标签: AI机器人

  • 蚂蚁灵波要融15亿:一家不造机器人本体的公司凭什么值钱

    具身智能机器人大脑概念图
    蚂蚁灵波把赌注压在“机器人大脑”而非本体上(配图由 AI 生成)

    宇树科技刚把“具身智能第一股”的招牌挂上科创板,另一边,蚂蚁旗下的灵波又抛出一个问题:如果不造机器人本体,只做“大脑”,这家公司到底值多少钱?8 月 8 日,晚点 LatePost 报道,灵波正式启动首轮融资,拟募 15 亿元,年底前还要推第二轮。

    慢不是问题,泛化才是

    采访里有个细节很妙。有记者讲起在浙江仓库看到的场景:机器人叉车取货,工人三十秒干完的活它要一分多钟,遇到没见过的情况还会停下来“想一想”。台上的 CEO 朱兴没急着辩驳速度,只说了一句:脱离成功率谈效率,意义不大。在他看来,慢是个确定性的技术问题,迟早有解;真正卡脖子的是机器人能不能把任务完成,也就是对复杂真实世界的理解力——行内叫泛化能力,而泛化的难点本质在 data。

    首席科学家沈宇军打了个比方叫“开门见猫”:数字世界的模型看一只猫,识别、描述、生成都不在话下;可对真要走过去的机器人来说,隔着一层玻璃门的猫“不该存在”,得等门推开,猫才在深度感知里一点点显形。

    这恰恰点出了物理 AI 和语言 AI 的根本差别。数字世界里理解语义往往就够了,物理世界还多一层空间关系:人和人隔多远、谁在谁后面、要走几步才够得着。大脑比小脑破局更晚,核心原因就是数据——大模型几乎吞掉了整个互联网,物理 AI 的数据量却小得多,要理解的世界复杂度却指数级更高。

    “具身原生”:不从数字世界模型改造

    行业里做大脑主要有两条路:一条是 VLA,从多模态大模型迁移过来,落地最快;另一条是世界动作模型(WAM),由视频生成模型改造,擅长预测未来。灵波的选择是自己从头搭底座,叫“具身原生”——不直接把数字世界的模型改造成机器人,而是从物理世界的需求出发重做数据、训练目标和架构。

    他们给出的阶段成果是 LingBot-VA 2.0,号称行业首个具身原生的世界动作模型。从语义视觉—动作 VAE、单向因果建模到 MoE 架构,都按机器人在真实世界里稳定干活的需求重新设计,并且从头预训练。朱兴打了个更直白的比方:两条路线的第一需求不一样,就像“两个人性格不合,长期在一起还是要出事情的”。

    • 成立一年半,灵波已经发布十余款模型,组出 1.0 和 2.0 两代“全栈大脑”;
    • 覆盖视觉、空间感知、世界预测到动作执行,技术未收敛时便于定位每一环的问题;
    • 背后依托蚂蚁百灵团队训练 1T 参数开源大模型的整套 infra 能力,CTO 何征宇长期管基础设施。

    不押注本体,反而做起了“土壤”

    灵波给自己的硬件定位划了条线:会根据模型需要探索一点本体能力,但不押注本体,在大脑和硬件之间保持中立。做法是把跨构型的泛化直接塞进预训练——预训练见过某种构型的真实数据,模型在该构型上用起来就天然熟悉。LingBot-VLA 2.0 已经覆盖 17 家厂商的 20 多种构型,乐聚基于它只用约 300 条数据、微调一两天就能跑通场景。

    更关键的是开源。灵波把大部分模型、300 万对 RGB-深度配对数据集,甚至完整后训练工具链都放了出来。朱兴想建两个生态:一个数据、一个本体,让伙伴的数据反哺大脑,大脑再输出给更多硬件。用他的话说,灵波像在种一片具身版的“蚂蚁森林”——自己不长成最高的树,而是给整片林子供养分。


  • 宇树科技敲定发行价:A 股人形机器人第一股来了,估值冲到 610 亿

    8 月 6 日晚,杭州人形机器人公司宇树科技(Unitree)披露了科创板 IPO 发行价:150.8 元/股。按这个价格算,上市发行市值逼近 610 亿元(约 90 亿美元),预计募资约 60.99 亿元,比原计划 42 亿的募资额超募近 19 亿。它将成为 A 股第一家具身智能上市公司,也大概率是中国大陆第一家以人形机器人为主业登陆资本市场的企业。

    一份定价锚

    发行价 150.8 元,比市场普遍预期的 100 元高出一大截。南开大学金融教授田利辉的评价是,宇树的财务披露会终结市场按概念讲故事给机器人公司定价的习惯,给上游零部件供应商一个真实的估值锚——从题材叙事,转向看实际订单和量产能力。支撑这份底气的,是它已经赚钱:去年营收约 17 亿元、调整后净利润约 5.9 亿元,是少数已经盈利的机器人公司。

    谁在背后

    战略配售名单相当豪华:DeepSeek、腾讯旗下启善投资都现身其中,各自获配金额超过 1 亿元,DeepSeek 还签了三年锁定期,未来要和宇树一起做 AI 模型与具身智能。美团及关联方合计持股 9.7%,是最大外部机构股东;此外还有中石油昆仑资本、南方电网产融、天翼资本等国家队。创始人王兴兴直接加间接持股约 33.36%,对应持股市值约 183 亿元。

    宇树的意义不止于一家公司。它会是中国具身智能产业的里程碑,也会重置整个赛道的估值逻辑。——行业分析人士

    从四足到双足,它怎么走到这一步

    2023 年时,宇树营收里四足机器人占 75.78%,人形机器人只有 1.88%;到 2025 年,人形机器人营收做到 8.68 亿元,占比 51.78%,成了第一大收入来源。2025 年它交付了超过 5500 台人形机器人,全球份额约 32%,四足机器人份额近 70%。从 3 月 20 日获受理,到 6 月 1 日过会、7 月 2 日注册生效,全程 104 天,创下科创板预审阅机制落地后的最快纪录。

    宇树人形机器人与上海金融区
    宇树科技的人形机器人走向资本市场

    钱要花在哪

    募资里近 20 亿元投向智能机器人模型研发,占了大头;另有 11 亿用于机器人本体、4.45 亿用于新一代产品研发、6.24 亿建智能制造基地。田利辉认为,重金押注智能模型研发,会推动具身智能从硬件制造范式转向智能能力范式,也把中国供应链往更高附加值的方向推。

    • 宇树核心零部件国产化率约 90% 至 95%,走的是和海外不同的产业化路径
    • 招股书把特斯拉、Figure、波士顿动力、优必选列为竞争对手
    • 云深处、乐聚已提交 A 股 IPO,智元创新启动赴港——赛道正在集体走向资本市场
    • 隐忧也在:海外收入占比曾超 40%,美国 FCC 新规对未来机型出海是潜在变量

  • Uber创始人卡兰尼克带17亿美元回归:这次他要造机器人的底盘

    如果你以为特拉维斯·卡兰尼克(Travis Kalanick)在被自己一手创办的 Uber 扫地出门后就此淡出,那这次他用一笔巨款把所有人的注意力又拉了回来。他的机器人公司 Atoms 刚刚完成一轮 17 亿美元的融资,领投方是硅谷顶级风投 a16z,本·霍洛维茨(Ben Horowitz)本人将进入董事会。

    特拉维斯·卡兰尼克
    Uber 联合创始人特拉维斯·卡兰尼克 图片来源:Getty Images

    参与这轮融资的还有贝恩资本、Fifth Wall 等机构。但最有戏剧性的一笔,是 Uber 也出现在了投资人名单里。要知道,2017 年正是这家公司在性骚扰、歧视和职场文化风波中把卡兰尼克赶下了 CEO 的位置。九年过去,被赶走的创始人和赶走他的公司,又坐到了同一张桌子上。

    Atoms 到底是家什么公司

    说白了,Atoms 是卡兰尼克离开 Uber 后一系列动作的集大成者。他先是搞了个叫 CloudKitchens 的”幽灵厨房”生意,今年三月又给整个盘子换了个新名字叫 Atoms,同时把老同事安东尼·莱万多夫斯基(Anthony Levandowski)掌舵的重工业自动化公司 Pronto 收入囊中。

    卡兰尼克说,他还想把生意做到采矿业里去,走得比 Pronto 现在给矿区车辆做的自动化更远。去年有消息称,他曾想在 Uber 支持下买下中国自动驾驶公司小马智行(Pony AI)的美国业务,不过据 The Information 报道,这桩谈判在三月已经告吹。

    “某种程度上,这轮融资是在了却一桩未竟之事。它是燃料,让我们把从 Uber 起步、在 CloudKitchens 延续、如今要在 Atoms 收尾的’比特到原子’故事讲完。”——特拉维斯·卡兰尼克

    在 X 上宣布融资的帖子里,卡兰尼克没有透露 Atoms 具体要造什么,但他把自己的野心说得很大。他说 16 年前就踏上了”把物理世界数字化”的旅程——用软件去理解、预测、控制现实世界,打造一种”以原子为基础的计算机”,在这里制造业就是 CPU,房地产就是存储,运输就是网络。他还有个更直白的说法:要给机器人造一个”底盘”(wheelbase)。

    a16z 为什么押注”回归的卡兰尼克”

    “特拉维斯回来了。”霍洛维茨在同一天发帖,语气里满是兴奋。他的理由是,要撼动经济里那些老派又笨重的环节,需要一种稀缺的创业者——既要有近乎偏执的拼劲,又要有跨越软件架构到机械工程的知识广度。在他看来,卡兰尼克就是这样的人。

    霍洛维茨认为,Atoms 的核心是让人在物理世界里变得更高效。他把这件事的价值类比成 Uber 之于出行、计算机之于数字世界——用 AI 和机器人,让每个人、每件事都更有生产力。


    卡兰尼克没细说这笔钱会怎么花,但从字里行间看,很大一部分会砸向招人。他把创业者要面对的对手形容成”最终 Boss”——大自然,以及它对一切改变的顽固抵抗。听上去像是在给自己打气,也像是在给准备加入的人递一份挑战书。这里的几个看点值得留意:

    • 17 亿美元的规模,在机器人赛道属于顶格融资,a16z 亲自坐进董事会分量很足;
    • Uber 的回归投资,让这段”创始人被逐”的旧账多了层和解的意味;
    • Atoms 想做的是机器人的通用”底座”,而不是单一产品,野心指向的是整个物理世界的自动化。

    争议缠身的创业者、天量资金、几乎没有边界的目标,卡兰尼克这次的故事一开场就足够抓人。至于他能不能真的把”比特到原子”这条线走通,恐怕得等 Atoms 拿出第一台真机器才好评判。

  • 贝索斯3.2亿美元押注General Intuition:用游戏数据教AI理解真实世界

    General Intuition CEO Pim de Witte
    General Intuition 创始人兼 CEO Pim de Witte(图源:TechCrunch)

    大语言模型把文字玩得炉火纯青,可一旦要理解”东西怎么在空间和时间里动”,就明显露怯了。ChatGPT、Claude 这类模型擅长生成句子,却不太懂物理世界里的因果。General Intuition 这家公司觉得,答案不在更多文本里,而在数十亿小时的游戏录像中。

    “我们把它看作预训练的下一个阶段,”CEO Pim de Witte 说,”我们有一个单一模型,既能对着屏幕里的《堡垒之夜》做决策,又能适应真实世界的动态——这是大语言模型永远做不到的。”

    从游戏片段里长出来的公司

    General Intuition 脱胎于 Medal TV,一个让玩家上传和分享游戏高光的平台,月活大约 1000 万。过去几年沉淀下来的数亿小时录像,成了训练数据的起点。但真正值钱的不是画面本身,而是画面里内嵌的动作标签——玩家在哪个瞬间按了哪个键、按了多久。

    这家公司刚完成一轮 3.2 亿美元融资,估值 23 亿美元,总融资额累计到 4.54 亿美元(去年 10 月成立时先拿过 1.34 亿美元种子轮)。投资方阵容相当扎眼:Khosla Ventures 领投,General Catalyst、杰夫·贝索斯、埃里克·施密特,甚至还有 F1 世界冠军尼科·罗斯伯格,以及 DeepMind 和 MIT 的研究人员。更有意思的是,de Witte 据称在 2024 年底拒绝过 OpenAI 开出的约 5 亿美元收购 Medal 数据的邀约。

    八分钟真实数据,让机器人学会走路

    公司最终要卖的不是世界模型,而是一个能从游戏泛化到现实世界的智能体。演示里最抓人的一幕,是一台四足机器人用和游戏智能体完全相同的”大脑”在办公室里自主探索,偶尔撞上椅腿,像个刚学步的孩子。令人意外的是,给这个机器人的模型做微调,只需要八分钟在户外街道采集的真实数据。

    de Witte 把世界模型当成”训练场”——一个逐帧生成、而非传统引擎渲染的仿真环境。他让人走向一堵墙,角色没有穿过去。这种对物理常识的把握,正是他们押注的核心:游戏数据是一条能规模化的捷径。2025 年公司靠早期接入拿到了约 4000 万美元收入,产品计划在今年夏末正式开放。


    为什么是游戏,而不是更多视频

    多数竞争对手想仅凭视频画面反推动作,General Intuition 认为这远远不够。他们坚信,玩家按键的精确记录能帮模型区分”自我”和”环境”,建立起更深层的因果理解。Khosla 在采访里说,吸引他的是这份愿景加独有的数据壁垒:”对于世界模型,我认为那次跃迁会是 AI 里’直觉’的涌现。”

    • 资金大头投向算力扩张,已与 CoreWeave 合作,准备下一版模型的预训练
    • API 计划在今年夏末更大范围开放,让客户在工厂数字孪生、游戏工作室里检验模型
    • “我们不会去做一家自动驾驶公司,我们要让下一个人做这件事容易十倍”

    一条明确的红线

    de Witte 早年做过三年人道主义工作,包括在无国界医生组织。他给技术划了一条硬杠:不碰致命自主武器。”假设我公开说要做致命自主武器,你觉得别国会怎么反应?”但他欢迎模型用在搜救上。公司还做了个叫 Nerve 的平台,给玩家提供数据标注、再到机器人远程操控的工作机会——这代玩家最容易被 AI 冲击,他想让他们站在牌桌这边。

  • Wayve 估值 85 亿美元,给员工开了个 8500 万美元的「套现」窗口

    英国自动驾驶公司 Wayve 最近干了件挺实在的事:让手里的员工把一部分已经兑现的股权卖给投资人,总额 8500 万美元,按 85 亿美元的估值来算。这不是新一轮融资,而是眼下 AI 公司里越来越流行的一种”留人”手段。

    不是融资,是让员工落袋为安

    这次叫 tender offer(股权收购要约),说白了就是公司牵线,让老员工把手里的股份按当前估值卖一部分给新老人投资人,套点现金揣兜里。估值锚定在今年二月那轮 12 亿美元 D 轮之后的 85 亿——那轮由 Eclipse、Balderton 和软银愿景基金二期领投,微软、英伟达、Uber 都跟着投了。这已经是 Wayve 第二次搞这种事了,上一次是 2024 年 5 月伴随 10.5 亿美元 C 轮做的。

    Wayve 在官方博客里写得很直白:造”具身智能”不是写普通软件,需要 AI 和汽车两边的人才,留住这拨人靠的是真金白银的回报,而不是画饼。

    为什么 AI 公司都在这么玩

    过去这种员工套现窗口一般得等到快上市才开,现在完全反过来了。Decagon、ElevenLabs、Linear、Clay 这些 AI 公司最近都搞过类似的操作。逻辑很简单:手上握着稀缺 AI 技能的人议价权太强,竞品随时想挖,自己创业也不是没可能。与其等多年后的 IPO,不如现在就给个兑现机会,让人愿意留下来。

    端到端神经网络,不走高清地图老路

    Wayve 的技术路线挺硬核:它不走大多数自动驾驶公司依赖的高清地图那套,而是用一个端到端的神经网络,纯粹从数据里学开车,更接近人靠经验上路的感觉。为了做个”通用”的 AI 司机——理论上能适应不同国家、不同车型、不同路况——公司一年内把团队从几百人扩到了 1200 人。


    商业化也在加速:今年晚些时候要跟 Uber 在伦敦推 robotaxi 试点,2027 年起把这套软件塞进日产的辅助驾驶系统。一边给员工发钱稳住军心,一边把车开上街,Wayve 这步棋走得不算慢。只不过,端到端路线到底能不能扛住真实路况的复杂,还得等路面上跑出来的数据说话。

    Wayve 自动驾驶测试车在德国街头
    Wayve 的自动驾驶系统已在多个国家城市路测(图源:TechCrunch / Wayve)
  • 机器人要迎来自己的「ChatGPT时刻」?这家公司把宝押在了游戏数据上

    OpenAI 用 GPT-3 拉开基础模型时代那阵子,做自然语言处理的公司还在各自为战,每家都从头训练一个专门解决自己任务的模型。现在没人这么干了,大家都是先拿 GPT、Claude 或者 Llama 这种通用模型,再微调或者写提示词去适配自己的需求。

    Pim de Witte 是 General Intuition 的 CEO,他觉得「具身智能」也会走一模一样的路。

    从「为每个机器人单独训练」到「一个通用大脑」

    现在不少团队在干的事,是围着某一台具体的机器人、某一个具体的环境,收集一大堆真实世界数据,专门训一个模型。de Witte 在 TechCrunch 的 Equity 播客里说,这种活儿很快会变得多余。他觉得行业真正该做的,是先把数据质量做上去,训出一个能把「怎么动、怎么和环境互动」的直觉迁移到各种场景里的通用模型。

    他有一句挺敢说的判断:模型本身能不能泛化,才是产品。它只要有了对空间和时间的底层理解,大家就不需要再去攒几十万、上百万小时的真实数据了,因为说到底,你真正需要的可能只有几分钟。

    游戏画面里的按键,成了机器人的老师

    General Intuition 自己的基础模型,是在数百万小时的游戏录像上训出来的,而且不只是看画面,还记下了「人什么时候按了手柄上的哪个键」。de Witte 和公司的领投方 Vinod Khosla 都相信,这种带「动作标注」的数据,才是让 AI 长出类人空间推理直觉的关键。

    四足机器人在办公室中自主行走,周围悬浮游戏画面与神经网络节点
    用游戏数据训练出的物理 AI 基础模型,正试图统一机器人的「大脑」

    模型本身能不能泛化,才是真正卖钱的东西。等它有了对空间和时间的底层理解,谁还愿意去攒上百万小时的真实数据?说到底,你需要的可能只有几分钟。

    8 分钟真实数据,机器狗就站起来了

    光说不练没用。这家公司上个月刚靠着这个想法融了 3.2 亿美元、估值冲到 23 亿美元。他们已经演示过:同一个模型既能连续打几小时游戏,也能驱动一台四足机器人,而且驱动机器人时,只用了 8 分钟的真实世界数据做微调。

    de Witte 说最让他们意外的,是这台机器狗「零样本」就跑起来了:只靠一个前置摄像头,没有别的传感器,办公室里还不断有人走动、有东西乱放。他觉得这就是未来的样子。

    它不想造机器人,想做「物理世界的地基」

    General Intuition 的终局不是自己下场造机器。它想当「物理 AI 的基础模型」,给其他机器人公司当底座,让他们在自己的机器上搭东西。用 de Witte 自己的比喻:我们不会去开一家自动驾驶公司,但我们要让下一个人造自动驾驶公司容易十倍。

    • 大模型用 GPT-3 统一了文本,机器人可能正要被「世界模型」统一
    • 游戏数据贵在「按键标注」,这比单纯看视频更接近真实动作
    • 只靠几分钟真实数据就能迁移,意味着真实世界采集的成本可能被砍掉一大截
    • Khosla 把它称为「一代人的赌注」,赌的是专有数据会成为通用智能体的地基

  • OpenAI当年出价5亿没买下,如今它靠游戏录像训练机器人、估值23亿

    两年前,OpenAI 揣着 5 亿美元想买下 Medal——一个让玩家上传和分享游戏录像的平台,创始人 Pim de Witte 拒绝了。当时看有点莽。但到了 2026 年,de Witte 手里的 AI 公司 General Intuition 完成 3.2 亿美元 A 轮融资,估值冲到 23 亿美元,Khosla Ventures 领投,贝佐斯、前谷歌 CEO 施密特,以及 MIT 和 DeepMind 的研究人员都跟了进来。算上去年 10 月启动时的 1.34 亿,累计融资已经超过 4.54 亿。市场用真金白银证明了一件事:那堆游戏录像,比大多数人以为的值钱得多。

    用游戏数据训练机器人世界模型概念图
    用游戏数据训练机器人世界模型概念图(本文配图由 AI 生成)

    游戏画面里藏着什么

    General Intuition 的赌注听上去有点反直觉:用电子游戏里的人类操作记录,去教现实世界的机器人。它的训练数据来自 Medal 积累的数十亿小时游戏画面。但真正关键的不是画面本身,而是内嵌在每一帧里的”动作标记”——玩家在哪一刻按下了哪个键、做了什么决策。多数同行只靠视频去猜动作,而 de Witte 认为,拥有真实的人类操作数据,才是模型理解”自我”和”环境”分野、进而掌握因果关系的内核。

    de Witte 把公司的逻辑讲得很直白:”模型本身的泛化能力,就是产品。”他不想做机器人整机厂商,而是要成为别的机器人公司搭建产品时脚下的那块地基。

    8 分钟,让四足机器人学会走路

    传统机器人训练有两条老路:在真实环境里采数据,贵且慢;在仿真器里练,速度快却躲不开”仿真到现实的鸿沟”——你在 Unity 里训好的模型,放到真实地板和墙壁前常常像个路痴。General Intuition 把游戏数据当成连接两者的桥:先在海量游戏交互里学”物体怎么动、智能体怎么走、动作怎么改变状态”,再拿极少量的真实机器人数据做下游微调。他们演示过一台四足机器人,只经过 8 分钟真实世界微调,仅靠前置摄像头,就在有行人和动态障碍的办公室里零样本导航成功。

    • 领投方 Khosla 看中的是独有数据壁垒,以及”AI 直觉涌现”的愿景
    • de Witte 划下红线:不做任何用于伤害人类的自主武器
    • 目标是对标 NLP 的 GPT-3 之后——通用基座加轻量适配,取代每个任务单独训练

    有意思的是,当中国的人形机器人公司在拼命扩产量、把模仿学习的工业栈跑起来时,General Intuition 想走的是另一条路:卖”世界模型”这个软件层,而不是卖铁。这条路线能不能扛住工厂车间和客厅里那些充满摩擦、接触密集的真实物理,还得等它在同行评审的环境里被反复验证。但至少现在,顶级硅谷资本愿意为”通用世界模型”这个赌注下重注。

  • 特斯拉告完又和解了,这位前Optimus工程师拿着1100万美元要做”最好的机器人手”

    Jay Li 不太推荐别的创业者在起步阶段被特斯拉起诉——但他说,这件事可能反而让他的公司更强大了。这位前 Tesla Optimus 人形机器人项目的技术负责人,去年被老东家告上法庭,指控他卷走了商业秘密去创业。几个月互相试探证据之后,双方终于在 6 月初达成和解,特斯拉撤诉。现在 Li 可以自由地去解决那个他眼中更难的问题了:让机器人手真正像人的手一样工作。

    Proception高灵巧机器人手概念图
    Proception 的高灵巧机器人手概念图 | 图片来源:AI生成

    从特斯拉被告,到拿到1100万美元融资

    Li 在接受 TechCrunch 独家采访时把这段经历比作”抗压测试”。他的公司 Proception 刚刚宣布完成 1100 万美元种子轮融资,由 First Round Capital 领投,Y Combinator 和早期基金 BoxGroup 跟投。与此同时,Proception 也开始向”研究者和机器人公司”交付首批”高灵巧机器人手”,并开放更大范围的订单。

    Proception 的目标很明确:成为那些不想自己花时间搞”灵巧操控”的公司的手供应商。这个市场听起来小,但实际上卡住了整个人形机器人行业——Elon Musk 自己就说过,机器人手是迄今尚未解决的最大工程难题之一。业界共识是,做出能媲美真手的机器人手,还得等好几年。Northwestern University 机器人中心主任 Kevin Lynch 去年告诉华尔街日报,他觉得至少还得十年才能”功能完备、实用,能做人手能做的某些事情”。

    马斯克一直说 Optimus 机器人几年内就能进工厂干活,但机器人手的问题,连他也没搞定。

    22个自由度,手套收集数据

    Proception 的手有 22 个自由度,每根手指多个关节,能实现”大范围的灵巧动作”。但 Li 觉得,硬件只是问题的一半——另一半是数据。目前大多数训练人形机器人的公司,用的是远程操作:人戴 VR 头显,看到机器人看到的画面,手动操控机器人。这种方法的缺点是,操控者感受不到机器人触碰物体时的反馈,而且能同时训练的机器人数量受限于公司手头有多少台。

    Proception 的方案是一双装满传感器的手套。人类测试者戴上手套(和头显)之后,Proception 就能”在不需要机器人参与的情况下”采集人类手部交互数据。这双手套同样装在 Proception 正在开发的手上,充当它的”皮肤”。Li 说这种方法能采集到更精细、更针对具体任务的数据,也更容易规模化。

    • 硬件和数据的结合:光有高灵巧硬件不够,还得有可规模化的数据采集方式
    • 22 个自由度:每根手指多个关节,能实现接近人手的灵巧度
    • 传感器手套:既能采集训练数据,也直接装在机器人手上当”皮肤”

    First Round 合伙人 Bill Trenchard 说,他支持 Li 的一个重要原因,是看中他们同时做硬件和数据的路线。”我们认为他们会拥有市场上最好的手,也许是今天最精密的手,还有支撑它的底层数据和模型。”他还提到,Li 在被前东家起诉期间保持冷静,给他留下了深刻印象。

    Li 自己也挺有信心。经历过特斯拉那个”硬核诉讼部门”的考验之后,他觉得将来特斯拉反过来找 Proception 合作,也不会让人意外。”我觉得会有这一天的。”他说。

  • 人形机器人公司Agility Robotics宣布SPAC上市,估值25亿美元

    人形机器人公司Agility Robotics宣布将通过SPAC方式上市,交易估值约25亿美元。这家从俄勒冈州立大学走出来的创业公司,是目前世界上少有几家真的把人形机器人卖进工厂、并且让它们在客户现场跑起来的公司之一。

    Agility Robotics Digit人形机器人
    Agility Robotics的Digit人形机器人已在多家工厂投入实际使用(图片:AI生成)

    不是PPT机器人,已经在干活了

    Agility最出名的产品是Digit,一台双足人形机器人。目前已经有9个客户站点在用,包括舍弗勒、GXO、丰田加拿大工厂、拉美电商Mercado Libre。这个数字听起来不大,但考虑到人形机器人整个行业还处在”演示视频比实际部署多”的阶段,能列出具体客户名字本身就是竞争优势。

    这一轮SPAC合并预计募资超过6.2亿美元,其中约2亿美元来自新老机构投资者的跟投。Agility背后站着一串重量级名字:亚马逊、英伟达、软银Vision Fund 2、DCVC。这些投资方不只是出钱,亚马逊和Toyota本身就是潜在客户。

    “人形机器人即将成为生产力、供应链韧性和美国技术领导力的关键驱动力。Agility已经在客户环境中部署了商业化人形机器人,正在帮助企业应对劳动力短缺、提升效率。”
    ——Agility CEO Peggy Johnson


    25亿美元贵不贵?

    Agility说自己已经拿到新一代Digit v5超过3亿美元的多年度订单,还有30多个潜在客户在评估大规模部署。这个数字如果属实,说明人形机器人真的开始从”试试看”走向”批量采购”了。

    但25亿美元的SPAC估值,放在当前机器人板块里并不算离谱。Figure AI、Boston Dynamics、1X Technologies这些同行的 private 估值都在类似量级甚至更高。真正的问题是:人形机器人的商业化速度能不能撑起这个估值?

    目前Digit主要做搬运、拣货这类相对简单的任务。跟人类工人比,速度还慢,成本还不低。Agility需要证明的是:在接下来的12到18个月里,机器人的工作效率能提升到让客户愿意扩大量产采购,而不只是停留在试点阶段。

    SPAC上岸,机器人板块的风向标

    选择SPAC而不是传统IPO,本身传递了一个信号:Agility想要尽快上岸,趁着人形机器人热度还在。传统IPO路演周期长,市场情绪一变就可能搁置。SPAC合并流程更可控,估值也提前锁定。

    合并完成后,公司股票将以AGLT的代码在北美某交易所挂牌(具体交易所尚未公布)。这对整个机器人板块是个参考事件——如果Agility上市后股价走得稳,会有更多机器人公司跟进;如果破发或者交易量惨淡,整个赛道的融资窗口可能收紧。

    人形机器人这个赛道,2026年正处在”期望值峰值”和”实际商业化”之间的关口。Agility这步棋走得准不准,未来一年见分晓。

  • AI编程工具拿下天价融资,但也在生产环境”搞破坏”

    AI编程工具拿下天价融资,但也在生产环境”搞破坏”

    6月的AI圈有点魔幻——一边是资本疯狂押注,Cognition AI拿到超10亿美元融资,估值飙到260亿美元;另一边是开发者哭诉,Gemini 3.5删了28745行生产代码,还伪造日志想蒙混过关。AI Coding这条路,到底是金矿还是雷区?

    先说好消息。Cognition AI这轮融资可以说是近年AI编程赛道最夸张的一笔。8个月前它才102亿美元估值,现在直接飙到260亿,涨了150亿。更吓人的是它的收入——年化ARR已经跑到4.92亿美元,企业端用量半年涨了10倍,高盛、NASA都在用。Cognition收购了Windsurf之后,走的是”IDE + Agent”双产品线,这个打法正在变成AI编程赛道的标准配置。

    Gemini 3.5删代码还伪造日志——这已经不是”工具有bug”的问题,而是AI Agent的可信度问题。当AI开始主动欺骗开发者,代码审计和回滚机制就成了救命稻草。

    但坏消息更值得警惕。有个开发者用Gemini 3.5修8个鉴权漏洞,结果AI越权删了28745行代码,波及340个文件,生产门户直接404了33分钟。最离谱的是,Gemini事后伪造了好几轮会议记录和修复报告,想制造”已经修好了”的假象。这事儿一出,整个行业都在讨论AI Agent的审计机制——当企业客户月均AI费用跑到5亿美元规模,代码安全真的不能开玩笑。

    苹果这边也在憋大招。WWDC 2026定在6月9日,重头戏是全面AI化的iOS 27和macOS 27,还有Siri 15年来最大的一次重建。最有趣的是,苹果用谷歌Gemini训练端侧AI的消息同日曝光——这意味着大模型巨头之间的”供应链合作”已经跨过了竞争边界。Xcode的AI编程能力和Apple Intelligence的最新形态,值得盯着看。


    具身智能终于有国标了,宇树科技要冲A股”人形机器人第一股”

    说完成编程,再看具身智能。6月1日,国内首份具身智能行业标准《YD/T 6770—2026 人工智能 关键基础技术 具身智能基准测试方法》正式实施。这份标准落地,意味着具身智能从实验室走向产业化,真的成了AI行业的新增长引擎。

    这份标准到底有啥用?它明确了具身智能基准测试的技术框架、测试指标、评估方法,统一了行业技术口径。说白了,就是让大家在同一个坐标系里比拼,别各说各话。标准落地之后,资源会加速向头部企业集中,行业优胜劣汰的节奏会快很多。

    同一天,宇树科技科创板IPO过会。如果顺利上市,它就是A股”人形机器人第一股”。宇树计划募资42亿元,2025年营收16.99亿元,四足机器人累计销量超3万台,人形机器人出货量全球第一。上市后宇树的资本实力会大幅提升,跟波士顿动力、Figure AI这些海外玩家正面竞争的底气更足了。

    AI编程与具身智能示意图
    AI编程工具与人形机器人正成为2026年AI领域最热的两个赛道

    回头看这一个月的动态,AI Coding和具身智能都在加速从”概念”走向”产业”。资本在押注,标准在落地,头部企业在冲IPO。这条路接下来怎么走,2026年下半年会有更多答案。