Physical Intelligence（Pi）估值超过50亿美元，正被硅谷寄望成为"机器人领域的OpenAI"。这家公司过去两年做的事，却和这个身份的常规打法拧着来：不追产品化、不建商业闭环、把每一版模型都发论文、开源——π0、π0.5、π0.6，一版接一版地把研究成果公之于众。

Pi的研究员柯丽一鸣在张小珺的访谈里说得很直白："我们应该是完全不考虑商业化，因为觉得那可能是一个distraction（分心的事）。"这句话如果出自一家估值几千万美元的早期团队，是常见的清高姿态；出自一家估值超过50亿美元的公司，就变成一个反常识的选择——钱已经在牌桌上了，Pi选择不下注在变现上。

柯丽一鸣在访谈里花了大量篇幅讲机器人这个行业的"江湖"——有人信人形，有人信数据，还有人信卖卡换效果。听完你会发现，这些技术路线之争，表面是工程判断，底下全是世界观站队。以下是我们的拆解和判断。

商业化本身没有错，"分心"才是问题

Pi拒绝商业化的底气，来自公司内部一段真实的历史教训。

Pi的联合创始人 Sergey Levine，博士期间的导师是斯坦福的 Vladlen Koltun，但2014到2016年，他在UC伯克利 Pieter Abbeel 的实验室做过两年博士后。而 Abbeel 本人，2017年创立过一家机器人公司，最初叫 Embodied Intelligence，后来改名 Covariant——目标同样是做通用机器人的机器学习方案。

柯丽一鸣的说法是，Covariant"在发展过程中，可能在某个时间点开始就比较深耕这个物流啊、仓储啊，机器人从大模型开发的角度上来看，从回头来看，会觉得这其实是对他们开发大模型的一个分散"。这段话翻译成事实：Covariant做出了很多真实的商业成果，也确实把仓储抓取这件事做成了；但公开信息显示，2024年8月，Covariant的核心团队——Abbeel、Peter Chen、Rocky Duan——被亚马逊招募，公司自身的基础模型也向亚马逊出让了非独家授权。Covariant这家公司本身并未被整体收购，仍由另一位联合创始人 Tianhao Zhang 带队独立运营，但那批最早想做"机器人通用大脑"的人，最后是在亚马逊的仓库场景里落地了自己的研究。

这不算失败，只是选择的代价兑现了。过早商业化会把一支本该追求通用性的团队，慢慢拖进一个具体场景里，直到通用性变成一句说辞。 Pi的很多骨血都跟Berkeley这一脉相连，柯丽一鸣讲这段历史时的语气，像是同门在复盘一次已经发生过的赌局。

江湖里没有中立的技术选择

柯丽一鸣把机器人这个行业形容成江湖，还讲了族谱和门派——这个说法意外精准。

她自己的学术出身就横跨两个门派：博士在华盛顿大学完成，导师 Sidd Srinivasa 出身卡耐基梅隆传统机器人学派（2017年把实验室转到华大），讲路径规划、讲控制、讲"全栈"——机械结构、动力学分析、决策链路都要会。这个门派的祖师爷叫 Matt Mason，他有一句判断：灵巧不在手指本身，而在大脑如何操控一个简单的结构去完成复杂任务。柯丽一鸣自己博士期间做的"筷子机器人"课题，就是这句话的实践版本——用两根筷子这么简单的工具，验证一整套算法能不能把复杂操作做出来。

她真正押注的却是另一个门派：数据驱动的机器学习派，师承斯坦福/伯克利这条线，吴恩达的网课是入门教材，再往上追溯到 Peter Abbeel。这个门派信的是不用告诉机器人每一步该怎么做，让它从数据里自己学出来。

两个门派放在一起看，能看出更大的地图。特斯拉信人形——柯丽一鸣的说法是"他们是有很强烈的一个人形的一个信仰的"，逻辑是这个世界本来就是按人类身体设计的，机器人要通用，就必须长成人的样子。谷歌不这么想，机器人对谷歌来说是Gemini多模态能力的延伸，不是一个独立的赌注。英伟达走的是第三条路：柯丽一鸣转述的江湖笑话是"英伟达做所有事情都是为了卖卡"——世界模型这类烧算力的项目，本质是在验证"数据多了、卡多了，效果就上去了"这条经验规律。

Pi自己选的，是"实用派加狂野派"的混合体。实用的部分是：不执着于人形，只要能力、表现、操控性能达标就行，叠衣服这种任务不需要一具完整的人形躯壳。狂野的部分是：柯丽一鸣设想的未来机器人可以"动态组装"——身体是模块化的，坏了能换，甚至不需要遵循人类既有的四肢结构。她把这个愿景推到了极致，想做"机器人可以造自己"这个课题，让机器人变成一个能自我繁殖的"种族"。她还提出了一个类似特修斯之船的伦理追问：一台机器人编号不变，但从头到脚的零件全都换过了，它还是"同一个"机器人吗？

**这里没有一个门派是纯粹的工程判断，每一条路线背后都是一次关于"什么才算智能"的下注。**人形是一种赌法，数据驱动是另一种，把算力堆到极致又是第三种——赌的都是同一件事：什么才是通往智能的正确坐标系。行业里流传着一句格言式的口号，"机器人这件事太重要了，不能只交给搞机器人的人"——这句话没有确凿的具名出处，但它准确地描述了柯丽一鸣讲的现实：机器人的突破从来不是单一门派关起门来做出来的。控制论、视觉、大模型，这些背景完全不同的人挤在一起，互相看不顺眼，却又谁都离不开谁。

硬件的分工线，也是一种信仰的自知

柯丽一鸣对中国机器人产业链的评价很直接："很难想象有一家机器人公司，组装好一台机器，里面没有一个零件是中国的。"这是她在美国从业者视角里看到的产业现实——供应链、电机选择、成本控制，这些环节的产业化优势目前明显在中国这一侧。

但Pi没有选择在硬件这条线上竞速，选的是"软件/大脑"这条赛道。这也是一种信仰的自知：知道自己在哪条线上有优势、在哪条线上没有优势，然后把赌注全部押在自己更有把握的那一侧。她提到Pi的开源策略——不只是理念上的开放，也是一种"让别人在硬件上帮我们把这件事往前推"的分工设计：Pi专注做大脑，硬件迭代交给整个生态里更擅长做硬件的人。

一个团队选择在哪条产业链环节上下注，本身就是他们对"自己相信什么、别人比自己强在哪"很诚实的回答。

开源换来的安全感，有没有保质期

张小珺在访谈里问过一个直击要害的问题：论文都公开了，后来者直接follow你就行，Pi的护城河在哪？柯丽一鸣的回答是，追Pi和追Google的逻辑一样——你想追上Google，得先训练出一个Gemini量级的大模型，这本身就是一道门槛；"就算告诉他怎么做，你不一定有那么多东西可以吃，可以去给他match上"。但她也留了一句诚实的口子："竞争永远都是存在的，我相信肯定就还是有人能够match上。"

这句回答换个角度看，其实自己承认了一件事：Pi真正的护城河不是方法论，是积累——真机数据、部署经验、迭代速度这些用钱和时间堆出来的东西。开源发论文之所以敢做，赌的前提是这道积累的鸿沟短期内填不平。这个前提是有时限的，不是永久的。一旦哪个后发团队靠工程规模和真机部署速度把数据差距追平，"开源即安全"这套逻辑就从护城河变成了倒贴给对手的说明书。柯丽一鸣自己也没说这不会发生，她说的是"肯定还是有人能够match上"——只是没说是什么时候。

笔者个人观察

这期节目容易被忽略的一层，是柯丽一鸣讲"信仰"这个词时的松弛感——她没有把技术路线之争讲成非黑即白的正邪对决，她说"因为信仰不一样，想法不一样"，语气更像在描述一个客观事实，而不是在批判对手。这种松弛感，是一家把研究纯粹性当作核心资产的公司才会有的自信姿态。

我见过不少国内的具身智能创业者，在融资路演时会把"我们不做商业化"这句话讲成一种战略姿态，潜台词其实是"我们暂时做不出能卖的产品"。柯丽一鸣讲的不做商业化，逻辑链条完全不同：她讲的是一整套"Covariant教训→避免分心→追溯本源问题"的因果链，每一步都有具体的历史事件撑着，不是一句空洞的口号。这个差别很关键——战略耐心，是能把"为什么不做"讲清楚到能拿历史案例背书的程度；讲不清楚的"不做商业化"，多半只是暂时做不到的委婉说法。

声入商业说

技术路线从来不是一次中立的工程决策。柯丽一鸣讲的这场机器人江湖里的信仰之争，最终要由市场检验：通用能不能跑赢场景专精，人形能不能跑赢非人形，开源的研究纯粹性能不能跑赢商业化的现金流。Pi押的是"通用先于变现"，这场赌注现在还没有答案。

评论区想听听你的判断：如果你是投资人，你会赌Pi这种"先追本源，后谈变现"的路线，还是赌那些已经在场景里跑出收入的机器人公司？

点击阅读原文，去小宇宙听完整期柯丽一鸣的访谈——4个小时，聊的不只是技术，还有一整代机器人研究者的成长史。