估值14.5亿美元的Eka：物理AI模型让机械臂学会「人手」

从「能抓」到「会抓」：Eka的物理AI突破

在机器人领域，「抓取」看似简单，实则是最难攻克的通用能力之一。传统机械臂擅长在结构化环境中重复固定动作，一旦面对形状、材质、重量各异的物体，往往需要重新编程或更换末端执行器。Eka Robotics 声称其机械臂是首个真正擅长抓取广泛物体的产品，动作流畅、拟人化程度高，在业内引发关注。据 RSS 来源报道，该公司凭借这一物理 AI 模型获得 14.5 亿美元估值。

这一估值的底层逻辑，并非机械结构的革新，而是「物理 AI」——让模型直接理解物理世界的交互规律，而不是依赖预设轨迹。Eka 的机械臂之所以被描述为「smooth and human-like」，关键在于其动作生成不是离散的抓取点，而是连续的、带力反馈的拟人运动。

物理AI模型为何让专家兴奋

从视觉识别到物理交互

传统抓取方案通常拆分为感知（识别物体位置）与规划（计算抓取姿态）两段。这种方式在物体堆叠、遮挡或形变场景下容易失效。物理 AI 模型的思路是让模型在仿真中大量试错，学习「推、拨、滑、抓」等物理交互的后果，从而在真实世界中泛化。据来源描述，Eka 的机械臂在抓取多种物体时表现出色，这正是物理 AI 泛化能力的体现。

物理AI（Physical AI） 是近年机器人学与人工智能交叉领域兴起的提法，指让模型直接建模并预测物理世界中的交互动力学，而不仅是对图像做语义分类。它与传统「感知—规划—控制」流水线的区别在于：模型在训练阶段通过大规模仿真或真实交互数据，学习物体在受力、碰撞、滑动时的状态转移规律，从而在推理时直接输出动作序列或力控指令。代表性工作包括基于可微物理仿真、强化学习与扩散策略（diffusion policy）的方法。物理AI的难点在于物理规律难以用纯数据穷举，且仿真与真实的分布差异会显著影响泛化，因此常与sim-to-real技术配合使用。

「拟人化」不只是营销词

「人类般流畅」的意义在于：拟人动作通常意味着更柔顺的力控与更低的冲击。对于易碎品、柔性物体或需要人机协作的场景，动作的平滑度直接决定可用性。Eka 被专家称赞的核心，不是它能抓起某个特定物体，而是它抓取的方式接近人类——这暗示其底层控制策略已经跳出「位置控制」的框架。

力控（force control）与位置控制（position control） 是机器人末端执行器两种基本控制范式。位置控制让机械臂精确到达指定位姿，但在接触物体后无法主动调节施加的力，容易压碎易碎品或卡死。力控则在末端加入力/力矩传感器，闭环调节接触力，使机械臂能「柔顺」地贴合物体表面、适应形变与滑动。拟人抓取之所以看起来流畅，正是因为人类手部天然采用阻抗控制（impedance control）——同时调节位置与刚度，在碰撞瞬间让步而不是硬顶。Eka被描述为动作拟人，暗示其控制层可能采用了类似阻抗或变阻抗策略，而非单纯的位置轨迹插值。

14.5亿美元估值背后的行业信号

据单一来源报道，Eka Robotics 估值达到 14.5 亿美元。这一数字在机器人赛道中属于独角兽级别，反映了资本市场对「物理 AI」叙事的高度认可。

值得区分的是，估值并不等同于营收或出货量。物理 AI 模型的价值需要在实际部署中验证：抓取成功率、节拍、维护成本、对未知物体的适应速度，都是决定商业化成败的变量。来源信息未披露 Eka 的具体客户、出货规模或技术论文，因此对其技术壁垒的判断仍需保留。

物理AI赛道的竞争与挑战

Eka 并非孤军奋战。物理 AI 已成为机器人领域最拥挤的叙事之一，多家公司都在尝试用大规模仿真训练通用抓取模型。Eka 的差异化在于「首个真正擅长广泛抓取」的定位，但这一表述需要第三方评测来佐证。

从技术路径看，物理 AI 模型面临仿真到现实的鸿沟（sim-to-real gap）。仿真中训练的策略在真实世界中常因摩擦力、光照、传感器噪声的差异而性能下降。Eka 若能在真实场景中稳定复现拟人抓取，其护城河将比单纯的模型规模更深。

Sim-to-real gap（仿真到现实的鸿沟） 指在物理仿真器中训练的策略部署到真实机器人时出现的性能落差，成因包括接触摩擦模型不精确、传感器噪声、光照与材质差异、执行器延迟等。常见缓解手段有域随机化（domain randomization，在仿真中随机化摩擦系数、质量、光照等参数）、系统辨识（用真实数据校准仿真参数）以及真实世界微调。对抓取任务而言，接触力学的高度非线性使sim-to-real尤为棘手，这也是评估Eka类公司技术壁垒时最应关注的指标之一。

对从业者的启示

对于关注具身智能的开发者，Eka 的案例提示了一个方向：抓取能力的上限不取决于末端执行器的自由度，而取决于模型对物理交互后果的预测能力。将力觉、触觉与视觉联合建模，比堆叠视觉识别精度更接近通用抓取。

同时，14.5 亿美元估值也意味着市场耐心有限。物理 AI 公司需要在演示视频之外，拿出可量化的部署数据。Eka 能否把「专家疯传」转化为「客户复购」，将决定这个估值是起点还是顶点。