Physical Intelligence soll 20 Mrd. Dollar wert sein: eine Woche voller Robotik-Finanzierung
Physical Intelligence verhandelt laut einem Bloomberg-Bericht, den AI Magazine am 3. November aufgriff, über eine Finanzierungsrunde bei einer Bewertung von 20 Mrd. Dollar. Das wäre mehr als das Dreifache der 5,6 Mrd. Dollar, die das Unternehmen im November 2025 wert war.

Die zwei Runden, die am 2. November angekündigt wurden, finanzieren dieselbe Idee: ein Modell, das viele Arten von Robotern steuert, statt eines eigenen 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 stetig Kapital eingesammelt. Auf eine Seed-Runde über 70 Mio. Dollar folgte eine Series A über 400 Mio. Dollar bei einer Bewertung von 2,4 Mrd. Dollar und eine Series B über 600 Mio. Dollar 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 5,6 Mrd. Dollar, die die nun berichteten Gespräche weit hinter sich lassen würden. Bloomberg berichtete unter Berufung auf Personen, die nicht genannt werden wollen, dass die bestehenden Geldgeber Avenir und Lux Capital Gespräche führen, um die neue Runde anzuführen, und dass das Unternehmen mindestens 1 Mrd. Dollar sucht.
Trotz dieses Kapitals ist die Firma klein. Im März 2026 hatte Physical Intelligence etwa 80 Mitarbeiter.
Hinter der Technik steht ein Modell für Sehen, Sprache und Handeln, das auf vielen Robotertypen trainiert wurde, nicht ein Controller für einen bestimmten Greifer. π*0.6, im November 2025 veröffentlicht, nutzt bestärkendes Lernen, um aus Erfahrung besser zu werden. Eine Studie 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 mit E-Commerce-Bestellungen und erreichte dabei 96,4 Prozent Autonomie. Ultra will die Zahl der Einsätze in US-Lagern auf Hunderte ausweiten. Daten zum Falten von Wäsche vom Partner Weave senkten nach Angaben des Unternehmens die Zahl der fehlgeschlagenen Griffe um 42 Prozent und die menschlichen Eingriffe um 50 Prozent. Mitgründer Sergey Levine sagte zu TechCrunch: „Think of it like ChatGPT, but for robots“.
Tutor Intelligence setzt dagegen darauf, dass die Daten aus bezahlter Arbeit kommen müssen. Das Unternehmen aus Watertown im Bundesstaat Massachusetts kündigte am 2. November eine Series B über 75 Mio. Dollar unter Führung von Andreessen Horowitz an und kommt damit auf insgesamt 117 Mio. Dollar.
Tutor bringt Roboter namens Sonny und Cassie bei Kunden zum Einsatz. 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, „continual learning across an expanding range of deployments is the path from specialized capabilities to general-purpose robotics“. Mitgründer und Geschäftsführer Josh Gruenstein sagte, die so entstehende Intelligenz mache Roboter „affordable on a whole new level“ und „we can hardly build robots fast enough“. Union Square Ventures und Neo, die frühere Runden angeführt hatten, beteiligten sich ebenfalls.
Machenta geht den umgekehrten Weg. Das Londoner Unternehmen sammelte 40 Mio. Dollar in einer Seed-Runde unter Führung von Creandum und Union Square Ventures ein und erklärt, seine Modelle würden vollständig auf simulierten Daten vortrainiert.
Das Imperial College London, an dem die Forschung vor etwa sechs Jahren begann, nannte sie die größte Seed-Runde eines britischen Robotik-Start-ups. Professor Edward Johns und der Doktorand Vitalis Vosylius gründeten die Firma aus dem Robot Learning Lab der Hochschule heraus und eröffneten ein Büro samt Labor in King's Cross. Das Versprechen ist Lernen im Augenblick: Ein Roboter, der eine neue körperliche Aufgabe nach einmaligem Zusehen beherrscht, nicht erst nach vielen Vorführungen und Modell-Updates. Johns sagte bei der Ankündigung, „intelligence is not so much about what you can already do, it's about how quickly you can learn to do something new“.
Simulierte Daten sind billig und privat. Daten aus dem Einsatz sind teuer und spezifisch. Welche Art das bessere allgemeine Modell hervorbringt, ist die offene Frage hinter allen drei Bewertungen.
Die Schecks fallen sehr unterschiedlich aus. Die 40 Mio. Dollar Seed von Machenta und die 117 Mio. Dollar Gesamtsumme von Tutor sind klein gegen die mehr als 1 Mrd. Dollar, die Physical Intelligence nach Berichten sucht, und noch kleiner gegen die Bewertung, über die verhandelt wird.
Zuerst stimmt der öffentliche Markt ab. Die Aktionäre von Churchill Capital Corp XI billigten am 2. November die Fusion mit Agility Robotics, mehr als 84 Prozent der abgegebenen Stimmen waren dafür.
Das fusionierte Unternehmen will den Abschluss am 4. November vollziehen und ab dem 5. November unter dem Kürzel AGLT an der Nasdaq handeln. Es erwartet rund 465 Mio. Dollar Bruttokapital vor Kosten, weniger als die mehr als 620 Mio. Dollar, die bei der Ankündigung der Fusion im Juni angepeilt waren. Davon stammen rund 164 Mio. Dollar aus dem Treuhandkonto von Churchill, 201 Mio. Dollar aus einer PIPE unter Führung von Foxconn und 100 Mio. Dollar aus Eigenkapital, das Agility nach der Ankündigung aufnahm. Digit-Roboter arbeiten bereits in neun Kundenumgebungen, darunter ein Standort von GXO Logistics in Flowery Branch im Bundesstaat Georgia, im Oktober kamen zwei weitere GXO-Anlagen hinzu. Agility nennt mehr als 300 Mio. Dollar an verbindlichen Mehrjahresbestellungen für Digit 5 und schränkt ein, dass diese Summe kein laufender Umsatz ist.
Das Werk RoboFab in Salem im Bundesstaat 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 desselben Jahres allgemein verfügbar werden. Der Landmaschinenhersteller AGCO unterzeichnete im Oktober eine kommerzielle Vereinbarung, um Digit ab 2027 in seinem Werk in Hesston im Bundesstaat Kansas zu testen.
Die Auswahl an Hardware bleibt schmal. RoboterAtlas listete zum Ende des Oktobers 2026 49 humanoide Roboter von 41 Unternehmen, 26 davon von chinesischen Herstellern, zehn aus den USA und drei aus Deutschland, wie heise berichtete. 28 der gelisteten Modelle richteten sich an Unternehmen, 18 an Forschung und Lehre und nur 16 an Privathaushalte.
Nichts davon beantwortet, ob allgemeine Robotermodelle ihre Bewertungen einspielen. Die Partner von Physical Intelligence nennen Autonomiequoten, Tutor nennt Einsatzzahlen, und Agility nennt Bestellungen mit einem Vorbehalt. Die nächste harte Zahl kommt am 5. November, wenn AGLT zu handeln beginnt.
Quellen
28- 01Physical Intelligence: What are Robot Foundation Models? - AI MagazineEN
- 02Machenta Raises $40 Million Seed Round To Build Instant-Learning Robot Foundation ModelsEN
- 03Tutor Intelligence Raises $75 Million Series B Led by Andreessen Horowitz to Scale Frontier Robotics Model Training, Manufacturing and DeploymentEN
- 04Churchill Capital XI shareholders approve $2.5B Agility Robotics humanoid SPACEN
- 05Humanoide Roboter in Deutschland: Modelle, Preise und VerfügbarkeitEN
- 06QUAL: Quantile Alignment Improves Zero-Shot Time-Series Foundation ModelsEN
- 07Anthropic is working on a system to prove AI models’ identityEN
- 08Nvidia is happy to take your money whether you're using open or closed models, says Jensen HuangEN
- 09I Checked Out Tesla’s New Model YL, Standard Y, Model 3 In Person — Here’s What Surprised MeEN
- 10Training Foundation Models with a Single AlgorithmEN
- 11 Google reveals new Gemini 4 Carbon AI model, narrowly beating Claude Opus 5.5 EN
- 12Open models can do 90% of agentic work at a twentieth of the cost of a frontier LLM: GartnerEN
- 13Tutor Intelligence raises Series B to scale model training, robot deploymentsEN
- 14Gentherm designs ThermAffyx to secure, heat patients during robotic surgeriesEN
- 15Top 10 robotics developments of October 2026EN
- 16Jülich Hosts EVE Language Model for Earth Observation and Earth ScienceEN
- 17Google Launches LiteRT Tensor API for Building, Customizing, and Optimizing ML Models for On-DeviceEN
- 18Westward Ho! First Trip Cross Country with Our New 2026 Tesla Model Y & Full Self Driving V14EN
- 1928 Zero-Day Findings in Less Than Two Days: What AI-Speed Discovery Means for RoboticsEN
- 20Solving the Interconnect Challenge in Modern Robotics: How 3M Is Engineering for Motion, Density, and UptimeEN
- 21Klobot Wins State Project to Develop Spatial Intelligence Robot ModelEN
- 22Unusual robotic animals can prove their utilityEN
- 23Was I wrong about open models & cyber risks?EN
- 24Beyond Plausible Prediction: Safety Sufficiency in Web World ModelsEN
- 25Incongruence-Aware Evaluation of Multimodal Speech Emotion Recognition in Audio Large Language ModelsEN
- 26Agentic World Modeling for Agent Test-time Scaling without Environment ReplicaEN
- 27The psychophysics of affect in large language modelsEN
- 28Calibration of Large Model Quantization based on HiFloat4 FormatEN
Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.