当人工智能实验室开始收购机器人公司时
谷歌、OpenAI、DeepMind 和 Anthropic 都在通过不同的机制探索具身人工智能。这种趋势的汇聚表明,仅靠推理无法弥合模拟与现实之间的鸿沟,而语言模型与物理机器人之间的转换层将成为下一个平台竞争焦点。

Anthropic曾试图收购Physical Intelligence。谈判发生在2026年春季。双方最终未能达成协议。但这一尝试——已得到《The Information》和彭博社的证实——揭示了比任何单一交易都更为重要的信息。 这家开发了全球最强大的语言模型之一“克劳德”(Claude)的公司得出结论:它必须拥有能够将语言理解转化为物理机器人控制的软件。它认为,内部开发该软件将耗时过久。因此,它认定最快捷的途径是收购一家已经解决了这一问题的公司。
得出这一结论的并非只有Anthropic一家。每一家主要的基模公司都通过不同的途径得出了相同的结论。这一趋势如今已不言而喻。语言模型行业正在向具身人工智能领域进行纵向整合,因为仅靠推理——无论多么精密——都无法让机器人可靠地在它从未见过的厨房里拿起一个杯子。
证据链
谷歌是先行者。2021年,它创立了Intrinsic——一家专注于开发机器人软件的内部子公司。其初衷是将谷歌的AI能力直接应用于工业机器人领域。该子公司运营了三年。 该公司招聘了数百名工程师,投入了数亿美元,却在2024年尚未推出任何商用产品便宣告停运。这次失败并非源于人才或资金短缺,而是方法上的失误。在一家以搜索和广告为核心业务的公司内部从零开始构建机器人智能,其难度远超管理层的预期。
DeepMind则走了一条不同的路。它没有另立子公司,而是将机器人研究融入其现有的AI研究组织之中。7月30日宣布的成果便是Gemini Robotics
2. 这是一个专门设计用于控制物理机器人的基础模型,DeepMind将其称为“全身智能”。 它能同时处理视觉输入、本体感觉反馈和语言指令,并输出协调整个机器人身体运动的运动控制指令。该模型并非与Gemini截然不同的独立产品,而是Gemini向物理世界的延伸。DeepMind的战略布局在于:只要使用正确的数据进行训练,处理文本和图像的同一架构也能处理扭矩和力。OpenAI选择了投资而非整合。它向Physical Intelligence注资,但并未尝试在内部构建机器人技术能力。 此次投资使OpenAI能够通过商业合作而非雇佣关系获取PI的技术。这是该集团中介入程度最低的方式。OpenAI在无需承担运营负担的情况下获得了选择权。如果PI成功,OpenAI将作为股东获益;如果PI失败,OpenAI也不会因此从其核心语言模型工作中抽调工程资源。
Anthropic选择了除从零开始构建之外最重的手法。它曾试图直接收购PI。这本可以使其完全掌控语言模型与物理机器人之间的转换层。但此次收购失败了,至少目前是这样。 但这一尝试表明,Anthropic的高层认为该转换层在战略上至关重要,且无法在内部快速复制,因此收购的代价是值得付出的。
“模拟到现实”的鸿沟解析
这四家公司之所以都转向具身人工智能,原因在于一个技术难题——它们均无法基于现有技术基础解决这一问题。语言模型能够理解“拿起红色杯子并将其放在架子上”这一指令,能够将该指令分解为子任务,能够
它能够推断出哪个杯子是红色的、架子在哪里,以及需要采取什么动作序列。但它无法生成精确的运动指令,既能让夹爪夹住陶瓷圆柱体而不将其压碎,又能将其举起而不洒出内容物,还能将其放置在表面上而不使其倾倒。这种理解与执行之间的差距被称为“模拟到现实”问题。在模拟环境中,这种差距并不存在。模拟机器人能够以完美的精度拾取模拟杯子,因为物理引擎会提供关于每个表面、每种力以及每个接触点的精确信息。 而在现实中,表面并不平整。光线会变化。摩擦力各不相同。杯子可能湿漉漉的。架子可能不平。夹爪的橡胶垫可能磨损不均。现实世界中的每一种变化都会引入误差,这些误差会在动作序列中不断累积。
Physical Intelligence 的全部业务就是开发能够弥合这一差距的软件。其模型不仅基于模拟数据,还从现实世界的交互数据中学习。它们无需重新训练即可适应新环境,并能处理模拟无法复现的不确定性和变异性。这就是 Anthropic 想要收购该公司的原因,而非因为 PI 拥有更优秀的语言模型。 Anthropic自有的语言模型堪称世界顶尖。而是因为PI拥有Anthropic所不具备且无法快速构建的东西——它拥有“翻译层”。
平台经济学
若从平台经济的视角审视,这一战略逻辑便更为清晰。在移动时代,平台所有者是苹果和谷歌。它们掌控着介于硬件与应用程序之间的操作系统。每一位应用开发者都要向它们缴纳“税款”。每一位硬件制造商都依赖它们的软件。平台层占据了行业利润的大部分。
在具身人工智能时代,相应的平台层就是基础模型与物理机器人之间的转换软件。谁掌控了这一层,就能同时向上游的基础模型提供商和下游的硬件制造商收取费用。 一家希望其机器能够理解自然语言指令的机器人制造商,需要访问该翻译层;一家希望其模型能够控制物理机器人的基础模型公司,同样需要访问该翻译层。掌控该接口两端的企業,便掌控了行业的瓶颈。
Physical Intelligence正作为一家独立公司构建这一层。正是这种独立性使其具有价值。它可以向任何模型提供商和任何硬件制造商销售服务,并不受限于单一生态系统。 Anthropic的收购尝试旨在终结这种独立性,在该平台层变得收购成本过高或根基过于深厚之前将其收入麾下。PI的拒绝表明,其管理层认为独立平台的地位比目前任何收购报价都更有价值。
反驳观点
有一种颇具说服力的观点认为,垂直整合并非必要。基础模型正在迅速进步。每一代模型都通过更出色的推理能力、更完善的世界模型以及更深入的物理理解,进一步缩小了模拟与现实之间的差距。 未来两三代模型内,语言模型或许就能在无需专用转换层的情况下生成可靠的运动指令。若此情景成真,整个具身人工智能中间件类别将变得多余。Physical Intelligence的软件也将变得不再必要。而此次收购谈判,终将沦为一段脚注。
DeepMind 的 Gemini Robotics 2 正是这一反论的最有力证据。它试图端到端地解决这一问题
在单一模型架构内实现,而非通过独立的转换层。如果 Gemini Robotics 2 能达到生产级质量,那就证明中间件方法只是对暂时性问题的一种临时解决方案。一旦基础模型规模足够大,并且在足够的物理交互数据上经过训练,它就能独立完成所有任务。但这句话中的“如果”字面分量很重。Gemini Robotics 2 于 7 月 30 日发布,尚未在商业场景中进行大规模部署。它在受控演示中的表现,并不能保证其在真实机器人运行的不可控环境中同样表现出色。 十年来,模拟与现实之间的鸿沟一直阻碍着端到端解决方案的实现,未来可能仍将如此。对于当下需要具身人工智能能力的企业而言,最稳妥的做法是收购或与已证明具备可靠现实世界性能的公司建立合作伙伴关系。这正是Anthropic试图做到的。
投资启示
四家主要人工智能公司通过四种不同机制聚焦于具身人工智能,这向投资者传递了一个明确信号:市场认为,在语言、代码和图像生成之后,物理机器人控制将是下一个重要的能力前沿。能够解决这一问题的公司将获得目前尚不存在的新收入来源。 而未能解决这一问题的公司将被排除在物理世界之外,眼睁睁看着竞争对手在其中大展身手。
方法论的多样性也向投资者表明,目前尚无人知晓哪种方法将胜出。谷歌的内部开发尝试失败了;DeepMind的集成模型在大规模应用中尚未得到验证;OpenAI的投资则较为被动。 Anthropic的收购尝试遭到了拒绝。每一次失败或部分成功都会缩小解决方案的空间。但解决方案的空间仍然很广阔。最终掌握这一技术的公司将
具身人工智能平台层可能尚未出现。又或许,它就是“物理智能”(Physical Intelligence),能够独立运行并面向所有人销售。再或者,它就是DeepMind,证明了端到端模型使中间件变得过时。这种不确定性正是机遇所在。可以肯定的是,各实验室已认定这一问题至关重要。十八个月前,具身人工智能还只是个引起学术界好奇的研究课题,却未能吸引企业资本的青睐。 如今,它吸引了数十亿美元的收购要约,全球最大的人工智能公司纷纷推出专门产品,激烈的竞争态势表明参与者都认为其中的回报巨大。他们可能都错了。但他们很少会在同一件事上同时都错。
免责声明:本文仅供参考,不构成对文中提及的任何公司、产品或技术的投资建议、背书或推荐。












