当整个行业都在比拼人形机器人的躯体性能，比拼关节力矩、奔跑速度、灵巧手的灵活度，一家美国初创公司跳出了硬件竞赛的漩涡。
根据海外媒体Business Insider披露的消息，物理AI企业FieldAI已经签署融资条款清单，计划完成7亿美元新一轮融资，投后估值达到100亿美元。
距离上一轮融资仅仅过去一年多时间，这家成立于2023年的公司估值直接从20亿美元暴涨五倍。值得注意的是，这笔交易尚未正式闭合，领投机构没有对外公开，FieldAI官方也没有针对融资传闻做出任何公开回应。
资本市场疯狂的出价背后，FieldAI手里没有一台自研生产的机器人硬件。它不打磨电机，不开模做外壳，不量产人形机体，团队全部力量都投入到一套可以跨设备运行的通用机器人大脑。资本赌的不是一台可以供观众拍照的机器人样机，而是物理世界里一套通用的智能操作系统能否真正跑通现实商业。
01
不靠硬件，故事从何而来？
市面上绝大多数机器人创业公司的叙事逻辑十分清晰，企业拿出硬件样机，通过演示视频展示运动能力，再面向市场销售整机获取收入。FieldAI完全颠倒这套叙事，它输出的Field Foundation Models，也就是FFM通用基础模型，目标是成为各类机器人共用的智能中枢，这套软件系统能够适配人形机器人、四足机器狗、无人机、工业移动平台等完全不同形态的硬件设备。
具身涌现观察，这家公司的技术基因，起源于NASA喷气推进实验室的极端环境科研项目。创始人Ali Agha拥有七年JPL任职经历，他曾经带队参与火星洞穴探索、DARPA地下挑战赛，带领跨机构CoSTAR团队拿下2020年DARPA地下挑战赛城市赛段冠军，那套技术原本用来让机器人在无GPS、没有预先测绘地图的地下废墟自主探索搜救。以往这些技术只存在于国防科研项目，FieldAI把这套面向未知环境的自主智能，迁移到建筑工地、矿山、能源站点这些充满不确定性的工业现场。
很多同行的机器智能，优先针对仓库这种环境固定、障碍物可预判的室内场景做优化。FieldAI的主战场恰恰是充满变数的野外现场。工地上物料随意堆放、光照随时变化，矿山巷道地形不断改动，没有预存地图，卫星定位信号时常丢失，机器人需要依靠自身感知实时理解环境，自主规划路径完成巡检作业。
这份技术路线也已经转化为看得见的商业合同。知情人士对外透露，自今年6月之后，FieldAI新增至少3500万美元的客户订单，累计合同规模突破1.35亿美元，合作客户数量超过三十家，客户群体覆盖建筑企业、数据中心运营商以及国防相关机构，还专门设立FieldAI Federal部门对接联邦国防市场需求。
放到整个物理AI赛道横向对比，同样主打“机器人大脑”路线的玩家不在少数。Skild AI估值已经超过140亿美元，它更多面向仓库物流这类结构化室内场景，以OEM授权模式嵌入第三方机器人硬件；Physical Intelligence估值约110亿美元，团队脱胎谷歌DeepMind，更偏向公开技术研究输出。三家公司同样押注软件层，但FieldAI差异化优势，在于它拿到来自复杂非结构化工业环境真实落地订单，而不只是停留在仿真环境和实验室演示。
02
百亿估值，资本究竟在押什么？
一年五倍的估值增长，很容易让外界把FieldAI简单归为AI泡沫下的又一个资本狂欢。但具身涌现认为，资本愿意给出百亿估值，并不是单纯看好几份已经签下的商业订单，而是押注整个物理AI产业范式转移的可能性。
长久以来机器人产业陷入一个很难挣脱的循环，一款机器人硬件诞生，工程师针对特定场景编写大量专用程序，机器人只能完成预设范围内的工作，一旦环境发生微小改变，整套程序就要重新调试开发。换一种机器人本体，几乎大部分软件代码就要推倒重来。硬件迭代速度越来越快，但是软件适配成本居高不下，这也是工业机器人落地成本长期居高不下的一大痛点。
投资人在FieldAI身上看到的可能性，是把软件与硬件彻底解耦。如果存在一套通用智能大脑，不同形态的机器人硬件，只需要做好底层运动执行，高层感知、推理、决策全部交由统一基础模型处理，硬件厂商就不用重复投入巨额资源开发上层智能算法。硬件负责“身体”，FieldAI提供“大脑”，就像手机时代，众多硬件手机厂商搭载同一套安卓操作系统。
但这份美好蓝图之下，行业内部一直存在巨大的争议。全球机器人行业流传一个现实难题，纯软件供应商始终绕不开“大脑依附身体”的困境。软件算法无论技术多先进，终究要装载到实体机器人硬件上运行。终端客户更习惯采购完整整机，单独采购一套机器人智能软件，意味着企业自身需要具备很强二次集成调试能力，很多传统工业客户并不具备这样的工程团队，软件价值很容易被硬件载体所稀释折价。
就连FieldAI自身团队也清楚，实验室环境跑通算法，和工地矿山长期稳定运行完全是两回事。仿真测试中成功率很高的模型，一旦来到现实物理世界，光线变化、地面颠簸、传感器噪声，都会造成推理失效。斯坦福HAI发布的报告曾经给出一组行业数据，具身机器人仿真环境任务成功率接近九成，迁移到真实开放环境成功率直接跌到一成出头，仿真学霸落地变成现实学渣，这是全行业共同面对的鸿沟。
资本市场也分得清理想与现实，百亿估值建立在对未来的预期之上，这份预期的兑现，全部仰仗FieldAI能不能持续在真实复杂场景证明自身价值。
03
纯软件路线，真的走得通吗？
在全球具身智能赛道，企业大致分化成两条路线，一派选择软硬一体化，自研硬件同时开发配套智能算法，例如Figure AI这类人形机器人公司，身体和大脑同步打磨；另一派选择纯软件道路，放弃硬件制造，专注打造通用机器人智能层，FieldAI、Skild AI都属于后者。
很多行业从业者对纯软件路线抱有天然怀疑，机器人属于软硬件深度耦合的系统，运动控制、传感器信号处理、模型推理三者深度绑定，脱离对硬件底层深度掌控，第三方软件团队能否做到足够稳定可靠，一直争论不休。部分产业观点认为，只有自己掌握硬件，才能够根据算法需求反向迭代硬件参数，软件算法的潜能才可以充分释放。
FieldAI走出了一条折中路径，它不制造硬件本体，但深度参与不同硬件平台适配调试。团队成员汇聚来自Google DeepMind、NASA、英伟达、卡内基梅隆大学的研究人员，既懂高层AI模型，又精通机器人底层运动控制，这套团队配置，就是为了解决软件和不同硬件对接适配的工程难题。
具身涌现观察，这条道路会面临三重现实考验。第一重考验来自数据，通用物理AI模型极度需要真实物理世界交互数据，和互联网文本数据不一样，机器人物理交互数据采集成本高昂，不同硬件平台的数据还很难直接互通复用，行业整体高质量真机交互数据还存在巨大缺口。第二重考验来自客户付费意愿，客户是否愿意持续为软件大脑付费，而不是一次性买硬件之后就拒绝持续的软件服务开销。第三重考验来自竞争对手，未来硬件大厂完全可能自研同类通用智能软件，把第三方大脑供应商挡在门外。
FieldAI现在拿到的订单，已经证明有工业客户愿意为这套软件买单，可小规模试点订单，距离大规模商业化普及，中间隔着漫长的工程化打磨。就算技术上可以做到跨机器人通用，面向海量异构硬件做适配，本身就是一件成本极高的苦差事。
04
热潮之下，我们该读懂哪些信号？
FieldAI传出百亿估值融资消息，这件事本身释放出物理AI发展进程中三个重大意义。
第一个意义，资本市场重新定义物理AI的价值权重。过去机器人行业价值的天平更多向硬件倾斜，大家更关心电机、减速器、机体制造工艺。而FieldAI、Skild AI这类企业获得超高估值，代表资本开始承认，软件智能层具备独立的巨大商业价值。硬件是载体，真正决定机器人能不能干活、能干多少活的，是上层物理世界智能能力。这不代表硬件不再重要，而是整个产业评价体系变得更加完整。
第二个意义，非结构化复杂工业场景，正在成为具身智能最重要的试炼场。过去很多具身智能的成果，展示集中在实验室、家庭演示场景。FieldAI把战场放在建筑工地、矿山、地下空间，这些环境没有标准化条件，充满未知变量。行业终于从追求好看的演示效果，转向追求复杂现实环境下的可用能力。能不能扛住真实工业现场的考验，正在成为检验物理AI技术成色的试金石。
第三个意义，赛道路线走向多元化，软硬一体化不再是唯一标准答案。过去很多从业者默认，想要做好机器人，就必须自己造硬件。FieldAI的案例告诉市场，纯软件平台路线同样存在巨大想象空间，当然这条路线并不代表捷径，它要面对客户集成、硬件适配、数据积累的重重难关。不同技术路线并行竞争，反而会推动整个具身智能产业更快向前迭代。
但我们依旧要保持一份清醒，高估值永远不等于已经取得成功。这笔融资尚未落地100亿美元终究是对未来的定价，而不是已经兑现的成绩单。具身涌现认为，FieldAI最大的挑战，从来不是做出惊艳的演示Demo，而是持续回答一个朴素问题：当机器人身处嘈杂多变的工地，遇到计划之外突发状况时，这套 “通用大脑” 还能不能稳定完成工作，客户是否愿意一年又一年持续掏钱。
如果FieldAI可以跨过这道坎，未来机器人产业会迎来全新的分工模式，一部分企业专注打磨各式各样的机器人躯体，另一部分企业专注进化通用机器智能大脑。如果无法跨过现实世界这道门槛，百亿估值就只能成为物理AI热潮下一场浪漫的资本豪赌。
放眼整个行业，无论FieldAI的最终结局走向何方，它已经抛出一个极具时代价值的命题：当硬件躯体越来越容易制造，机器人产业真正的竞争终点，终究会回归到如何让机器真正看懂、理解、适应这个千变万化的物理现实世界。
原文标题 : 估值100亿美元！物理AI机器人公司「FieldAI」完成7亿美元融资
当整个行业都在比拼人形机器人的躯体性能，比拼关节力矩、奔跑速度、灵巧手的灵活度，一家美国初创公司跳出了硬件竞赛的漩涡。
根据海外媒体Business Insider披露的消息，物理AI企业FieldAI已经签署融资条款清单，计划完成7亿美元新一轮融资，投后估值达到100亿美元。
距离上一轮融资仅仅过去一年多时间，这家成立于2023年的公司估值直接从20亿美元暴涨五倍。值得注意的是，这笔交易尚未正式闭合，领投机构没有对外公开，FieldAI官方也没有针对融资传闻做出任何公开回应。
资本市场疯狂的出价背后，FieldAI手里没有一台自研生产的机器人硬件。它不打磨电机，不开模做外壳，不量产人形机体，团队全部力量都投入到一套可以跨设备运行的通用机器人大脑。资本赌的不是一台可以供观众拍照的机器人样机，而是物理世界里一套通用的智能操作系统能否真正跑通现实商业。
01
不靠硬件，故事从何而来？
市面上绝大多数机器人创业公司的叙事逻辑十分清晰，企业拿出硬件样机，通过演示视频展示运动能力，再面向市场销售整机获取收入。FieldAI完全颠倒这套叙事，它输出的Field Foundation Models，也就是FFM通用基础模型，目标是成为各类机器人共用的智能中枢，这套软件系统能够适配人形机器人、四足机器狗、无人机、工业移动平台等完全不同形态的硬件设备。
具身涌现观察，这家公司的技术基因，起源于NASA喷气推进实验室的极端环境科研项目。创始人Ali Agha拥有七年JPL任职经历，他曾经带队参与火星洞穴探索、DARPA地下挑战赛，带领跨机构CoSTAR团队拿下2020年DARPA地下挑战赛城市赛段冠军，那套技术原本用来让机器人在无GPS、没有预先测绘地图的地下废墟自主探索搜救。以往这些技术只存在于国防科研项目，FieldAI把这套面向未知环境的自主智能，迁移到建筑工地、矿山、能源站点这些充满不确定性的工业现场。
很多同行的机器智能，优先针对仓库这种环境固定、障碍物可预判的室内场景做优化。FieldAI的主战场恰恰是充满变数的野外现场。工地上物料随意堆放、光照随时变化，矿山巷道地形不断改动，没有预存地图，卫星定位信号时常丢失，机器人需要依靠自身感知实时理解环境，自主规划路径完成巡检作业。
这份技术路线也已经转化为看得见的商业合同。知情人士对外透露，自今年6月之后，FieldAI新增至少3500万美元的客户订单，累计合同规模突破1.35亿美元，合作客户数量超过三十家，客户群体覆盖建筑企业、数据中心运营商以及国防相关机构，还专门设立FieldAI Federal部门对接联邦国防市场需求。
放到整个物理AI赛道横向对比，同样主打“机器人大脑”路线的玩家不在少数。Skild AI估值已经超过140亿美元，它更多面向仓库物流这类结构化室内场景，以OEM授权模式嵌入第三方机器人硬件；Physical Intelligence估值约110亿美元，团队脱胎谷歌DeepMind，更偏向公开技术研究输出。三家公司同样押注软件层，但FieldAI差异化优势，在于它拿到来自复杂非结构化工业环境真实落地订单，而不只是停留在仿真环境和实验室演示。
02
百亿估值，资本究竟在押什么？
一年五倍的估值增长，很容易让外界把FieldAI简单归为AI泡沫下的又一个资本狂欢。但具身涌现认为，资本愿意给出百亿估值，并不是单纯看好几份已经签下的商业订单，而是押注整个物理AI产业范式转移的可能性。
长久以来机器人产业陷入一个很难挣脱的循环，一款机器人硬件诞生，工程师针对特定场景编写大量专用程序，机器人只能完成预设范围内的工作，一旦环境发生微小改变，整套程序就要重新调试开发。换一种机器人本体，几乎大部分软件代码就要推倒重来。硬件迭代速度越来越快，但是软件适配成本居高不下，这也是工业机器人落地成本长期居高不下的一大痛点。
投资人在FieldAI身上看到的可能性，是把软件与硬件彻底解耦。如果存在一套通用智能大脑，不同形态的机器人硬件，只需要做好底层运动执行，高层感知、推理、决策全部交由统一基础模型处理，硬件厂商就不用重复投入巨额资源开发上层智能算法。硬件负责“身体”，FieldAI提供“大脑”，就像手机时代，众多硬件手机厂商搭载同一套安卓操作系统。
但这份美好蓝图之下，行业内部一直存在巨大的争议。全球机器人行业流传一个现实难题，纯软件供应商始终绕不开“大脑依附身体”的困境。软件算法无论技术多先进，终究要装载到实体机器人硬件上运行。终端客户更习惯采购完整整机，单独采购一套机器人智能软件，意味着企业自身需要具备很强二次集成调试能力，很多传统工业客户并不具备这样的工程团队，软件价值很容易被硬件载体所稀释折价。
就连FieldAI自身团队也清楚，实验室环境跑通算法，和工地矿山长期稳定运行完全是两回事。仿真测试中成功率很高的模型，一旦来到现实物理世界，光线变化、地面颠簸、传感器噪声，都会造成推理失效。斯坦福HAI发布的报告曾经给出一组行业数据，具身机器人仿真环境任务成功率接近九成，迁移到真实开放环境成功率直接跌到一成出头，仿真学霸落地变成现实学渣，这是全行业共同面对的鸿沟。
资本市场也分得清理想与现实，百亿估值建立在对未来的预期之上，这份预期的兑现，全部仰仗FieldAI能不能持续在真实复杂场景证明自身价值。
03
纯软件路线，真的走得通吗？
在全球具身智能赛道，企业大致分化成两条路线，一派选择软硬一体化，自研硬件同时开发配套智能算法，例如Figure AI这类人形机器人公司，身体和大脑同步打磨；另一派选择纯软件道路，放弃硬件制造，专注打造通用机器人智能层，FieldAI、Skild AI都属于后者。
很多行业从业者对纯软件路线抱有天然怀疑，机器人属于软硬件深度耦合的系统，运动控制、传感器信号处理、模型推理三者深度绑定，脱离对硬件底层深度掌控，第三方软件团队能否做到足够稳定可靠，一直争论不休。部分产业观点认为，只有自己掌握硬件，才能够根据算法需求反向迭代硬件参数，软件算法的潜能才可以充分释放。
FieldAI走出了一条折中路径，它不制造硬件本体，但深度参与不同硬件平台适配调试。团队成员汇聚来自Google DeepMind、NASA、英伟达、卡内基梅隆大学的研究人员，既懂高层AI模型，又精通机器人底层运动控制，这套团队配置，就是为了解决软件和不同硬件对接适配的工程难题。
具身涌现观察，这条道路会面临三重现实考验。第一重考验来自数据，通用物理AI模型极度需要真实物理世界交互数据，和互联网文本数据不一样，机器人物理交互数据采集成本高昂，不同硬件平台的数据还很难直接互通复用，行业整体高质量真机交互数据还存在巨大缺口。第二重考验来自客户付费意愿，客户是否愿意持续为软件大脑付费，而不是一次性买硬件之后就拒绝持续的软件服务开销。第三重考验来自竞争对手，未来硬件大厂完全可能自研同类通用智能软件，把第三方大脑供应商挡在门外。
FieldAI现在拿到的订单，已经证明有工业客户愿意为这套软件买单，可小规模试点订单，距离大规模商业化普及，中间隔着漫长的工程化打磨。就算技术上可以做到跨机器人通用，面向海量异构硬件做适配，本身就是一件成本极高的苦差事。
04
热潮之下，我们该读懂哪些信号？
FieldAI传出百亿估值融资消息，这件事本身释放出物理AI发展进程中三个重大意义。
第一个意义，资本市场重新定义物理AI的价值权重。过去机器人行业价值的天平更多向硬件倾斜，大家更关心电机、减速器、机体制造工艺。而FieldAI、Skild AI这类企业获得超高估值，代表资本开始承认，软件智能层具备独立的巨大商业价值。硬件是载体，真正决定机器人能不能干活、能干多少活的，是上层物理世界智能能力。这不代表硬件不再重要，而是整个产业评价体系变得更加完整。
第二个意义，非结构化复杂工业场景，正在成为具身智能最重要的试炼场。过去很多具身智能的成果，展示集中在实验室、家庭演示场景。FieldAI把战场放在建筑工地、矿山、地下空间，这些环境没有标准化条件，充满未知变量。行业终于从追求好看的演示效果，转向追求复杂现实环境下的可用能力。能不能扛住真实工业现场的考验，正在成为检验物理AI技术成色的试金石。
第三个意义，赛道路线走向多元化，软硬一体化不再是唯一标准答案。过去很多从业者默认，想要做好机器人，就必须自己造硬件。FieldAI的案例告诉市场，纯软件平台路线同样存在巨大想象空间，当然这条路线并不代表捷径，它要面对客户集成、硬件适配、数据积累的重重难关。不同技术路线并行竞争，反而会推动整个具身智能产业更快向前迭代。
但我们依旧要保持一份清醒，高估值永远不等于已经取得成功。这笔融资尚未落地100亿美元终究是对未来的定价，而不是已经兑现的成绩单。具身涌现认为，FieldAI最大的挑战，从来不是做出惊艳的演示Demo，而是持续回答一个朴素问题：当机器人身处嘈杂多变的工地，遇到计划之外突发状况时，这套 “通用大脑” 还能不能稳定完成工作，客户是否愿意一年又一年持续掏钱。
如果FieldAI可以跨过这道坎，未来机器人产业会迎来全新的分工模式，一部分企业专注打磨各式各样的机器人躯体，另一部分企业专注进化通用机器智能大脑。如果无法跨过现实世界这道门槛，百亿估值就只能成为物理AI热潮下一场浪漫的资本豪赌。
放眼整个行业，无论FieldAI的最终结局走向何方，它已经抛出一个极具时代价值的命题：当硬件躯体越来越容易制造，机器人产业真正的竞争终点，终究会回归到如何让机器真正看懂、理解、适应这个千变万化的物理现实世界。
原文标题 : 估值100亿美元！物理AI机器人公司「FieldAI」完成7亿美元融资
