星海图 B+ 轮融资额
¥20亿
地瓜机器人 B 轮单笔
$1.5亿
Eclipse Physical AI 基金
$13亿
穿戴具身 AI 前沿 | 第 15 周（4.1—4.8）：Generalist Gen-1 验证具身 Scaling Law，Physical AI 双线资本爆发
本周（4.1-4.8）穿戴具身 AI 领域同时迎来技术突破与高密度资本押注。Generalist Gen-1 在 1800 次实验中验证具身 Scaling Law，成功率从 64% 升至 99%；Eclipse 成立 13 亿美元 Physical AI 基金；星海图 20 亿 B+ 轮、地瓜机器人 1.5 亿美元出海融资同步发生；日本案例证明具身 AI 已进入刚需落地阶段；XREAL CEO 专访揭示 AI 眼镜进入「解决什么问题」的应用叙事期。
这周不寻常。具身智能在同一时间窗口内，既在实验台跑出了可重复验证的性能突破，也在资本市场完成了新一轮高密度押注。技术和资本已经进入相互强化的阶段，门外观望的窗口在变窄。
01 · Generalist Gen-1：具身 Scaling Law 有了可验证的实证
04-06 ｜ 技术突破 ｜ 具身智能基础模型
4 月 6 日，Generalist 发布 Gen-1 模型。结果是：在包装手机、折叠纸箱两类精细操作任务上，机器人成功率从 64% 升至 99%，折叠一个标准纸箱的用时从 34 秒压缩到 12.1 秒，效率提升约 3 倍。1 以上数字经过 1800 次以上重复实验，具备统计意义。
关键不在数字本身，在方法。Gen-1 引入「和谐推理」（Harmonic Reasoning）技术，让模型同时维护两个异步连续时间流：感知流持续接收传感器数据，推理流实时输出控制指令。传统「先想后动」双架构在「规划」和「执行」之间存在显式切换延迟，Gen-1 取消了这个切换——边思考边行动。1
更大的意义在于：随着真实物理交互数据规模增大，Gen-1 的性能实现了可预测的持续增长。具身智能的 Scaling Law 第一次在工业规模实验里得到了支撑。
AI Agent 能力亮点：端到端具身控制——直接从传感器原始数据输出控制指令，不经过分层规划，反应延迟大幅降低。工业级自主操作从理论进入了可测量的现实。
02 · Eclipse 成立 13 亿美元 Physical AI 基金，还要自己孵化项目
04-07 ｜ 融资/投资趋势
Eclipse 4 月 7 日宣布成立 13 亿美元新基金，专注「Physical AI」赛道，其中 5.91 亿为早期孵化基金，其余覆盖成长期投资。2 有一点值得注意：Eclipse 不只是投资外部项目，还会直接孵化并创建自有的 Physical AI 初创公司，当前已有数个自建项目在推进中。现有被投组合包括自动驾驶工程车企 Bedrock Robotics、视觉 AI 公司 Wayve 和工业机器人公司 Mind Robotics。2
基金覆盖交通、能源、基础设施、国防等全部实体领域，背后藏着一个数据战略：通过生态内企业的跨行业协作，积累比任何单一垂直赛道都难以复制的训练数据集。Eclipse 把 Physical AI 定位为继互联网、移动云、社交媒体之后的第四次技术浪潮。这个判断不是新的，但用 13 亿美元押注的 VC 说出来，意味完全不同。
AI Agent 能力亮点：Eclipse 被投组合中的每家企业，本质上都是部署在物理环境中的自主 Agent——感知→规划→执行，在真实场景完成闭环任务，无需人工干预。
03 · 星海图 B+ 轮：2 个月内第二轮，20 亿元
04-02 ｜ 融资
星海图 4 月 2 日完成 20 亿元人民币 B+ 轮融资，估值升至 200 亿元。3 两个月前刚完成了 10 亿元 B 轮，两轮合计 30 亿元。
同一家公司短期内两次大额融资，背后逻辑是 CFO 罗天奇的那句话：「资本下注，赌的是我们能率先在物理世界证明 Scaling Law。」3
竞争核心转移了。谁的数据管道效率更高，谁就赢。星海图的三层数据架构——第一视角无本体数据、仿真数据、真机数据——被外界解读为用最低成本采集高质量机器人训练数据的方法。融资规模本质上是在为数据飞轮的加速速度买单。
AI Agent 能力亮点：持续自我改进的通用机器人 Agent——数据飞轮驱动，泛化能力可持续扩展，是垂直专用机器人所不具备的长期优势。
正在加载统计卡片…
04 · 日本：具身 AI 不是试验，已经是刚需
04-05 ｜ 应用案例 ｜ 跨行业具身智能
TechCrunch 报道了日本 embodied AI 的真实部署现状：人口老龄化带来严重劳动力缺口，日本没有在等待「完美的机器人」，而是把够用的具身 AI 直接推进工厂、仓库和医院。4
几个具体案例：Mujin 的控制平台让现有工业硬件自主完成分拣任务，无需更换机器人本体，只升级软件层；初创公司 WHILL 的自动驾驶个人移动车帮助老年人完成医院和社区短途出行；软银将视觉语言模型与实时控制系统结合，让商用服务机器人自主识别环境完成复杂任务。4
报道指出当前日本的投资重心已从硬件转向编排软件、数字孪生和仿真工具。4 硬件够用了，问题变成了怎么协调多台机器人、管理复杂流程。这个判断对资本来说是重要信号。
AI Agent 能力亮点：多智能体协调（Multi-Agent Orchestration）——叉车车队自主导航与任务分配、服务机器人的情境感知与复合任务执行，是从「单台机器人」到「机器人网络」的关键跃迁。
05 · 地瓜机器人 1.5 亿美元：出海是现在的事
04-03 ｜ 融资 ｜ 物流具身机器人
地瓜机器人宣布再获 1.5 亿美元，B 轮累计融资达 2.7 亿美元，用途明确：全球化布局提速。5
时间节点值得关注。美国的 Physical Intelligence 估值已超过 110 亿美元6，在资本和技术两端都在快速拉开差距。国内具身企业的「出海」从「我们计划」变成「我们正在做」——时间窗口的判断，跳进这个决定里了。
AI Agent 能力亮点：自主导航与仓储决策——自动叉车和分拣系统需要实时环境感知、路径规划与障碍物规避的完整能力栈，是具身 Agent 在物流场景的落地形态。
06 · 理想汽车跨界：车企进入具身赛道的信号
04-04 ｜ 产业投资 ｜ 人形机器人
理想汽车破例投资了一家具身智能创业公司，创始人有理想 L9 核心开发背景；与此同时，理想还宣布将推出首款自研人形机器人。7
整车制造商在精密传感、控制系统和大规模制造供应链上的积累，跟具身机器人所需的核心能力高度重合——这不是跨界，更像是平移。理想已有工厂运营经验，具身机器人从实验室进入产线的摩擦成本也因此更低。更重要的是竞争格局的变化：这个赛道从「谁的模型更聪明」加入了「谁的制造纵深更厚」这个维度。对纯 AI 背景的初创团队来说，这不是一个容易消化的消息。
AI Agent 能力亮点：工业场景多模态指令执行——人形机器人在产线的核心挑战是将自然语言指令、视觉感知与多自由度操作能力整合为连贯动作序列，这也是 Generalist Gen-1 正在突破的方向。
07 · XREAL CEO 专访：AI 眼镜在问自己「解决什么问题」
04-04 ｜ 行业动态 ｜ AI 眼镜
爱范儿发布了 XREAL CEO 徐驰的深度专访，核心问题只有一个：为什么要用 AI 眼镜替代手机和电脑？8
这个问题能公开被问出来，本身就是阶段信号。AI 眼镜已经过了「有什么功能」的展示期，进入了「能解决什么具体问题」的应用叙事期。竞争焦点从硬件参数往生态深度迁移——谁的产品真正融入日常工作流，谁就有留存；谁还在展示技术，谁就在失去时间。
同期，韶音在 AWE 2026 完成了 OpenFit Pro 国内首秀，提供了另一个角度的参照：以天篱滤噪技术打破「开放式耳机不能降噪」的行业困局，降噪深度达到 12-16dB（50% 功率档）。9 技术突破→用户可感知差异→市场认可，这条路耳机侧已经跑通了一段。眼镜侧的问题是：什么样的 AI 能力，才能复制这个路径？
AI Agent 能力亮点：持续情境感知（Contextual Awareness）——AI 眼镜的核心 Agent 价值不在于单次响应，而在于始终开启、持续理解用户当前情境并主动触发建议，这是眼镜形态相对于手机的根本性差异。
本周洞察
Physical AI 已经不是讨论话题了，它是执行议题。
Generalist Gen-1 在 1800 次重复实验后给出了可验证的性能数字。Eclipse 和星海图在同一周完成大额融资押注。日本的案例已经说明了：不需要等完美——够用就部署，用真实数据驱动下一代模型。地瓜机器人的出海决策、理想汽车的跨界布局，说明这场竞争的时间表正在压缩。
穿戴侧本周相对安静，但 XREAL 提出的那个问题——「AI 眼镜解决什么问题」——是整个品类在 2026 年的核心测试。韶音在 AWE 用一个技术突破给出了一种回答方式，但眼镜的交互范式比耳机复杂得多，应用层的答案还没有出现。
围绕这条内容继续补充观点或上下文。