机器人公司拿到千万美元融资，AI赛道开始转向硬件

我开始觉得，机器人技术即将彻底改变AI竞赛的含义。过去几年，这场竞赛一直都很容易追踪：
- 谁拥有最聪明的模型？
- 谁的推理和编码能力更强？
- 谁拿下了本周的基准测试冠军。

但机器人技术正慢慢让这场竞赛变得混乱得多。因为现在，模型必须真正理解这个世界，还要在世界里完成实际任务。另外这个市场的发展也开始迅速加速：
- XPeng 的机器人部门刚募集了超过9亿美元，估值超63亿美元
- Skild 募集了14亿美元，而Generalid 在完成4亿美元融资仅两个月后，又募集了2亿美元。

没错，现在有天量资金正在涌入实体AI。但说实话，资金对我来说是没那么有意思的部分。我更关心大家拿着这些钱到底要打造什么。

因为我认为，这场竞赛正慢慢从「谁能造出最好的机器人躯体」，转向「谁能打造出躯体内的智能」。而我们已经能看到这套技术栈可能的雏形了。

Gemini Robotics 就是一个例子：他们一直将高层推理与低层控制模型结合使用。Figure 的 Helix 这类公司，则把慢速推理和实际控制机器人的快得多的系统分离开来。

甚至 Anthropic 这类公司也一直在试验，当 Claude 可以给预训练机器人策略发指令时，它能变得多有用。这比把最大的前沿模型塞进每个人形机器人里，还让它每秒50次控制每根手指，对我来说合理太多了，笑。

但我也认为，前沿模型最终会位于技术栈的更高层。也许它们会成为老师。它们负责理解环境、解决更难的问题、生成数据，再把一部分智能迁移到更小的具身模型里，这些小模型才能在本地运行，不会产生要命的延迟，也不会太耗电池。

如果我们真的在慢慢往这个方向走，那么AI竞赛会变得有意思得多。因为我们会开始追问：
> 谁拥有躯体？
> 谁拥有大脑？
> 大脑所基于的模型，谁拥有它？

机器人本身最终也会变成数据生成器。也就是说，它们拿起的每一个物体，遭遇的每一次失败尝试，都有可能成为下一代具身模型的训练数据。这就形成了一个相当疯狂的循环：

前沿模型训练机器人 → 机器人进入真实世界 → 机器人生成实体数据 → 数据训练出更好的模型 → 更好的模型被部署到更多机器人里，循环往复。

我认为过去几年我们看着各大实验室争夺互联网规模的文本、代码、图像和视频。也许，只是也许，实体AI会创造出一个全新的互联网规模数据集。在我看来，这最终会成为机器人领域最大的护城河之一。

附：中国目前在机器人领域做得非常强。我刚看了一个视频，一个机器人打破了Usain Bolt的个人最好成绩。

@axisrobotics 完成了1200万美元种子轮融资，由HackVC领投，Pi Network、1011 Ventures、Nomad Capital 以及战略天使投资人跟投。

让我感兴趣的不只是融资本身。机器人领域正在走向一个新阶段：有能力的机器需要的远不止更好的硬件。它们需要大量高质量真实世界数据、更好的训练基础设施，以及能持续迭代的系统。

这就是我会密切关注的机器人技术栈部分。这个阶段拿到1200万美元，给了AXIS Robotics 充足的空间来打造产品。