YC：Physical Intelligence 打造机器人基础模型

核心要点

2026 年 4 月 16 日，Physical Intelligence（PI）联合创始人 Quan Vuong 亮相 YC 旗下 Lightcone Podcast，详述 PI 正在构建的跨本体（cross-embodiment）机器人基础模型——该模型能够零样本（zero-shot）完成过去需数百小时专属数据训练才能掌握的任务。Vuong 将这一进展类比为机器人领域的「GPT 时刻」，暗示通用机器人能力正逼近从专用向通用的临界点。

原文 + 中文翻译

原文：Physical Intelligence co-founder Quan Vuong joins Lightcone Podcast to discuss building robot foundation models that can perform tasks zero-shot — tasks that previously required hundreds of hours of data. "This is the GPT moment for robotics," says Vuong.

翻译：Physical Intelligence 联合创始人 Quan Vuong 做客 Lightcone Podcast，讨论构建机器人基础模型——这些模型能够零样本完成过去需要数百小时数据训练的任务。Vuong 表示：「这（跨本体基础模型）是机器人领域的 GPT 时刻。」

深度解读

1. 跨本体训练：机器人「通用语」的核心突破

Physical Intelligence 的技术路线核心在于「跨本体训练」（cross-embodiment training）。传统机器人训练范式是针对特定机械臂、移动平台或人形机器人分别收集数据、分别微调模型，导致每套硬件都需要从零积累数百小时的行为数据集，泛化能力极弱。PI 的方法则是将不同形态机器人（机械臂、人形双臂、移动底座等）在同一物理世界中采集的轨迹数据混合训练，让模型学习超越具体硬件形态的运动原语（motion primitives）和任务理解。这一思路与大型语言模型（LLM）在海量文本上预训练后再微调的下游范式高度同构——本质上是在为机器人建造一个「世界模型」的通用表征层。

2. 「GPT 时刻」的含义与边界

Vuong 援引「GPT 时刻」的说法，既是叙事策略，也折射出行业对 Scaling Law 能迁移到机器人领域的强烈期待。2022-2023 年 LLM 的爆发已证明：当模型规模、训练数据量和计算量跨越某个阈值后，涌现出此前未编程实现的能力（如推理、多步规划）。机器人领域尚未出现明确阈值，但 PI 发布的 π0 系列模型已展示出跨本体零样本迁移能力——一个在仓库双臂机器人上训练的控制策略，无需任何微调即可迁移到完全不同的移动机械臂平台完成类似操作。若这一能力在更大规模数据和模型上保持可扩展性，「涌现」并非不可预期。但需要注意的是，GPT-3 时代语言模型已具备良好的 scaling 表征，机器人领域的数据多样性（视觉、触觉、力反馈、本体感知）远比文本复杂，「涌现」的阈值可能更高、路径更曲折。

3. YC 生态的信号价值与商业化隐喻

Physical Intelligence 出现在 YC 旗下 Podcast 并不偶然。YC 近期显著增加了对机器人领域的押注，从 Figure AI 到 Physical Intelligence 的投资组合密度可见一斑。选择 Lightcone（YC 自有的深度技术访谈渠道）而非泛科技媒体释放了一个信号：PI 正在向投资人和潜在合作伙伴进行技术定调，而非单纯的市场宣传。对于 PI 而言，「GPT 时刻」叙事有利于在估值谈判中获得更高的市场天花板预期；对于 YC 而言，旗下项目的「标志性叙事」越强，越能强化其在 AI 2.0 时代的影响力。相比 Figure AI 强调「人形机器人硬件」的商业路径，PI 选择了一条更轻资产、更平台化的路线——卖模型/API 给机器人 OEM/集成商，这是一条类似 OpenAI 向应用层输出 LLM 能力的商业模式。

4. 竞争格局：基础设施之争的序幕

机器人基础模型赛道目前已形成三股力量：以 PI 为代表的「通用模型层」路线、以 Figure/波士顿动力为代表的「垂直硬件+模型整合」路线、以及以英伟达 GR00T、Google RT-2/ RT-X 为代表的「算力+中间件平台」路线。PI 的差异化在于不绑定特定硬件厂商，目标是成为机器人领域的「Hugging Face」——一个模型层基础设施。这意味着，未来任何需要物理操作的行业（制造、物流、医疗、家庭）都可能通过调用 PI 的 API 将通用操作能力嵌入其机器人产品，而无需自建数据和训练能力。

值得关注

• π0 系列模型的第三方评测数据：Physical Intelligence 尚未公开π0在标准化基准（如 RH20T、SAPIEN）上与传统单本体微调方法的对比分数，后续若发布详细技术报告，将验证「跨本体零样本」能力的真实边界和失败模式。
• 商业授权进展：关注 PI 是否官宣与特定机器人 OEM（如 ABB、KUKA、Agility Robotics）的合作，这将直接检验「模型即平台」商业模式的可行性。
• 英伟达 GR00T 的竞争压力：英伟达在 2025 年 GTC 上已发布 GR00T 机器人基础模型并与多家机器人公司合作，PI 与 GR00T 在推理效率、泛化能力和部署便捷性上的差异是重要竞争观察点。
• 数据规模Scaling验证：YC 生态信息暗示 PI 正在进行更大规模的数据采集（可能通过与仓储或制造业合作伙伴获取真实世界操作数据），下一轮模型训练的 token/数据当量数字值得追踪。
• Figure AI 与 PI 的竞合关系：Figure 已明确在自有硬件上整合多模态大模型，但尚未表示使用外部模型层；两者若走向数据共享或模型互换，将显著加速行业标准化进程。

信源行：
原文链接：https://x.com/ycombinator/status/2044778474066624720
背景报道：
• Physical Intelligence 官方技术博客（pi.com）关于 π0 模型的技术细节披露
• The Robot Report、TechCrunch 对跨本体机器人基础模型赛道的持续追踪报道
• 36氪、机器之心对 Physical Intelligence 中国市场影响力的相关分析