在旧金山一栋普通建筑的门上，一个略显不同颜色的π符号是唯一可见的标识。推开这扇门，映入眼帘的不是光鲜的前台，而是一个充满活力的混凝土空间：长条木桌上堆满监控屏幕、电线和零部件，几台机械臂正笨拙地尝试折叠裤子、翻转衬衫，或熟练地削着一根西葫芦。这些看似琐碎的动作，正是硅谷最炙手可热的机器人智能项目——Physical Intelligence的核心实验。 这家由Stripe前高管Lachy Groom联合UC伯克利教授Sergey Levine等人创办的公司，正致力于打造“机器人版的ChatGPT”——一种能理解物理世界、适应各种任务的通用机器人基础模型。其核心理念是：通过在真实环境（如仓库、家庭、测试厨房）中收集海量数据，训练出具备“通用物理智能”的模型，使其能快速迁移到新硬件平台，无需从零开始学习。 Groom，这位31岁的“硅谷少年天才”，在13岁就创办了第一家公司，如今将目光投向机器人领域。他坦言，过去五年作为天使投资人，接触了Figma、Notion、Ramp等明星企业，但真正让他心动的，是Levine和Chelsea Finn等学术界先锋在机器人学习上的突破。他追踪到关键人物，一拍即合，决定亲自下场。 公司成立两年，已融资超10亿美元，估值达56亿美元，投资方包括Khosla Ventures、Sequoia Capital等。但与大多数初创企业不同，Groom不向投资人承诺商业化时间表。“我不会告诉投资人什么时候赚钱，这很奇怪，但他们愿意接受。”他解释，真正的目标是构建“可迁移的智能”，让模型具备跨平台、跨任务的学习能力，降低新机器人部署的成本。 目前，Physical Intelligence正与物流、零售、食品制造等领域的公司合作，测试其系统在真实场景中的表现。创始人Quan Vuong表示，某些任务已具备落地条件。他们坚持“任何平台、任何任务”的路线，强调真实物理数据与仿真训练的结合，而非依赖互联网数据的“伪智能”。 这一路径正面临Skild AI等公司的激烈竞争。后者已实现商业化，宣称营收达3000万美元，并批评多数“机器人基础模型”只是视觉语言模型的变体，缺乏真正的物理常识。 Physical Intelligence选择了一条更“纯粹”的路：以研究驱动，不急于变现。Groom坦言，硬件是最大挑战——设备易坏、交付慢、安全要求高。但团队坚信，当通用智能真正突破，一切难题都将迎刃而解。 尽管外界质疑机器人能否进入家庭、是否安全、是否解决真问题，Groom依然充满信心。他相信，正是这种不急于求成、专注长期突破的坚持，才让硅谷在过去几十年里不断诞生颠覆性技术。也许，真正的答案，要等这些机械臂真正学会完美折叠一件衬衫时，才会揭晓。