估值14.5亿美元热潮背后:前英伟达投资... Features
据TechCrunch 10月20日报道,前英伟达员工、现风险投资人阿穆利亚·维什瓦纳特(Amulya Vishwanath)在TechCrunch旗下播客Equity访谈中抛出一个判断:物理AI正处于"乐高时代",机器人行业正在等待属于自己的"ChatGPT时刻"。与此同时,具身智能赛道在资本市场掀起新一轮热潮,多家初创公司估值接连突破10亿美元。
票房破亿什么是"物理AI的乐高时代"?
维什瓦纳特将当下物理AI的发展阶段比作乐高积木:硬件组件、软件框架和数据管道正在以标准化、模块化的方式拼装。她在访谈中指出,过去机器人开发需要从零定制每一个部件,而今天,开发者可以像搭积木一样组合现成的机械臂、传感器和AI模型。据TechCrunch报道,这种模块化大幅降低了创业门槛,使更多团队能够快速搭建原型并投入测试。"物理AI正处于它的乐高时代,"维什瓦纳特在节目中坦言,"这意味着创新将以拼装的速度发生,而不是以制造的速度。"这一判断与市场上涌现的机器人即服务模式形成呼应,底层硬件日趋同质化,差异化竞争正在向软件和模型层面转移。
电影评分从英伟达到风险投资:一个见证者的转型
维什瓦纳特曾在英伟达任职,亲历了GPU从图形芯片演变为AI算力基础设施的全过程。离开英伟达后,她转型为风险投资人,专注于AI与机器人赛道的早期投资。她在播客中回顾这段经历时表示,物理AI正在重复英伟达当年走过的曲线。"就像我们在英伟达看到的那样,硬件平台的成熟往往会催生下一波软件创新,"她表示,"英伟达用GPU统一了数字AI的算力底座,而现在,机器人领域也需要类似的标准化平台。"据TechCrunch报道,她目前关注的投资标的集中在机器人操作系统、仿真环境和数据采集工具等基础设施层,而非单一的整机厂商。
电影口碑机器人的"ChatGPT时刻"为何迟迟未到?
维什瓦纳特在访谈中反复提及"ChatGPT时刻"这一概念。她认为,大语言模型在2022年底引爆了数字AI的浪潮,但机器人领域至今没有出现同等规模的杀手级应用。"这是所有人都在等待的时刻——机器人的ChatGPT时刻,"她对TechCrunch解释说。她指出,数字AI爆发得益于互联网上海量的文本数据,而物理AI缺乏同等规模的高质量交互数据。仿真环境、遥操作和专用数据引擎正在弥补这一缺口,但距离真正的通用机器人智能仍有相当距离。维什瓦纳特预计,未来2至3年内,能够在单一垂直场景中稳定工作的专业机器人将率先实现商业化落地。
资本用真金白银投票:10月的密集融资潮
就在维什瓦纳特发表上述观点的同一天,多家物理AI相关公司传出融资消息。据TechCrunch 10月20日报道,Eka Robotics凭借一个让专家赞叹的物理AI模型,估值达到14.5亿美元;SpaceX校友创办的Reliable Robotics同日宣布完成1.15亿美元D轮延期融资,另获2500万美元债务额度,估值突破10亿美元。彭博社援引PitchBook的数据指出,2026年前三季度,全球具身智能赛道融资总额已超过90亿美元,同比增长逾60%。路透社在报道中确认,多家机构投资者正将资金从纯软件大模型转向具备硬件落地能力的团队。以下是近期代表性融资案例:
| 公司 | 融资金额 | 估值 | 核心方向 | 报道日期 |
|---|
| --- | --- | --- | --- | --- |
|---|
| Eka Robotics | 未披露(新一轮融资) | 14.5亿美元 | 机械臂物理AI模型 | 2026年10月20日 |
|---|
| Reliable Robotics | 1.15亿美元股权+2500万美元债务 | 超10亿美元 | 自主飞行系统 | 2026年10月20日 |
|---|
| Laplace Intelligence | 未披露 | 未披露 | 机器人/自动驾驶红队测试 | 2026年10月19日 |
|---|
乐高时代的基础设施:仿真、数据与红队测试
在维什瓦纳特看来,乐高时代的竞争不在于单个机器人有多聪明,而在于整个"积木箱"有多丰富。据TechCrunch报道,密歇根大学孵化的Laplace Intelligence正用AI智能体和交互式仿真,在机器人和自动驾驶汽车进入现实世界之前对它们进行压力测试。这类红队测试公司正成为物理AI基础设施的关键一环。维什瓦纳特特别强调数据采集的重要性,她认为,如果没有海量、高质量的操作数据,再先进的硬件也无法产生通用智能。她提醒创业者,标准化并不意味着同质化,真正稀缺的是可泛化的决策模型和跨场景的迁移能力。
数据鸿沟与硬件成本:两座待越的大山
尽管融资火热,物理AI的落地挑战依然严峻。维什瓦纳特指出,硬件成本虽在下降,但高端传感器与精密执行器依然昂贵,单台人形机器人的物料成本动辄数十万元人民币。数据鸿沟更是核心瓶颈:物理世界的数据采集速度比互联网文本抓取慢几个数量级,且缺乏统一的数据格式标准。据TechCrunch报道,部分头部公司已开始自建数据采集工厂,通过数百台机器人并行作业积累操作数据,但这套打法对创业公司的资金链构成巨大考验。维什瓦纳特建议,创业者在选择切入点时,应优先考虑数据易于获取、任务边界清晰的垂直场景。
Q1: 什么是物理AI的"乐高时代"?
A1: 维什瓦纳特用"乐高时代"形容物理AI当前的发展阶段:硬件、软件和数据组件正在标准化与模块化,开发者可以像搭积木一样组合机械臂、传感器和AI模型,而不必从零定制。这一阶段的特点是创新速度快、创业门槛降低,但也意味着通用机器人尚未成熟。
Q2: 机器人的"ChatGPT时刻"何时到来?
A2: 维什瓦纳特表示,这是所有人都在等待的时刻,但她并未给出确切时间表。她强调,物理AI缺乏类似互联网文本的海量训练数据,仿真、遥操作和数据引擎是弥补数据鸿沟的关键。业界普遍预计,垂直场景的专业机器人将先于通用人形机器人迎来商业化突破,时间窗口可能在2至3年内。
从英伟达走出的维什瓦纳特,将物理AI定义为可以快速拼装的乐高时代。随着Eka Robotics、Reliable Robotics等公司估值接连飙升,资本已用真金白银投票。物理AI能否迎来自己的ChatGPT时刻,取决于数据、硬件与场景的进一步磨合。2026年,这场变革才刚刚开始。
