📊Bloomberg Technology•較早收集於 31m
AI 機器人實驗室洽談 10 億美元融資，估值 110 億
#robotics-funding#embodied-ai#deepmind-alumniphysical-intelligencephysical-intelligencegoogle-deepmind
💡前 DeepMind 機器人公司 10 億融資逼近 110 億估值—具身 AI 融資熱潮（30字）
⚡ 30-Second TL;DR
有什麼變化
Physical Intelligence 尋求 10 億美元新融資輪。
為什麼重要
顯示投資者對具身 AI 機器人的高度信心。可能加速 AI 從業者建構物理代理的硬體進展。
下一步行動
評估 Physical Intelligence 的 API，用於具身 AI 原型機器人模擬。
誰應關注：Founders & Product Leaders
關鍵要點
- •Physical Intelligence 尋求 10 億美元新融資輪。
- •後估值超過 110 億美元。
- •由 AI 學者和前 DeepMind 研究員創立。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Physical Intelligence 專注於開發「通用機器人基礎模型」（General-purpose robot foundation models），旨在讓機器人能夠執行多種任務，而非僅限於單一特定功能。
- •該公司核心技術團隊包含前 Google DeepMind 研究員 Sergey Levine，他長期致力於機器人學習與強化學習領域的研究。
- •此輪融資反映了資本市場對於「具身智能」（Embodied AI）領域的強烈興趣，投資人正積極尋找能將大型語言模型能力遷移至實體硬體操作的技術方案。
📊 競品分析▸ Show
| 公司 | 核心技術方向 | 融資/估值狀態 | 備註 |
|---|---|---|---|
| Physical Intelligence | 通用機器人基礎模型 | 估值約 110 億美元 | 專注於軟體與模型層 |
| Figure AI | 人形機器人硬體與 AI | 估值約 26 億美元 (2024) | 與 OpenAI 合作 |
| Tesla (Optimus) | 人形機器人整合系統 | 上市公司 | 垂直整合硬體與軟體 |
| Sanctuary AI | 通用機器人與遠端操作 | 私有公司 | 專注於通用人形機器人 |
🛠️ 技術深入
• 核心架構：採用類似於大型語言模型的 Transformer 架構，但輸入端整合了多模態感測器數據（如視覺、觸覺、本體感覺）。 • 學習方法：利用大規模機器人數據集進行預訓練，並結合模仿學習（Imitation Learning）與強化學習（Reinforcement Learning）來優化機器人的動作控制。 • 跨平台適應性：目標是開發一種「機器人大腦」，使其能夠在不同形態的機器人硬體（如機械手臂、人形機器人）上運行，實現零樣本（Zero-shot）或少樣本（Few-shot）任務遷移。
🔮 前景展望AI analysis grounded in cited sources
機器人基礎模型將縮短工業自動化的部署週期。
通用模型的泛化能力減少了針對特定任務進行重新編程與訓練的需求。
具身智能領域將出現軟硬體供應商的進一步整合。
為了優化模型效能，開發商將更傾向於與特定硬體平台深度綁定或直接參與硬體設計。
⏳ 時間線
2024-03
Physical Intelligence 正式成立，並獲得首輪種子資金。
2024-11
公司宣布完成 4 億美元融資，估值達到 24 億美元。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Bloomberg Technology ↗