扫描下载APP
其它方式登录
Physical Intelligence联合创始人谢尔盖·莱文指出，机器人发展的最大瓶颈是高质量物理交互数据的闭环获取，而非算力或算法；PI聚焦构建通用物理世界基础大模型（如π系列），通过融合互联网预训练常识与真实机器人交互数据，实现跨硬件形态的任务泛化与零样本操作；强调‘人工接管+强化学习’的渐进式落地路径及横向平台模式的产业必然性。
文章探讨AI递归自我改进（RSI）面临的核心挑战：AI在自主记忆和修改底层机制过程中易陷入错误积累与验证失效，导致自我污染。提出关键解决方案——将验证权与叫停权置于AI运行循环之外，通过外部门控、独立测试集、人类可触发的暂停/回滚机制等，确保AI进化过程的安全可控与人类监督的有效性。
文章对比中美资本对具身智能领域的不同投资逻辑：美国资本以平台思维高估值押注通用机器人大脑（如Physical Intelligence），容忍零营收，对标OpenAI模式；中国资本则强调商业化落地，要求企业具备订单、产线和客户复购等硬指标，推动技术快速融入制造业供应链。
文章对比分析宇树科技与Physical Intelligence两家机器人企业估值与商业化现实的严重背离：宇树虽已实现营收和盈利，但2679亿元市值对应超100倍市销率和500倍市盈率；Physical Intelligence成立两年零收入，估值却冲刺200亿美元。资本市场正从盲目追捧转向审慎评估具身智能企业的商业模式、收入可持续性及估值合理性。
美国机器人AI公司Physical Intelligence成立两年多，尚未产生公开营收，估值已飙升至200亿美元（约1400亿元人民币），核心驱动力是其三位顶尖高校教授领衔研发的通用机器人基础模型π系列，旨在让机器人理解物理世界并跨场景执行复杂任务；文章对比同行Skild AI的商业化进展，指出模型泛化能力、硬件适配性与真实产线稳定性仍是商业化关键瓶颈。
奥特曼在访谈中透露OpenAI一款代号为「Hold-my-beer」的新模型，在数学、物理等多领域攻克长期未解难题（如Navier-Stokes方程），引发其连续两晚失眠；他提出AI自主研发（RSI）、智能体团队协同、机器人建造芯片与数据中心等颠覆性构想，强调AI将加速知识生产通缩，并推动算力基础设施向物理世界自我复制演进。
美国机器人AI初创公司Physical Intelligence正洽谈10亿美元融资，投后估值逼近200亿美元。公司聚焦开发通用机器人基础模型pi-zero，旨在赋予机器人物理常识与跨任务泛化能力，以软件驱动低成本硬件实现复杂操作，被资本视为机器人时代的‘通用大脑’和底层操作系统。
文章探讨具身智能行业正从技术驱动转向商业驱动，提出“部署公司”作为连接技术与真实场景的关键角色，强调通过解决方案式落地、API服务、订阅模式和生态协同等方式构建可持续商业模型，推动产业从模糊的技术标签走向清晰的客户价值交付与收入闭环。
文章分析了2026年10月19—25日全球宏观与加密市场动态，指出能源通胀和科技股走弱压制风险偏好，BTC失守8万美元；重点详解Axis Robotics项目——一个融资1200万美元、以AI驱动的分布式物理人工智能机器人训练基础设施，通过浏览器仿真采集数据、四层架构实现从任务生成到真实机器人部署的端到端闭环。
Physical Intelligence（PI）公司推出Pi API beta版，将具身智能模型能力以云端API形式产品化，提供数据上传、托管微调、推理生成与评测回流的一站式服务，旨在解决机器人行业‘大脑’商业化难题，推动具身智能向基础设施化演进，并引发本体公司、大脑公司及全栈企业的战略调整与行业格局重构。
Mirendil和Recursive两家初创公司发布递归自我改进（RSI）重大成果：前者单人3.5个月用千万美元算力手搓100B–500B编程基座模型Mirendil-Base；后者推出40B参数高效编程模型Flint及自动化研究系统Eureka Machine。英伟达研究员Ali Hatamizadeh指出，AI正取代重复性执行工作，人类核心价值转向判断力、底层理解力与前沿问题攻坚能力。
黄仁勋在英伟达柏林GTC大会上发布下一代AI工厂战略，聚焦DSX POD模块化数据中心设计以缩短部署周期至14天，强化Physical AI与工业机器人落地，推出OpenShell安全架构、Agent Knowledge Foundation及Isaac人形机器人平台，并强调仿真训练、能效优化与企业级Agent治理。
腾讯混元团队推出Terminal-RSI技术，基于阿里Qwen3.8-27B模型，通过递归自我重写（RSR）和递归策略精炼（RPR）两阶段强化学习方法，显著提升小参数模型在终端长时程任务（如Terminal-Bench）上的实际完成能力，实现从0%到19.84%的突破，并推动混元研究与产品融合，强化AI编程与系统级任务执行能力。
Anthropic联合创始人Jack Clark将AI实现递归自我改进（RSI）的时间预测从2028年提前至2027年，引发科技界震动；核心依据是AI在数学证明、科研直觉（如TasteVal评测验证的‘科学品味’）及机器人控制（如英伟达GR00T系统）等领域的突破性进展，预示AI或将加速迈向超级智能（ASI），对科研、产业与人类文明构成双重挑战。
Anthropic联合创始人Jack Clark将AI实现递归自我改进（RSI）的时间预测从2028年提前至2027年，引发科技界震动；核心依据是AI在数学证明、科研直觉（‘科学品味’）等创造性能力上的突破性进展，预示RSI可能触发超级智能（ASI）爆发，并加速向物理世界（机器人、科研、经济）渗透，人类面临控制机制建设的关键倒计时。
