靠“摸”做出百億估值？Meta、比亞迪、京東入局這家具身智能公司

文 | 華商韜略 方樂迪

資本的嗅覺更誠實，在火熱的具身智能賽道，一家名為帕西尼（Pasini）的公司不靠機器人動作炫技和后空翻，卻靠干了件“苦差事”，并因此獲得了超過10億元人民幣的B輪融資，將自己的估值一舉推過了百億門檻。

這輪融資的背后，站著一排重量級玩家：黃浦江資本領(lǐng)投，Meta關(guān)聯(lián)方、比亞迪、京東等產(chǎn)業(yè)巨頭赫然在列。

這并非又一個被資本熱炒的概念。巨頭們用真金白銀投下的，是對一項“看不見的富礦”——真實世界里的多模態(tài)觸覺數(shù)據(jù)——的集體認可。他們買的，是帕西尼在數(shù)據(jù)閉環(huán)上的核心競爭力。

具身智能的未來市場廣闊，麥肯錫預(yù)測到2030年將超過萬億美元，橫跨制造業(yè)、物流和服務(wù)業(yè)。然而，整個行業(yè)都飽受“數(shù)據(jù)饑渴癥”的困擾。Gartner的數(shù)據(jù)顯示，高達80%的AI項目因為數(shù)據(jù)質(zhì)量問題而延期。市場上不缺數(shù)據(jù)，但極度缺乏能讓機器人真正“上手”的高質(zhì)量觸覺數(shù)據(jù)。

想象一下，讓你用手拿起一個紙杯、一塊海綿和一塊生鐵，你會毫不費力地用出三種完全不同的力道。這是人類的本能，是無數(shù)生活經(jīng)驗沉淀下來的肌肉記憶。

但對于機器人來說，這個簡單的動作卻難如登天。它不知道該用多大的力，是會捏碎紙杯，還是抓不穩(wěn)鐵塊。這背后微妙的力矩控制，必須依賴海量、高質(zhì)量的數(shù)據(jù)來“喂養(yǎng)”和訓練。

帕西尼之所以能脫穎而出，正是因為它提供的不是普通的數(shù)據(jù)，而是一種“定義權(quán)”——定義機器人如何感知和與物理世界交互的標準。這套定義權(quán)，建立在三大堅實的支柱之上。

【支柱一：從“看見”到“摸到”，補上機器人缺失的感官】

長期以來，行業(yè)主流的AI模型嚴重依賴視覺數(shù)據(jù)，就像給機器人裝上了眼睛，卻忘記了給它一雙能感知的手。這導(dǎo)致機器人在物理交互上表現(xiàn)平平。例如，波士頓動力（Boston Dynamics）的Atlas機器人雖然在跑跳和平衡上技驚四座，但由于缺乏觸覺，它很難完成需要精細操作的任務(wù)。

帕西尼另辟蹊徑，通過自研的硬件，大規(guī)模采集視覺之外的觸覺等多模態(tài)數(shù)據(jù)，構(gòu)建了名為OmniSharing DB的百億級實采數(shù)據(jù)庫。這是全球獨家的寶貴資源，它重新定義了“全模態(tài)數(shù)據(jù)”的標準：數(shù)據(jù)不僅要包含“看到”的信息，更要融入“物理接觸”的信息。

IDC估算，這種多維度的數(shù)據(jù)能將模型的泛化能力提升20%到30%。Figure AI在融資68億美元后，也重點強調(diào)了多模態(tài)訓練，并與寶馬合作進行汽車裝配，這恰好驗證了數(shù)據(jù)維度對于應(yīng)用落地效率的關(guān)鍵作用。

帕西尼的探索，正在推動整個賽道從“視覺優(yōu)先”向“全感官”的模式轉(zhuǎn)型，為制造業(yè)和服務(wù)業(yè)的自動化釋放出巨大的潛力。

【支柱二：告別手工作坊，用“超級工廠”工業(yè)化生產(chǎn)數(shù)據(jù)】

采集核心的觸覺數(shù)據(jù)，靠實驗室里幾臺機械臂敲敲打打的“手工作坊”模式是行不通的。為了解決這個問題，帕西尼投入重資，在天津建起了一座名為“Super EID”的超級數(shù)據(jù)采集工廠。

在這里，每天都有成千上萬次的抓取、裝配和接觸在真實物理世界中發(fā)生，機器與人協(xié)同工作，每年能產(chǎn)出近百億條高質(zhì)量的實采數(shù)據(jù)。這種模式將數(shù)據(jù)收集從零散的項目制，升級為標準化的流水線生產(chǎn)，構(gòu)筑了強大的規(guī)模壁壘。

相比之下，傳統(tǒng)的數(shù)據(jù)采集方式，規(guī)模、質(zhì)量和一致性都難以保證。即便是OpenAI的機器人項目，也曾因數(shù)據(jù)體量的限制而導(dǎo)致迭代周期漫長。麥肯錫的分析指出，規(guī)模化的數(shù)據(jù)能夠?qū)I部署成本降低15%至40%。這與特斯拉（Tesla）的Dojo系統(tǒng)異曲同工——通過自采海量駕駛數(shù)據(jù)，特斯拉幾乎壟斷了自動駕駛市場，并獲得了顯著的市值回報。帕西尼的策略，正是在具身智能領(lǐng)域復(fù)制這一成功路徑。

【支柱三：源于真實，拒絕“活在模擬器里”的AI】

其他數(shù)據(jù)方式仍有一定局限性，譬如與現(xiàn)實世界之間存在著“鴻溝”。許多在模擬器里表現(xiàn)完美的模型，一旦進入真實環(huán)境就錯誤百出，Google的PaLM-E模型就曾面臨這樣的泛化難題。

帕西尼從一開始就堅持“以人為中心”的實采模式，所有數(shù)據(jù)都源于真實的交互任務(wù)。這確保了數(shù)據(jù)的“血統(tǒng)純正”，也讓數(shù)據(jù)與模型之間建立了清晰的因果關(guān)聯(lián)，極大地提升了模型的性能轉(zhuǎn)化效率。根據(jù)Forrester的報告，真實數(shù)據(jù)能將機器人的訓練周期縮短30%。亞馬遜的倉庫機器人就是最好的例子，在早期仿真方案失敗后，團隊果斷轉(zhuǎn)向?qū)嵅蓴?shù)據(jù)，最終將分揀效率提升了50%。

如今，帕西尼的數(shù)據(jù)優(yōu)勢正在幫助比亞迪等合作伙伴解決產(chǎn)線裝配中的實際痛點，推動著物流與制造領(lǐng)域價值鏈的深刻重構(gòu)。

手握“數(shù)據(jù)定義權(quán)”，帕西尼的硬件、數(shù)據(jù)與模型的協(xié)同，不僅讓其自研的OmniVTLA大模型在精細操控能力上持續(xù)領(lǐng)先，更將“數(shù)據(jù)定義權(quán)”升級為了“技術(shù)定義權(quán)”——帕西尼賣的不僅是數(shù)據(jù)，更是整個行業(yè)的標準。

在商業(yè)上，與Meta、京東等巨頭的合作，讓帕西尼的數(shù)據(jù)價值在汽車和物流等關(guān)鍵場景中得到驗證，進一步鞏固了其領(lǐng)導(dǎo)地位。這輪新的融資將用于擴建數(shù)據(jù)工廠和加速模型迭代，讓已經(jīng)轉(zhuǎn)起的飛輪更加勢不可擋。

帕西尼的故事預(yù)示著，具身智能已經(jīng)進入了“數(shù)據(jù)資產(chǎn) + 閉環(huán)效率”的全新時代。誰能掌握最深厚、最真實的數(shù)據(jù)，誰就能定義行業(yè)的未來。帕西尼不僅為自己打開了通往更高估值的大門，也為所有硬科技企業(yè)提供了一個構(gòu)建深層護城河的全新范式。

歡迎關(guān)注【華商韜略】，識風云人物，讀韜略傳奇。

版權(quán)所有，禁止私自轉(zhuǎn)載

部分圖片來源于網(wǎng)絡(luò)

如涉及侵權(quán)，請聯(lián)系刪除