貝索斯又給一家AI創(chuàng)企 Physical Intelligence 投資了，一頓操作下來，使其估值狂飆至 24 億美元 。

值得一提的是，這波融資除了貝索斯外，還有風(fēng)險投資公司 Thrive Capital 和 Lux Capital 同時牽頭，OpenAI、Redpoint Ventures、Bond 紛紛跟投。

讓 Robot 疊衣服，一句話的事兒

這個讓一眾大佬紛紛看好的 Physical Intelligence，它的核心產(chǎn)品是一款名為 π0 (pi-zero) 的軟件，這是一個通用的機器人基礎(chǔ)模型，旨在使用戶通過簡單的語言指令控制機器人，類似于與聊天助手互動的方式。

在上周發(fā)布的論文中，Physical Intelligence 還展示了 π0 如何使機器人能夠折疊衣物、清理桌子、壓平盒子的技術(shù)分析等等。

其中，π0機器人控制模型集成了一系列高科技手段，使其能夠靈巧地完成復(fù)雜的任務(wù)。

這個模型首先利用視覺-語言模型來理解圖片和文字中的信息，然后通過一個特殊的動作輸出系統(tǒng)，以很快的速度告訴機器人該如何動作。這種快速、連續(xù)的動作指令對于需要精細操作的任務(wù)非常關(guān)鍵，比如疊衣服或者裝箱子。

π0模型的訓(xùn)練分為兩個階段：預(yù)訓(xùn)練和后訓(xùn)練。

預(yù)訓(xùn)練階段，模型會學(xué)習(xí)大量的數(shù)據(jù)，這樣它就能夠掌握廣泛的技能和適應(yīng)不同的場景。后訓(xùn)練階段，模型會針對特定的任務(wù)進行調(diào)整，以提高其在這些任務(wù)上的表現(xiàn)。

此外，π0還采用了一種叫做流匹配的技術(shù)，這讓它能夠處理連續(xù)的動作，而不是單一的、離散的步驟。這種技術(shù)的應(yīng)用，加上模型的混合專家架構(gòu)，使得π0在預(yù)測動作時更加準確。

總的來說，這些技術(shù)的綜合應(yīng)用讓π0在多種機器人平臺上都能夠展現(xiàn)出色的表現(xiàn)，無論是在預(yù)訓(xùn)練后立即執(zhí)行任務(wù)，還是經(jīng)過特定任務(wù)的微調(diào)后。

網(wǎng)友直呼：我一直相信AI機器人的能力，現(xiàn)在它能幫我洗衣服，我就更喜歡它了！

還有網(wǎng)友化身“賽博乞丐”：給我來一個！

不過也有網(wǎng)友覺得演示中的內(nèi)容在特斯拉的機器人面前有點太小兒科了，不過馬上遭到反駁： 人家只是初創(chuàng)公司！

而這也和 Physical Intelligence 的想法一致，聯(lián)合創(chuàng)始人 Sergey Levine 就曾經(jīng)表示：“據(jù)我們所知，我們正在訓(xùn)練的數(shù)據(jù)量比有史以來制作的任何機器人模型都要大。”

但他還補充道：“它無論如何都不是 ChatGPT，但也許它接近 GPT-1”，表達他們的軟件更接近于 OpenAI 為聊天機器人發(fā)布的首個模型GPT-1，而不是那些更先進的、為 ChatGPT 提供動力的大腦， 暗示他們?nèi)蕴幱谠缙陂_發(fā)階段。

野心勃勃，要做機器人行業(yè)中的「OpenAI」

之所以Physical Intelligence能夠拿到這么大的融資，可能是因為它和OpenAI一樣， 都是企圖從模型與數(shù)據(jù)層面顛覆此前的技術(shù)慣性，或許將Physical Intelligence的π0與OpenAI的ChatGPT進行比較，可以更直觀地理解其創(chuàng)新和潛力。

首先，ChatGPT的精準語義理解能力是其核心優(yōu)勢之一，對于π0而言，這種能力同樣至關(guān)重要。

π0必須具備理解物理世界中的交互指令和上下文的能力，這包括但不限于視覺、語言和觸覺等多種感官輸入。

通過接受大規(guī)模互聯(lián)網(wǎng)視覺-語言預(yù)訓(xùn)練，并結(jié)合豐富的機器人操作數(shù)據(jù)集，π0能夠熟練地執(zhí)行一系列多樣化的任務(wù)。這不僅彰顯了π0在解讀物理世界指令方面的卓越能力，也體現(xiàn)了其在多模態(tài)感知和任務(wù)執(zhí)行上的先進性。

其次，ChatGPT的卓越之處在于其能夠?qū)⒑暧^問題細化為微觀問題，并巧妙地整合答案。

對于π0而言，這表示它必須將復(fù)雜的物理任務(wù)分解成一系列可操作的步驟，并根據(jù)環(huán)境的實時反饋靈活調(diào)整其行動，以確保達成預(yù)定目標。

π0通過在廣泛的機器人操作數(shù)據(jù)集上進行訓(xùn)練，已經(jīng)能夠熟練執(zhí)行從簡單的物體搬運到復(fù)雜的衣物整理等多樣化任務(wù)，這充分展現(xiàn)了其在任務(wù)分解和解決方案構(gòu)建方面的強大能力。

關(guān)于這點，Physical Intelligence 的創(chuàng)始人 Karol 也曾說過：“我們有一個非常通用的方法，它可以利用來自許多不同實施例、許多不同機器人類型的數(shù)據(jù)，并且類似于人們訓(xùn)練語言模型的方式。”

最后，ChatGPT的通用性體現(xiàn)在其能夠?qū)⑷祟愔R遷移至語言交流中。相較之下，Physical Intelligence的通用性則表現(xiàn)在將互聯(lián)網(wǎng)規(guī)模數(shù)據(jù)中學(xué)習(xí)到的深層語義知識，成功應(yīng)用到物理世界的實際操作中。π0繼承了這種從大規(guī)模互聯(lián)網(wǎng)預(yù)訓(xùn)練中獲得的豐富語義知識，并將其有效運用于實時的靈巧機器人控制，從而在知識遷移和通用性方面展現(xiàn)了其非凡的能力。

值得一提的是，Physical Intelligence的一個關(guān)鍵特點是與物理世界的直接交互。與ChatGPT主要處理語言和信息不同，Physical Intelligence需要處理的是物理信號和實際操作，正是這一點可以看出，它的野心是成為機器人行業(yè)中的「OpenAI」。

總的來說，ChatGPT的里程碑在于其對自然語言的理解和生成能力，而Physical Intelligence之所以受到投資人重視，則在于其對物理世界的理解和操作能力。

π0所做的，就是將構(gòu)建語言模型的技術(shù)與控制和指導(dǎo)機器的自有方法相結(jié)合，并通過大量的機器人數(shù)據(jù)訓(xùn)練來實現(xiàn)。為了獲得更多數(shù)據(jù)，該公司使用了在圖像和文本上訓(xùn)練大腦視覺語言模型和從 AI 圖像生成中借鑒的擴散建模技術(shù)。

人均“大咖”的初創(chuàng)公司

Physical Intelligence 成立于 2024 年，至今不到一年時間。它是一家專注于將通用人工智能與物理系統(tǒng)相結(jié)合的機器人初創(chuàng)公司，總部位于加利福尼亞州舊金山。公司的目標是開發(fā)一種能夠應(yīng)用于各種機器人的基礎(chǔ)軟件，使其能夠執(zhí)行復(fù)雜的多步驟任務(wù)，而不再局限于特定的功能。

公司的聯(lián)合創(chuàng)始人兼首席執(zhí)行官 卡羅爾·豪斯曼（Karol Hausman） 曾在谷歌DeepMind擔任機器人科學(xué)家，一直專注于深度學(xué)習(xí)和機器人技術(shù)的應(yīng)用，目前在斯坦福大學(xué)當客座教授。

Karol 在慕尼黑工業(yè)大學(xué)獲得機器人碩士學(xué)位，在南加州大學(xué)獲得計算機科學(xué)博士學(xué)位，研究方向為感知-行動循環(huán)的重新思考，通過交互感知和學(xué)習(xí)表征來提升機器人的智能。自2018年起，擔任谷歌大腦的員工研究科學(xué)家，領(lǐng)導(dǎo)機器人操作團隊，并負責(zé)多個重要項目。2021年至今，擔任斯坦福大學(xué)計算機科學(xué)系的兼職教授，教授深度強化學(xué)習(xí)等課程。同時也在NASA噴氣推進實驗室等多個頂尖研究機構(gòu)擔任過短期訪問研究員。

同時他也在多個國際會議和期刊上發(fā)表了大量論文，涵蓋深度學(xué)習(xí)、機器人操作、交互感知等主題。其論文《Rt-1: Robotics transformer for real-world control at scale》在2022年引起廣泛關(guān)注。

值得一提的是，在談及自家機器人在疊衣服方面的表現(xiàn)時，Karol 還強調(diào)：對于機器人而言，折疊衣物是一項特別困難的任務(wù)，因為它需要對物理世界有更深入的一般性智能，尤其是在處理那些會不斷變化形態(tài)和產(chǎn)生褶皺的柔軟物品時。

他還提到，現(xiàn)有的算法還不夠穩(wěn)定。就像人工智能聊天機器人有時會出現(xiàn)一些“人類怪癖”，例如搖晃 T 恤和短褲，讓它們平整地鋪開。并且這些家庭服務(wù)機器人有時也會突然“崩潰”，然后做出一些令人難以置信的行為：例如它們可能會把雞蛋塞進已經(jīng)裝滿的紙箱，然后強行關(guān)閉紙箱，甚至還有一次，在整理物品時，機器人突然將盒子從桌子上扔了下去...

其他聯(lián)合創(chuàng)始人包括加州大學(xué)伯克利分校的教授謝爾蓋·萊維寧（Sergey Levine），Sergey發(fā)表了多篇具有影響力的論文，其中《Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks》和《Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor》是其代表作，分別被引用超過13738次和9441次。

聯(lián)合創(chuàng)始人 切爾西·芬（Chelsea Finn） ，2019年至今，Chelsea 擔任斯坦福大學(xué)的助理教授，并且享有“William George and Ida Mary Hoover Faculty Fellow”的稱號，她在機器人學(xué)和人工智能領(lǐng)域的研究工作得到了認可和尊重。值得一提的是，在加入斯坦福之前，她曾在 Google Brain 擔任研究科學(xué)家，專注于深度學(xué)習(xí)和機器人學(xué)習(xí)算法的開發(fā)。

聯(lián)合創(chuàng)始人 布萊恩·伊赫特（Brian Ichter） 在斯坦福大學(xué)期間獲得了航空航天與航天工程的碩士以及博士學(xué)位，在攻讀博士學(xué)位期間，他作為研究助理參與了多個項目，開發(fā)了基于GPU的算法，用于運動規(guī)劃和不確定性感知。自2018年11月到2024年3月，Brian 擔任谷歌大腦的研究科學(xué)家，專注于開發(fā)高效的算法和機器學(xué)習(xí)方法，使機器人能夠在復(fù)雜的現(xiàn)實環(huán)境中進行規(guī)劃和操作。

聯(lián)合創(chuàng)始人 拉基·格魯姆（Lachy Groom） ，Lachy于2012年加入 Stripe，成為該公司的第30名員工。在 Stripe 工作期間，他參與了多個關(guān)鍵項目，包括支付產(chǎn)品的開發(fā)和全球擴展。最終擔任了 Stripe Issuing 的負責(zé)人，領(lǐng)導(dǎo)團隊開發(fā)用于創(chuàng)建、分發(fā)和管理實體及虛擬卡片的平臺。在離開 Stripe 后，Lachy 積極參與天使投資，專注于早期階段的創(chuàng)業(yè)公司。他通過自己的投資基金（LGF）支持多個行業(yè)，包括金融科技、氣候科技和消費者互聯(lián)網(wǎng)等。

“彌補遺憾” ？OpenAI跟投兩輪

2024年3月，剛剛成立的 Physical Intelligence 籌集到了 7000 萬美元的種子輪融資 ，這一輪由 Thrive Capital 領(lǐng)投，參與者還包括 Khosla Ventures、Lux Capital、OpenAI 和 Sequoia Capital。其中領(lǐng)投 Thrive Capital 是一家具有強大影響力的風(fēng)險投資公司，通過其專注于互聯(lián)網(wǎng)和軟件領(lǐng)域的投資策略，為許多初創(chuàng)企業(yè)提供了資金支持與戰(zhàn)略指導(dǎo)。

2024年11月，亞馬遜創(chuàng)始人貝索斯又領(lǐng)投了4億美元，至此，短短 8個月 的時間，這家AI創(chuàng)企的估值已經(jīng)飆升至 24億美元 。

值得一提的是，Physical Intelligence 的這兩輪融資中 OpenAI 都有跟投，可見其對這家初創(chuàng)公司寄予厚望，但作為行業(yè)領(lǐng)頭的 OpenAI 為什么不去去自己做機器人，而是轉(zhuǎn)為投資其他公司呢？

這也許是 OpenAI 的一些“遺憾”。

2018年OpenAI推出了Dactyl，一個類人機械手，通過強化學(xué)習(xí)算法實現(xiàn)了對物理物體的靈巧操控。Dactyl能夠在沒有特定編程的情況下，自主學(xué)習(xí)完成各種任務(wù)。

2019年，OpenAI展示了一款單手解魔方的機器人。這款機器人經(jīng)過13000小時的訓(xùn)練，能夠在一定干擾下高效地還原魔方。同年，OpenAI發(fā)布了Roboschool，這是一個用于模擬環(huán)境中控制機器人的開源軟件，旨在為研究者提供一個平臺來測試和開發(fā)強化學(xué)習(xí)算法。

但在兩年后，OpenAI于2021年夏天宣布解散其機器人團隊。

對于解散的原因，OpenAI 聯(lián)合創(chuàng)始人 Wojciech Zaremba 解釋說：機器人研究面臨的數(shù)據(jù)稀缺問題使得研發(fā)受阻。相比之下，其他領(lǐng)域（如自然語言處理）能夠獲得更豐富的數(shù)據(jù)，從而促進更快的進展。并且隨著OpenAI逐漸轉(zhuǎn)向商業(yè)化，其資源和精力更多地集中于大語言模型的開發(fā)，而不是高成本的機器人研發(fā)。因此團隊內(nèi)部出現(xiàn)了對公司方向的不滿和分歧，最終團隊解散。

除此之外，一些分析人士指出，相比于機器人技術(shù)，研究語言模型被認為具有更高的投資回報率和更低的風(fēng)險，這使得OpenAI更傾向于將資源投入到語言模型上。

盡管解散了機器人團隊，OpenAI并未完全放棄其在機器人領(lǐng)域的夢想，近年來，OpenAI 開始投資與其技術(shù)路線相符的初創(chuàng)公司，如人形機器人公司Figure和1X Technologies，以及剛剛跟投的 Physical Intelligence。

具身智能大模型，還有更多

除了 Physical Intelligence，雷峰網(wǎng) (公眾號：雷峰網(wǎng)) 總結(jié)國內(nèi)外還有很多專注于具身智能大模型領(lǐng)域的初創(chuàng)公司。

例如由卡內(nèi)基梅隆大學(xué)的兩位教授 Deepak Pathak 和 Abhinav Gupta 在 2023 年聯(lián)合創(chuàng)立的 Skild AI ，其核心競爭力在于其構(gòu)建的“可擴展的機器人基礎(chǔ)模型”。

這一模型采用了基于Transformer的自適應(yīng)架構(gòu)，通過大規(guī)模數(shù)據(jù)訓(xùn)練，使其能夠適應(yīng)多種機器人形式和任務(wù)。與傳統(tǒng)機器人技術(shù)不同，Skild AI不再局限于特定任務(wù)的數(shù)據(jù)收集，而是追求一種能夠泛化應(yīng)用于多種場景與任務(wù)的通用智能。

而它也在成立不到一年的時間內(nèi)便獲得了3億美元的A輪融資，估值迅速攀升至15億美元，吸引了包括杰夫·貝佐斯、軟銀集團和紅杉資本等知名投資者的關(guān)注。

再例如由 Ivan Poupyrev 在在2023年創(chuàng)建的 Archetype AI ，在種子輪融資中就籌集了1300萬美元，主要投資者包括Venrock、亞馬遜工業(yè)創(chuàng)新基金和日立風(fēng)險投資等。

Archetype AI 的核心技術(shù)是其創(chuàng)新的物理AI模型Newton，這是一個大行為模型（LBM），能夠捕捉人類難以察覺的復(fù)雜和快速變化的隱藏行為模式。Newton模型融合了多模態(tài)傳感器數(shù)據(jù)和自然語言，實現(xiàn)了對物理世界的實時感知與推理。其核心技術(shù)能力包括時間序列理解、多模態(tài)輸出、實時描述和多模態(tài)摘要等，這些能力使得Newton可以廣泛應(yīng)用于安全、城市管理、工程和零售等領(lǐng)域

除此之外還有由Brett Adcock在2022年創(chuàng)辦的 Figure AI ，這家在2024年完成了一輪6750萬美元的融資，公司的估值達到了26億美元。主要投資者包括NVIDIA、微軟、亞馬遜創(chuàng)始人杰夫·貝索斯的Explore Investments基金等。

其核心技術(shù)在于它端到端的神經(jīng)網(wǎng)絡(luò)框架，該框架能夠處理多模態(tài)數(shù)據(jù)并生成語言響應(yīng)和執(zhí)行策略，以及視覺到行動的Transformer網(wǎng)絡(luò)，它直接將視覺信息轉(zhuǎn)換為動作指令。此外，F(xiàn)igure AI還專注于解決雙足機器人的平衡與接觸問題，這些技術(shù)的綜合應(yīng)用推動了人形機器人技術(shù)的發(fā)展，使其能夠執(zhí)行復(fù)雜動作，并在商業(yè)領(lǐng)域得到應(yīng)用。

不光是國外，而國內(nèi)也有不少涉足機器人行業(yè)的初創(chuàng)公司。

例如由前Robotics Learning研究員王潛與北大計算物理博士王昊于2023年12月聯(lián)合創(chuàng)建的 自變量機器人 ，已經(jīng)完成Pre-A與Pre-A+輪融資，總金額達到億元級。投資方包括德聯(lián)資本、基石資本、啟賦資本、南山戰(zhàn)新投，老股東九合創(chuàng)投持續(xù)加注。

其核心技術(shù)是“統(tǒng)一具身智能大模型”，它通過端到端的完全縱向統(tǒng)一和任務(wù)泛化性，使得機器人能夠直接從原始輸入處理到最終動作輸出，無需中間步驟，并能夠跨任務(wù)學(xué)習(xí)通用架構(gòu)，從而實現(xiàn)更廣泛的應(yīng)用和更高的適應(yīng)性。

還有由前珞石機器人聯(lián)合創(chuàng)始人兼CTO韓峰濤與清華大學(xué)交叉信息學(xué)院助理教授高陽于2024年2月聯(lián)合創(chuàng)建的 千尋智能（Spirit AI） ，在成立后的短短幾個月內(nèi)完成了近2億元人民幣的種子輪和天使輪融資，主要由弘暉基金領(lǐng)投，其他投資者包括達晨創(chuàng)投、千乘資本、順為資本和綠洲資本等。

千尋智能的技術(shù)核心在于其全棧的具身智能數(shù)據(jù)利用能力，使其能夠高效地從多種數(shù)據(jù)源中學(xué)習(xí)并應(yīng)用到機器人技術(shù)中。團隊還開發(fā)了EfficientImitate高性能模仿學(xué)習(xí)算法，大幅提升了模仿學(xué)習(xí)的效率和泛化能力。

此外，千尋智能的EfficientZero算法在強化學(xué)習(xí)領(lǐng)域也展現(xiàn)出高樣本效率。在硬件方面，千尋智能擁有強大的機器人運動控制系統(tǒng)和硬件開發(fā)能力，特別是在模型預(yù)測控制、仿生柔順控制、動態(tài)環(huán)境操作等方面積累了深厚的經(jīng)驗。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見 轉(zhuǎn)載須知 。