机器人行业的钱，正在从流水线流向代码库。
凌晨两点，波士顿动力的机器狗Spot正在建筑工地上独自巡逻。没有操作员盯着屏幕，没有预先画好的地图，它自己在脚手架和水泥袋之间穿行，次日一早就会把更新后的工地数据自动推送给项目团队。
让这只机器狗“长出脑子”的，是一家成立才三年、一条机械臂都没造过的软件公司，叫做FieldAI。
据多家媒体引述《商业内幕》报道，这家公司正在洽谈新一轮7亿美元融资，投后估值达到100亿美元。交易已签署条款清单，但尚未正式交割。若最终完成，其估值将在一年多的时间里翻五倍。
这不是FieldAI一家公司的故事。同一赛道的Physical Intelligence估值约110亿美元，Skild AI估值更是超过140亿美元。他们都不造机器人硬件，只做软件，却集体站上了百亿美元估值台阶。
整个机器人行业的天平，正在从“造身体”转向“长脑子”。
01.
FieldAI是做什么的？
FieldAI的核心产品叫做Field Foundation Models（FFMs），行业内将其定义为“机器人基础模型”（Robotics Foundation Model）。简单来说，这是一套专门教机器人在真实物理环境中自主行动、并且能够跨机型通用的AI软件。
要理解FFM，需要先厘清它和人们熟悉的大语言模型（LLM）的区别。
ChatGPT等大语言模型处理的是文本符号，输入输出都是文字；FFM处理的则是物理世界，例如摄像头画面、激光雷达点云、力觉传感器信号，以及机器人在真实环境中移动产生的时序数据。输入的是物理状态，输出的是行动指令。
FFM的底层技术架构叫做“信念世界模型”（Belief World Model）。
传统机器人系统通常采用“先感知、后控制”的分层架构，上层AI识别环境，下层控制器执行动作，中间靠人工编写的规则衔接。信念世界模型则从设计之初就把物理约束、环境不确定性和风险直接内嵌进模型。普通机器人看到障碍物只知道“前面有东西”，FFM驱动的机器人还能判断“这个东西出现在这里的概率有多大”“从左侧绕行的翻车风险是多”，并据此自主决策。
这种对不确定性的量化处理能力，使得FFM可以在没有地图、没有GPS的陌生环境中实现自主运行。
这套技术理念，源于创始人Ali Agha在NASA喷气推进实验室（JPL）的多年经历。他参与的DARPA地下挑战赛和火星洞穴探索任务，共同特征是环境完全未知、出错代价极高、几乎无法人为干预。FFM的设计理念，本质上就是将这种“航天级自主性”下沉到工业场景。
在同一赛道下，FFM与Physical Intelligence主导的VLA路线也有所不同。VLA强调让机器人理解自然语言指令并转化为动作，FFM则更聚焦于物理世界的状态估计与风险感知，将“不确定性”作为核心变量来处理。
商业形态上，FieldAI不卖硬件，卖软件授权。客户需要先采购第三方本体，再向FieldAI采购FFM，最终让机器人在建筑工地、矿山、数据中心等场景中自主完成巡检、导航和作业。
02.
FieldAI值100亿美元吗？
据此前《商业内幕》报道，FieldAI累计营收与客户合同约1.35亿美元，估值达到100亿美元，市销率超过70倍。
这个数字即使在当下科技行业也堪称激进。那么，资本为什么敢给出这样的定价？
首先，软件扩张和硬件扩张遵循完全不同的商业逻辑。同一套FFM可以驱动人形机器人、四足机器狗、无人机和工业移动平台，增加一个新机型只需要做软件适配，不需要建厂、开模、搭产线。而硬件公司每扩张一个品类都是重资产投入。边际成本上的差距，直接决定了利润率天花板的高低。
其次，机器人基础模型的竞争壁垒不是算法，而是数据，尤其是来自真实物理场景、带有时序和因果关系的动态数据。FieldAI的客户越多，部署在真实环境中的机器人就越多，回传的数据越丰富，模型就越强，从而吸引更多的客户。Khosla Ventures合伙人把这种逻辑概括为“部署-数据-模型进化-更多部署”的飞轮。硬件公司卖一台是一台，FieldAI每新增一台部署都在加固系统的护城河。
第三个常被忽视的维度是锁定效应。一旦工厂或矿山在特定场景下完成FFM的部署、调优并与现有workflow打通，切换成本将显著高于单纯的软件替换——它意味着整个作业流程的重新建模。这种黏性类似于工业企业对PLC编程环境或CAD软件的依赖。
这三个逻辑共同推高了大脑公司的估值天花板。Figure AI、Agility Robotics等头部硬件公司的估值均低于同量级的基础模型公司。市场已经用脚投票，在具身智能产业链中，定义“机器人如何理解世界”的环节，正在获得比制造机器人身体更高的定价权。
但需要指出的是，上述所有溢价都建立在“通用性”之上，而这是一个尚未完全验证的假设。
目前FFM在建筑巡检、矿山测绘、场地扫描等移动类任务中已经得到验证，但这些任务的本质是“从A点到B点”。当任务从“移动”转向“操作”，比如柔性装配、精密抓取，模型需要理解材质形变、力觉反馈和时序协调，泛化难度呈指数级上升。通用性假设能否跨越这道鸿沟，是最大的不确定性。
03.
芯片巨头竞逐物理AI
FieldAI的资方名单里出现了英伟达旗下的NVentures。但这不是一笔孤立的风投注，而是芯片巨头对物理AI系统性押注的一个缩影。
大语言模型的训练算力增长正在边际递减。
GPT-4之后，模型参数的持续膨胀并没有带来同比例的算力需求爆发，科技巨头的训练集群扩张速度在放缓。芯片公司急需找到下一个吃算力的大户。
物理AI恰好符合这个条件。每一个部署在真实环境中的机器人，都需要端侧实时推理和云端持续训练，且数据维度远超文本。如果未来全球有数百万台机器人同时运转，它们消耗的算力将是一个天文数字。
这一领域，英伟达的布局最为完整。
底层卖GPU算力，中间提供两个平台，Omniverse负责高保真物理仿真，Cosmos负责提供世界模型能力，上层则通过NVentures投资FieldAI、Skild AI、Physical Intelligence等应用公司，把生态里最关键的大脑握在自己手里。FieldAI与卡特彼勒的合作计划使用Omniverse构建矿山的数字孪生，正是这套生态的闭环——在仿真里训练，在真实世界里部署，数据再回流仿真迭代。
这和英伟达当年在汽车赛道推Drive平台的逻辑完全一致，先培养出最会开车的公司，然后一辈子卖油门。
AMD走了另一条路。它花82亿美元收购了李飞飞创立的World Labs。如果空间智能成为机器人行业的底层能力，训练这些模型就会催生海量算力需求，而AMD的GPU将是直接受益者。买下World Labs，等于给自己的芯片抢到了一张定义空间智能算力标准的入场券。
把这些动作连起来看，芯片巨头不是在零星的投几家公司，而是在联手定义物理AI时代的算力流向。FieldAI的100亿美元估值，也离不开这股浪潮的托举。
这也意味着，FieldAI的估值里有一部分“预期溢价”。当卖芯片的人开始亲自挑选“最会用芯片的人”时，被选中者的估值难免被放大。因为它们的成败已经不只是公司层面的事，而是关系到芯片产业能否讲出新的增长故事。
04.
国内镜像：两条不同的起跑线
中美两国在具身智能这条赛道上，跑的是两条不同的路线。
据IT桔子统计，2026年上半年国内具身智能赛道融资总额超过900亿元，这笔钱主要流向了人形机器人整机和核心零部件。
同一时期，美国资本在基础模型层面密集下注，国内则在硬件制造端大规模投入。这种差异，是两国产业禀赋的自然结果。中国拥有全球最完整的机器人供应链和制造体系，从本体到零部件的垂直整合能力无人能及。先把硬件做出来、把成本降下来，是国内赛道当前最务实的选择。
但基础模型的差距同样明显。
美国的机器人基础模型公司已经形成了清晰的“纯软件、跨本体”路线。FieldAI的FFM可以驱动机器狗、无人机、人形机器人和工业移动平台，Physical Intelligence的π0系列模型也在不断迭代跨机型泛化能力。它们的核心假设是，机器人的“大脑”应该和“身体”解耦，同一套模型可以适配不同的硬件本体，数据和技能在跨机型之间沉淀复用。
国内并非没有探索者。
穹彻智能是一家由上海交通大学教授卢策吾创立的具身智能公司，由非夕科技战略孵化，近期完成了数亿元A轮融资，核心产品是“穹彻具身大脑”，试图为不同机器人提供通用的决策和控制能力。另一家清华系创业公司灵生科技，10月刚刚完成了亿元级A轮融资，推出了名为RUDA的跨本体通用架构，试图打通数据采集、模型训练和机器人执行的自进化闭环。
但这些探索仍处于早期阶段。
一方面，它们的融资规模和估值与美国同行存在数量级差距；另一方面，国内主流路径仍然是“一机一模型”，宇树、智元等整机厂商多为自己的硬件自研配套模型，数据和技能难以在不同品牌之间流通。国内投资人也更偏好“看得见摸得着”的硬件整机，独立的软件基础模型公司尚未形成成熟的估值逻辑。
两条路线各有其合理性。美国的打法是“先定义标准，再扩张规模”，赌注在于跨本体通用性一旦验证，将产生极强的网络效应和锁定效应；国内的打法是“先落地场景，再沉淀能力”，依托制造业优势先把硬件成本降下来、把市场培育起来。但这也意味着，当硬件差异化逐渐缩小、竞争焦点转向自主能力时，国内在基础模型上可能会面临被动。
04.
结语：序章还是泡沫
机器人基础模型能否兑现百亿美元估值，最终只取决于一件事，它能否从“会走路”走向“会操作”。
Physical Intelligence、Skild AI、特斯拉、谷歌都在抢同一个门槛。谁先跨过去，谁就能定义下一个十年的行业标准。跨越成功，Figure AI们沦为代工厂，FieldAI们拿走产业链的大部分利润。跨越失败，百亿估值就是资本为“通用性”幻觉买的单。
无论哪种结局，方向已经确定，机器人行业的钱，正在从流水线流向代码库。FieldAI的100亿，赌的不是一家公司，而是“理解物理世界比触碰物理世界更值钱”这个判断。这张期权能不能兑现，将决定未来十年的利润分配格局。
