机器人 AI 领域或正迎来类似大语言模型的能力跃迁时刻。

总部位于旧金山的机器人初创公司 Physical Intelligence 周四发布最新研究，称其新模型 π 0.7 能够指挥机器人完成从未经过专项训练的任务——这一能力甚至令公司自身研究人员感到意外。

该公司联合创始人、加州大学伯克利分校教授 Sergey Levine 表示，这标志着机器人 AI 正在从 " 死记硬背 " 走向 " 举一反三 "，其能力提升速度将超越训练数据规模的线性增长。

这一突破若得到外部验证，将对机器人行业的商业化路径产生深远影响——机器人有望在无需额外数据采集或模型重训练的前提下，被部署至全新环境并实时优化。与此同时，据报道 Physical Intelligence 正就新一轮融资进行洽谈，估值或从 56 亿美元接近翻倍至 110 亿美元。

核心突破：从 " 专项记忆 " 到 " 组合泛化 "

Physical Intelligence 成立仅两年，此次发布的 π 0.7 模型所展示的核心能力被研究人员称为 " 组合泛化 "（compositional generalization）——即将在不同场景下习得的技能加以组合，从而解决模型从未遇到过的新问题。

这与此前机器人训练的主流范式截然不同。过去的标准做法本质上是 " 死记硬背 "：针对每一项具体任务收集数据、训练专项模型，再对下一项任务重复这一流程。π 0.7 打破了这一模式。

Levine 将这一转变类比于大语言模型领域曾出现的能力跃迁：" 一旦跨越那个临界点，从只能完成有数据支撑的任务，转变为能够以新方式重新组合技能，能力提升的速度就会超过数据量增长的线性比例。这种更有利的扩展特性，我们此前已在语言和视觉领域观察到过。"

关键演示：空气炸锅实验揭示 " 知识涌现 "

此次研究中最具说服力的演示，来自一台模型几乎从未在训练中见过的空气炸锅。研究团队事后排查发现，整个训练数据集中仅有两条相关记录：一条是另一台机器人将空气炸锅推关，另一条来自开源数据集，记录了一台机器人按指令将塑料瓶放入其中。

然而，π 0.7 将这两段碎片化信息与更广泛的网络预训练数据加以整合，形成了对该设备运作方式的功能性理解。在零提示的情况下，模型尝试用空气炸锅烹饪红薯，取得了基本可接受的结果；在获得逐步语言指引后，任务执行成功。

Physical Intelligence 研究员、斯坦福大学计算机科学博士生 Lucy Shi 描述了一个早期实验的戏剧性转变：初始成功率仅为 5%，但在花费约半小时优化对任务的描述方式后，成功率跃升至 95%。" 有时候失败不在机器人，也不在模型，而在于我们自己——提示词工程做得不够好，" 她说。

研究科学家 Ashwin Balakrishna 则表示，过去他总能根据训练数据预判模型的能力边界，" 但过去几个月是我第一次真正感到惊讶。我随手买了一套齿轮，问机器人能不能转动它，它就直接做到了。"

局限性：研究人员主动划定边界

研究团队对模型的局限性保持坦诚。π 0.7 目前尚无法从单一高层指令出发，自主完成复杂的多步骤任务。" 你不能对它说 ' 去给我做片吐司 '，"Levine 说，" 但如果你一步步引导它—— ' 对于烤面包机，打开这个部分，按那个按钮，做这个 ' ——它通常能做得很好。"

此外，机器人领域目前缺乏标准化基准测试，使得外部验证存在相当难度。Physical Intelligence 选择将 π 0.7 与自家此前的专项模型进行对比，结果显示这一通用模型在制作咖啡、折叠衣物、组装箱子等复杂任务上达到了专项模型的水准。

论文本身在措辞上也保持审慎，将 π 0.7 描述为展现出泛化能力的 " 早期迹象 " 和 " 初步演示 "。当被直接追问基于上述研究的系统何时能够实际部署时，Levine 拒绝给出预测：" 我认为有充分理由保持乐观，进展速度也比我两年前预期的要快。但这个问题我很难回答。"

资本押注：估值或翻倍至 110 亿美元

Physical Intelligence 迄今已累计融资逾 10 亿美元，最新估值为 56 亿美元。据报道，该公司目前正就新一轮融资进行洽谈，估值或接近翻倍至 110 亿美元。

投资者对这家公司的热情，在相当程度上源于联合创始人 Lachy Groom 的背书。Groom 此前是硅谷最受认可的天使投资人之一，曾投资 Figma、Notion 和 Ramp 等知名公司，在决定联合创立 Physical Intelligence 之前，他将其视为自己一直在寻找的那家公司。这一背景帮助这家初创公司吸引到了机构资金，尽管公司始终拒绝向投资者提供商业化时间表。

Levine 在谈及外界可能的质疑时，主动预判了批评方向：" 针对任何机器人泛化演示，永远可以提出的批评是——任务太无聊了，机器人又没在做后空翻。" 他对此提出反驳：真正能够泛化的机器人系统，看起来永远不如精心编排的特技演示那般震撼，但其实用价值要高得多。