Gemeldete 20-Milliarden-Runde von Physical Intelligence schließt die Woche der Roboter-Modellfinanzierungen ab

Die beiden am 2. November angekündigten Runden finanzieren dieselbe Idee: ein Modell, das viele Arten von Robotern steuern kann, statt eines maßgeschneiderten Controllers für jeden Arm. Die Wette lautet, dass das Modell und nicht die Hardware zum knappen Gut wird.

Physical Intelligence hat seit der Gründung im März 2024 kontinuierlich Kapital eingesammelt. Auf eine Seed-Runde folgte eine Series A bei einer Bewertung von 2.400.000.000 Dollar sowie eine Series B unter Führung von CapitalG, an der sich auch Jeff Bezos, Thrive Capital, Lux Capital, Index Ventures und T. Rowe Price beteiligten. Diese Series B im November 2025 setzte die Marke von 5.600.000.000 Dollar, die die gemeldeten Gespräche weit hinter sich lassen würden. Bloomberg berichtete unter Berufung auf Personen, die nicht genannt werden wollten, dass die bestehenden Geldgeber Avenir und Lux Capital Gespräche führen, um die neue Runde anzuführen, und dass das Unternehmen mindestens 1.000.000.000 Dollar sucht.

Trotz dieses Kapitals ist die Firma klein. Physical Intelligence hatte im März 2026 etwa 80 Mitarbeiter.

Die technische Wette ist ein Vision-, Sprach- und Aktionsmodell, das über viele Robotertypen hinweg trainiert wurde, statt eines Controllers für einen einzigen Greifer. π*0.6, im November 2025 veröffentlicht, nutzt bestärkendes Lernen, um aus Erfahrung besser zu werden. Forschung vom März 2026 ergänzte ein Lang- und Kurzzeitgedächtnis für Aufgaben, die länger als zehn Minuten dauern.

Die kommerziellen Belege sind schmal, aber konkret. Das Modell π0.6 packte im Februar 2026 bei dem Partner Ultra eine ganze Schicht im Lager E-Commerce-Bestellungen mit 96,4 Prozent Autonomie, und Ultra will nach eigenen Angaben auf Hunderte Einsätze in US-Lagern skalieren. Daten zum Falten von Wäsche vom Partner Weave senkten die Zahl der fehlgeschlagenen Griffe um 42 Prozent und die menschlichen Eingriffe um 50 Prozent, so das Unternehmen. Mitgründer Sergey Levine sagte zu TechCrunch: „Denken Sie an ChatGPT, aber für Roboter“.

Tutor Intelligence argumentiert, die Daten müssten aus bezahlter Arbeit stammen. Das Unternehmen aus Watertown in Massachusetts kündigte am 2. November eine Series B unter Führung von Andreessen Horowitz an, womit die Finanzierung insgesamt 117 Dollar erreicht.

Tutor setzt seine Roboter Sonny und Cassie bei Kunden ein. Dort helfen Fernbediener, sogenannte Tutoren, ihnen, Aufgaben zu beenden, und die dabei entstehende Erfahrung trainiert das nächste Modell. Raghu Raghuram, General Partner bei Andreessen Horowitz und früherer Chef von VMware, sagte, „kontinuierliches Lernen über eine wachsende Zahl von Einsätzen ist der Weg von spezialisierten Fähigkeiten zu Allzweckrobotik“. Mitgründer und Chef Josh Gruenstein sagte, die so entstehende Intelligenz mache Roboter „zu einem ganz neuen Preis erschwinglich“, und „wir können Roboter kaum schnell genug bauen“. Union Square Ventures und Neo, die frühere Runden angeführt hatten, beteiligten sich ebenfalls.

Machenta geht den umgekehrten Weg. Das Londoner Unternehmen sammelte 400 Dollar in einer Seed-Runde unter Führung von Creandum und Union Square Ventures ein und gibt an, seine Modelle vollständig auf simulierten Daten vorzutrainieren.

Das Imperial College London, an dem die Forschung vor etwa sechs Jahren begann, nannte es die größte Seed-Runde eines britischen Robotik-Start-ups. Professor Edward Johns und der Doktorand Vitalis Vosylius gründeten das Unternehmen aus dem Robot Learning Lab der Universität heraus, und es hat ein Büro und ein Labor in King's Cross eröffnet. Das Versprechen ist sofortiges Lernen: ein Roboter, der eine neue physische Aufgabe nach einmaligem Sehen beherrscht, nicht erst nach wiederholten Vorführungen und Modellaktualisierungen. Johns sagte in der Ankündigung, „Intelligenz hat weniger damit zu tun, was man schon kann, sondern damit, wie schnell man lernt, etwas Neues zu tun“.

Simulierte Daten sind billig und privat. Einsatzdaten sind teuer und spezifisch. Welche Quelle das bessere allgemeine Modell hervorbringt, ist die offene Frage hinter allen drei Bewertungen.

Die Schecks sind sehr unterschiedlich groß. Machentas 400 Dollar Seed und Tutors 117 Dollar insgesamt sind klein neben den mehr als 1.000.000.000 Dollar, die Physical Intelligence nach Berichten sucht, und noch kleiner neben der Bewertung, über die verhandelt wird.

Der öffentliche Markt stimmt zuerst ab. Die Aktionäre von Churchill Capital Corp XI genehmigten am 2. November die Fusion mit Agility Robotics, mehr als 84 Prozent der abgegebenen Stimmen waren dafür.

Das fusionierte Unternehmen soll den Deal am 4. November abschließen und am 5. November unter dem Ticker AGLT an der Nasdaq handeln. Es erwartet rund 465 Dollar Bruttokapital vor Kosten, weniger als die mehr als 620 Dollar, die bei der Ankündigung der Fusion im Juni erwartet worden waren. Davon stammen rund 164 Dollar aus dem Treuhandkonto von Churchill, 201 Dollar aus einer PIPE unter Führung von Foxconn und 100 Dollar aus Eigenkapital, das Agility nach der Ankündigung eingesammelt hat. Digit-Roboter arbeiten bereits in neun Kundenumgebungen, darunter ein Standort von GXO Logistics in Flowery Branch in Georgia, im Oktober kamen zwei weitere GXO-Anlagen hinzu. Agility gibt an, mehr als 300 Dollar an mehrjährigen Aufträgen für Digit 5 zu haben, und schränkt ein, dass diese Zahl kein laufender Umsatz ist.

Das Werk RoboFab in Salem in Oregon ist für bis zu 10.000 Roboter pro Jahr ausgelegt.

Digit 5, im September vorgestellt, soll in der ersten Hälfte 2027 ersten Kunden zugänglich sein und Ende dieses Jahres allgemein verfügbar werden. Der Landmaschinenhersteller AGCO unterzeichnete im Oktober eine Handelsvereinbarung, um Digit ab 2027 in seinem Werk in Hesston in Kansas zu testen.

Die Auswahl an Hardware bleibt schmal. RoboterAtlas listete zum Ende Oktober 2026 49 humanoide Roboter von 41 Unternehmen, 26 davon von chinesischen Herstellern, zehn aus den USA und drei aus Deutschland, berichtete heise. 28 der gelisteten Modelle richteten sich an Unternehmen, 18 an Forschung und Lehre und nur 16 an Privathaushalte.

Nichts davon entscheidet, ob allgemeine Robotermodelle ihre Bewertungen verdienen. Die Partner von Physical Intelligence nennen Autonomiequoten, Tutor nennt Einsatzzahlen, und Agility nennt Aufträge mit einem Vorbehalt. Die nächste harte Zahl kommt am 5. November, wenn AGLT zu handeln beginnt.