万亿巨头入场，具身智能变天了？

导语

九月这一周，具身智能圈的信息密度有点高。智元发布原生世界—动作模型GE-Act 2.0，首次验证预训练与Scaling路径；刘念邱离开元戎启行仅三个月，新公司费莫一科技就拿下近亿美元种子轮；而帕西尼被曝引入一位万亿级消费电子半导体巨头股东。模型、资本、产业巨头三线齐动，指向同一个判断：具身智能的叙事重心，正在从'演示视频'转向'真实物理世界'。

📈 模型层：Scaling终于有了'原生'剧本

大模型的剧本，机器人想再演一遍。

智元这次发布的GE-Act 2.0，官方口径里最关键的两个词是'原生世界—动作模型'（World Action Model，WAM）和'首次验证预训练与Scaling路径'。翻译一下：过去的机器人模型大多是'VLM底座+动作头'的缝合架构，感知归感知、动作归动作；而原生WAM追求的是像LLM一样，在统一的架构上做预训练，然后靠数据和算力堆出能力上限。

这条路的价值不在模型本身，而在'可扩展性'三个字上。能不能Scaling，决定了具身智能是一门手艺活，还是一个可以复利增长的平台生意。智元抢的是'先验证'这个身位——正如36氪报道所述，这是行业内首次公开验证该路径。

产业逻辑也清晰了：一旦WAM的Scaling路径跑通，具身智能的竞争就变成了'数据管线效率'的竞争——谁能更便宜、更快地把真实物理世界的交互数据喂进模型，谁就能复现大模型时代的护城河。这恰好解释了为什么同一周内，另一家公司会因为'数据'拿到近亿美元。

💰 资本层：近亿美元种子轮，押的是'从答案到结果'

钱不追风口，钱追确定性。

9月9日，费莫一科技（PHYMI）宣布完成近亿美元种子轮融资，IDG资本领投，云启资本、滴滴出行、复星锐正、耀途资本和禾赛科技跟投。成立不足半年、首款产品尚未公开、注册资本仅100万元——这个配置能拿到近亿美元，在一级市场属于极小概率事件。

拆开看，确定性来自两处。第一是人：创始人刘念邱曾任元戎启行技术合伙人、董事及副总裁，全程参与了这家公司从L4自动驾驶研发运营向高阶智驾量产的转型，涉及无图智驾、端到端模型及VLA技术；更早之前他是英特尔高级工程师，还有智能硬件连续创业经历。据多位接近人士的说法，这类'既跑通过量产、又经历过L4泡沫'的背景，在当前融资环境里几乎是硬通货。

第二是叙事的迁移路径。刘念邱曾在2024年公开表示，无人驾驶可以被视为一种'装在车身上的具身智能'——汽车本身就是运行在物理世界中的智能机器，需要完成感知、预测、规划、控制和数据回流，必须应对道路上无法穷举的长尾情况。这套方法论复用到机器人，等于把智驾行业烧了几百亿才验证过的工程框架，平移到一个新战场。

值得注意的是费莫一的目标定义：不是'造机器人'，而是开发面向真实物理世界的Physical Agent——人提出目标，机器自主拆解任务、规划路径、完成移动与操作，并根据现场变化不断调整，最终把事情办完。从'获得答案'到'交付结果'，这一步之差，划开的是Agent叙事与模型叙事的能力边界，也是资本愿意给出近亿美元估值的想象空间。

本轮投资方名单也值得多看一眼：滴滴懂出行场景，禾赛懂传感器和量产供应链，云启和耀途长期布局硬科技早期。钱只是入场券，背后的场景资源和供应链资源才是明牌。

🔋 产业层：万亿巨头悄悄上了牌桌

大厂入股，往往比大厂官宣更说明问题。

9月7日，帕西尼媒体开放日上，针对'新进股东是否为三星电子'的传闻，CEO许晋诚的回应相当克制：今年8月公司确实新增一家全球消费电子半导体万亿巨头股东，但不透露具体名单，仅表示'国际上此类公司并不多'。答案呼之欲出，但产业信号比答案本身更重要——一家万亿级消费电子巨头，为什么此时切入一家触觉传感器公司？

许晋诚给出了另一半线索：帕西尼已与富士康开展产线数据采集相关合作，且手机产线的需求体量更大。他的判断是，手机制造自动化率已偏高，但末端检验、封装包装等环节仍偏人工，随着人形机器人与智能技术完善，手机及消费电子产线90%以上环节均可实现自动化。

这里藏着一个被普遍低估的事实：消费电子产线恰恰是具身智能最好的'练兵场'。

为什么是末端检验和封装？这类环节高度依赖触觉与灵巧操作，恰好是视觉方案的盲区，也是帕西尼这类触觉传感器公司的主战场。对万亿巨头而言，入股不是财务投资，而是提前锁定下一代产线自动化的技术入口——手机产线量大、标准化程度高、容错体系成熟，是人形机器人最现实的第一个十万台级落地场景。

⚠️ 共同变量：真实数据决定生死

三条新闻，一个关键词：真实世界的数据。

把三件事放在一起看，交叉点异常清晰。智元验证WAM的Scaling路径，前提是有大规模真机数据可喂；费莫一融资用途里，'真实场景数据体系建设'被明确单列；帕西尼与富士康的合作，本质就是在产线上铺数据采集网络。

据多位接近头部团队的人士透露，当前真实真机数据的获取成本，仍是制约模型迭代速度的第一瓶颈——这也是为什么'产线数据采集'正在从概念变成一门实打实的生意。工业场景的妙处在于闭环：机器人干活，干活产生数据，数据反哺模型，模型让机器人干更好的活。谁能率先在某个具体产线上把这个飞轮转起来，谁就拿到了从demo到量产的门票。

而汽车行业已经预演过这一切。自动驾驶公司花重金铺路测车队、建数据闭环，最终才等来端到端的爆发。刘念邱从智驾转向Physical Agent，迁移的不只是技术栈，更是这套'数据闭环先行、模型能力随后'的打法。费莫一被工商信息归入'特殊作业机器人制造'行业，经营范围覆盖工业机器人、服务消费机器人及人工智能硬件，落点依然是物理世界的执行。

对创业公司而言，这意味着一个残酷但清晰的排序：先绑定一个数据密度高的产业场景，再谈通用能力。反过来走'先做通用机器人、再找场景'的团队，大概率会在数据饥饿中耗尽融资。

小结

模型层验证Scaling、资本层押注Physical Agent、产业巨头悄然卡位触觉数据——一周三件事，共同宣告具身智能进入'物理世界叙事'阶段。接下来的看点有两个：WAM路线能否在多机器人本体上复现Scaling收益，以及消费电子产线的自动化改造能否跑出第一个规模化数据闭环。可以确定的是，下一阶段淘汰赛的分水岭，不再是谁的视频更惊艳，而是谁的真实数据更多、更便宜、更持续。物理世界不欢迎表演者。