点后四位。公司表示Index目前每秒新增约35分钟的人类经验数据，并已为Helix训练锁定35亿美元算力。MEKAWIRE数据显示，Figure最近一次披露的融资为2025年9月10亿美元C轮，投后估值390亿美元，约为Skild AI在2026年1月140亿美元估值的近三倍。

机器人基础模型公司Skild AI于9月10日表示，首次商业部署十个月后年化经常性收入（ARR）突破1亿美元，付费客户超过60家。此前8月18日发布的S1模型据称无需重新训练，仅凭一段视频示范即可完成新任务。

美国Generalist AI于2026年8月19日发布GEN-1.5，称只需把一段3至12秒演示放进上下文，即可在10项任务上取得59%的平均成功率，用约5分钟数据训练10步后升至83%。公司称该能力在八个多月预训练中自然出现，但承认任务简单、技能脆弱，也未披露客户。

谷歌DeepMind于7月30日发布Gemini Robotics 2模型家族，包含全身控制动作模型、高层具身推理模型和端侧模型三款。推理模型ER 2已通过Gemini API和Google AI Studio向开发者开放，动作模型仍仅限早期合作伙伴和受信测试者使用。

2026年1月从丰田研究院（TRI）拆分的美国Walden Robotics于7月15日公开亮相，宣布完成由丰田和Deviation Capital共同领投的3亿美元种子轮融资，估值11亿美元。公司称其由大型行为模型驱动的机器人自2月起在丰田北美工厂投入生产，7月28日又宣布与三星SDS开展制造业合作。

Hugging Face于7月7日发布开源机器人学习库LeRobot 0.6.0，新增3个世界模型策略、5个视觉语言动作模型（含英伟达GR00T N1.7）、2个奖励模型和6个仿真基准。英伟达前一天宣布，将GR00T、Isaac Teleop、Isaac Lab-Arena和Jetson Thor支持引入LeRobot，Cosmos 3也即将接入。

韩国产业通商部5月29日公布M.AX联盟AI机器人分会成立一年成果：成员约280家，正与HD现代重工、SK能源和BGF推进行业专用人形机器人示范。部门还介绍了本土机器人基础模型、时速13公里的人形机器人下肢平台，以及设有人形机器人强制投资比例、目标5000亿韩元的专项基金。

德国斯图加特机器人AI公司Sereact于2026年4月27日宣布完成由Headline领投的1.1亿美元B轮融资，称其系统已完成逾10亿次生产拣选，约每5.3万次仅需1次远程介入。资金用于结合世界模型的Cortex 2.0及波士顿首个美国办公室；7月Zalando加入，B轮增至1.16亿美元。

据2026年4月22日发表在《自然》杂志的论文，索尼AI的自主乒乓球系统Ace在2025年4月的比赛中对精英选手五战三胜，对两名日本T联赛职业选手全部落败。系统结合索尼半导体解决方案公司的事件视觉传感器、八自由度机械臂和在仿真中训练的强化学习策略，球体定位平均延迟为10.2毫秒。

丰田研究院（TRI）、康奈尔大学和麻省理工学院的82位作者于2026年4月15日在《Science Robotics》发表论文称，基于扩散策略的多任务“大型行为模型”在盲法随机试验中成功率和鲁棒性均优于单任务基线，学习新任务所需的数据也少得多。预印本显示，研究使用了覆盖500多项任务、约1700小时的机器人示范数据，并进行了1800次受控真机试验。

机器人基础模型公司Skild AI于2026年4月15日宣布收购斑马技术（Zebra Technologies）的机器人业务部门，即原Fetch Robotics。斑马技术提交美国证交会的季报显示，交易已于3月27日完成，总对价2000万美元，由现金、托管款和Skild AI少数股权构成，而斑马技术2021年收购Fetch时确认的对价为3.01亿美元。

谷歌DeepMind于2026年4月14日发布基于Gemini 3.0 Flash的具身推理模型Gemini Robotics-ER 1.6，并通过Gemini API和Google AI Studio开放预览。DeepMind称该模型读取工业仪表的成功率为86%，启用放大与代码执行的"智能体视觉"后达93%，而上一代ER 1.5仅为23%。波士顿动力已将这一能力用于Spot机器狗的设施巡检。

Generalist AI于2026年4月2日发布具身基础模型GEN-1，预训练数据为50万小时以上、由人佩戴可穿戴设备采集的物理交互数据，不含机器人数据。公司称，在前代模型平均成功率64%的任务上，GEN-1平均达到99%，每项任务约需1小时机器人数据，作业速度约为此前最佳水平的3倍。上述结果均为公司自测，尚无独立复现。

慕尼黑的思灵机器人2026年3月24日宣布与谷歌DeepMind建立战略研究合作，把Gemini Robotics基础模型集成到其硬件中，首先面向制造业场景。这家称已安装逾2万套机器人解决方案的德国企业，继波士顿动力和Apptronik之后加入谷歌阵营。双方未披露财务条款。

英伟达于2026年3月16日GTC主题演讲中预览基于DreamZero研究的新一代机器人基础模型GR00T N2，称其在新环境新任务中的成功率是领先VLA模型的两倍以上。30亿参数的GR00T N1.7进入商业许可抢先体验，DreamZero的主要实验平台为智元G1。N2计划于2026年底前推出。

由Rivian首席执行官RJ Scaringe创立并领导的工业AI机器人公司Mind Robotics于2026年3月11日宣布完成5亿美元A轮融资，由Accel与Andreessen Horowitz联合领投，距1.15亿美元种子轮仅约四个月。Rivian在季度报告中披露，公司于3月将其出表，按A轮优先股发行价将剩余37.6%股权重估为约5.69亿美元，并确认5.06亿美元收益。按MEKAWIRE测算，对应股权价值约15.1亿美元。

美国帕洛阿尔托初创公司Rhoda AI于2026年3月10日公开亮相，宣布完成4.5亿美元A轮融资，投资方包括Khosla Ventures、Mayfield、淡马锡等9家机构以及John Doerr。其Direct Video Action模型先预测任务视频再转化为机器人动作，公司称部分新任务只需10小时遥操作数据。领投方、估值和客户均未披露。

美国机器人AI初创公司Physical Intelligence于2026年2月24日公开其商业构想：将通用机器人模型作为现成的“物理智能层”供其他机器人企业调用，类似开发者通过API调用大语言模型。公司披露家用机器人企业Weave和仓储机器人企业Ultra为合作伙伴，称一个完整打包班次自主率达96.4%，叠衣人工干预减少50%，但未公布价格和接入条款。

美国人形机器人公司Figure AI于2026年1月27日发布机器人基础模型Helix 02，从摄像头画面和指尖触觉一直到1kHz的关节指令全部由学习系统完成。公司称，一个1000万参数的学习型控制器取代了109504行手写C++代码，Figure 03在完整厨房中连续4分钟、61个动作完成洗碗机卸载与装载，全程无重置、无遥操作。

微软研究院于2026年1月21日发布其首个机器人模型Rho-alpha。该模型源自Phi系列视觉语言模型，部分训练数据由在Azure上运行的英伟达Isaac Sim生成。模型先通过研究早期访问计划开放，之后将上线Microsoft Foundry，时间未定。

美国机器人基础模型公司Skild AI于2026年1月14日宣布完成14亿美元C轮融资，由软银集团领投，公司估值超过140亿美元。英伟达旗下风投NVentures、麦格理资本和贝索斯探险基金参投，LG、施耐德电气等产业资本首次入局。公司称其2025年营收在数月内从零增至约3000万美元。

美国1X Technologies于2026年1月12日宣布，其家用人形机器人NEO改由“1X世界模型”驱动。该模型以140亿参数视频生成模型为核心，先“想象”任务画面，再由逆动力学模型转换为关节指令。模型用900小时第一人称人类视频做中期训练，NEO自身数据仅用70小时微调，但公司自测中倒麦片等精细任务成功率为零。

据投资方披露，机器人基础模型公司Physical Intelligence完成6亿美元B轮融资，估值56亿美元，由Alphabet旗下独立成长基金CapitalG领投。融资确认前三天，公司发布了π*0.6模型，称经真实机器人强化学习后，高难度任务吞吐量提升一倍以上。

美国机器人AI初创公司Generalist AI于2025年11月4日发布具身基础模型GEN-0。公司称在70亿参数处观察到能力相变,模型已扩展至100亿参数以上,预训练数据超过27万小时并以每周逾1万小时的速度增长。相关结果以公司博客形式发布,未经同行评审。

谷歌DeepMind于2025年9月25日发布视觉语言动作模型Gemini Robotics 1.5和具身推理模型Gemini Robotics-ER 1.5。前者在行动前以自然语言推理，并可在不同机器人本体之间迁移技能；后者当天即以预览版形式通过Gemini API向开发者开放。技术报告显示，由ER 1.5担任调度模型时，长程任务的子任务总失败率为22%，而由通用模型Gemini 2.5 Flash调度时为44.5%。

美国机器人基础模型公司Dyna Robotics于2025年9月15日宣布完成1.2亿美元A轮融资，由Robostrategy、CRV和First Round Capital联合领投，距其2350万美元种子轮仅约六个月。公司未披露估值，称其DYNA-1模型已在酒店、餐厅、洗衣房和健身房付费部署，单台每天最多运行16小时。

英伟达于2025年8月25日宣布基于Blackwell架构的Jetson AGX Thor开发者套件和Jetson T5000量产模组全面上市，开发者套件起售价3499美元，配备128GB内存，AI算力为上一代Jetson Orin的7.5倍。Figure、Agility Robotics、波士顿动力和亚马逊机器人等8家企业被列为早期采用者，1X、OpenAI和Physical Intelligence正在评估。

波士顿动力与TRI展示了由单一大行为模型同时控制行走与操作的Atlas人形机器人。这一4.5亿参数模型以30Hz运行，通过VR遥操作数据学习新动作，无需编写新代码。双方未披露成功率和数据规模。

总部位于美国加州尔湾的机器人自主软件公司FieldAI于2025年8月20日宣布，通过连续两轮融资共筹得4.05亿美元，投资方包括贝索斯探险基金、必和必拓旗下BHP Ventures、英特尔资本、Khosla Ventures、英伟达旗下NVentures和淡马锡。公司未披露估值，称其Field基础模型已在日本、欧洲和美国的工业现场运行于四足机器人、人形机器人、轮式机器人和乘用车级车辆。

Skild AI于2025年7月29日公布机器人基础模型Skild Brain，采用以仿真和互联网视频预训练的分层架构，称可在四足机器人、人形机器人、桌面机械臂和移动操作机器人上运行。发布未披露客户与价格，但确立了跨本体路线，此后公司估值升至140亿美元以上，ARR突破1亿美元。

总部位于巴黎和帕洛阿尔托的物理AI实验室Genesis AI于2025年7月1日结束隐身状态，宣布获得1.05亿美元融资，由Eclipse与Khosla Ventures联合领投，法国公共投资银行Bpifrance、HSG、Eric Schmidt和Xavier Niel跟投。公司后来将该轮定性为种子轮，计划依托融合自研物理仿真、生成式模型与真实机器人数据的数据引擎，开发通用机器人基础模型，估值未披露。

谷歌DeepMind于2025年6月24日发布Gemini Robotics On-Device，这是一款可在机器人本地离线运行的视觉语言动作（VLA）模型，也是DeepMind首个向外部开发者开放微调的VLA模型。该模型通过面向受信测试者的Gemini Robotics SDK提供，DeepMind称已将其迁移至Franka FR3双臂机器人和Apptronik的Apollo人形机器人。

美国机器人AI初创公司Physical Intelligence于2025年4月22日发布视觉语言动作（VLA）模型π0.5。该模型驱动移动操作机器人在3个未纳入训练集的真实家庭中完成10至15分钟的整屋清洁，公司称跨机器人、网络数据与语音指导的混合共训练是泛化能力的关键。

英伟达于2025年3月18日在Hugging Face和GitHub开放下载人形机器人视觉语言动作模型Isaac GR00T N1，并将1X、Agility Robotics、波士顿动力、Mentee Robotics和NEURA Robotics列为首批早期合作伙伴。根据英伟达技术报告，模型的真实机器人数据来自傅利叶GR-1遥操作和智元AgiBot-Alpha数据集。英伟达同时发布与谷歌DeepMind、迪士尼研究院共同开发的开源物理引擎Newton、合成操作数据蓝图和15TB开放数据集。

谷歌DeepMind于2025年3月12日发布基于Gemini 2.0的视觉语言动作(VLA)模型Gemini Robotics,以及面向机器人厂商的空间推理模型Gemini Robotics-ER。公司称,VLA模型在泛化基准上的表现是其他领先模型的两倍以上,并宣布与美国人形机器人公司Apptronik合作,ER模型则先向波士顿动力、Agility Robotics等四家受信任测试方开放。

美国人形机器人公司Figure AI于2025年2月20日发布视觉语言动作（VLA）模型Helix。该模型将运行频率7至9赫兹的70亿参数视觉语言模型与运行频率200赫兹的8000万参数控制策略相结合，控制上半身35个自由度。公司称，Helix仅用约500小时遥操作数据训练，并完全在机器人内置的两颗低功耗嵌入式GPU上运行。