大模型圈的卷法正在向机器人复制，卷到这一步的标志是 API 开放。旧金山公司 Physical Intelligence 上周一官宣 API 公测，开发者可以上传自己的数据微调他们的机器人基础模型，再通过托管网关调用。我把官方博客、融资记录与开源仓库核了一遍，这家公司的来头与这次的开放都值得讲。
开放了什么
两类能力。训练侧，用户上传自家机器人演示数据，在官方托管算力上启动微调；推理侧，通过网关调用微调后模型，不用自建机器学习基础设施。两条路一条管学一条管用，学用分离正是基础模型服务化标准形态，大语言模型那边跑通商业模式，机器人这边照着再跑一遍，历史不会简单重复，但商业套路总在轮回。官方口径称最新模型具备更高效数据利用能力，博文未点名 API 内具体版本，其开源模型家族两代产品在代码托管平台有一万四千颗星，星光是社区用脚投的，投出来一万四千颗，研究者在用，工程师在用，教课的也在用，三类用户各取所需，所需的共同点是都想跳过从零造轮子的那几年。接入走候补名单，填写想构建什么等审核，定价未公布，此前已有约二十家公司拿到早期访问，合作名单里有农业机器人、厨房自动化、仓储与制造业的各类玩家，名单读起来像一份产业地图，地图上有农场后厨也有装配线。
演示案例给了两个硬的，一个工地一个工厂，都发生在真实商业环境而非实验室展台，含金量差一截，展台演示挑最好的天气，商业现场什么天气都得干。犹他州一家公司的轮式装载机在真实商业场景把物料装进翻斗车，车内无操作员；旧金山一家制造商用双臂机器人给自家产线零件去毛刺，模型经 API 约四天迭代完成，四天这个数字值得咀嚼，传统自动化项目排期按月起步，差出来的时间就是竞争力本身。部署地点覆盖日瑞美多地。
公司底子要交代。创始阵容豪华，CEO 出身谷歌，联合创始名单里有伯克利与斯坦福的知名学者，做的是硬件无关的机器人通用大脑，两条开源模型在学界与业界都被广泛引用。融资轨迹一路陡峭，前年四亿美元，去年六亿美元估值五十六亿，今年三月据报道在谈十亿美元级新轮，估值或超百亿，后两轮为媒体报道口径。钱堆出方向共识，同行与用户都值得认真看，看空理由无非是贵，贵门槛恰恰挡住凑热闹的。
边界与判断
官方自己列的局限值得转述，敢于先说短处的公司，长处通常也更可信，这套判断方式比读宣传稿靠谱。多数演示用云端推理，部分部署遇到网络连通挑战；用户仍需完整的迭代循环，采数据、训练、测试、收失败案例，一样不能省。翻译一下，API 降的是基础设施门槛，数据采集与迭代功夫还得自己下，模型买来并不等于就能干活，等于拿到了开始练的资格，资格费按月还是按次，等定价公布。
对行业，这件事的意义在于机器人智能的门槛从建实验室降到了写应用。自动化设备商、产线集成商、特种作业团队，原先摸不到基础模型那批人，现在排个队就有机会，真机智能探索成本从建机房降到写申请，降不止一个数量级，背后是一批新玩家入场，入场者第一批作品值得围观，围观是最好的行业学习。定价未公布是悬念也是信号，这类基础设施的计价方式本身就会定义行业格局。
开源仓库里两代模型的权重、训练代码与部署指南都能下载，研究与自部署路线同样敞开，两条路都通，这点格局配得上头部位置。一句话收尾，机器人大脑开始按次收费，工厂里的下一场订阅革命在路上。
来源
- 官方公告 https://www.pi.website/blog/api-beta
- 开源仓库 https://github.com/Physical-Intelligence/openpi
- 融资报道 https://www.reuters.com/technology/artificial-intelligence/robot-ai-startup-physical-intelligence-raises-400-mln-bezos-openai-2024-11-04
- 公司背景 https://en.wikipedia.org/wiki/Physical_Intelligence_Inc.