Il round da 20 miliardi di Physical Intelligence chiude una settimana di finanziamenti ai modelli per robot
Physical Intelligence sta trattando per raccogliere capitali su una valutazione di 20 miliardi di dollari, più del triplo dei 5,6 miliardi a cui era valutata a novembre 2025, secondo quanto riportato da Bloomberg e ripreso da AI Magazine il 3 novembre.

I due round annunciati il 2 novembre finanziano la stessa idea: un solo modello in grado di guidare molti tipi di robot, invece di un controllore su misura per ogni braccio. La scommessa è che a diventare l'asset scarso sia il modello, non l'hardware.
Physical Intelligence raccoglie capitali con regolarità dalla fondazione, nel marzo 2024. Dopo un seed da 70 milioni sono arrivati un Serie A da 400 milioni su una valutazione di 2,4 miliardi e un Serie B da 600 milioni guidato da CapitalG, con la partecipazione di Jeff Bezos, Thrive Capital, Lux Capital, Index Ventures e T. Rowe Price. Quel Serie B, a novembre 2025, ha fissato la soglia di 5,6 miliardi che le trattative riportate lascerebbero molto indietro. Bloomberg ha scritto che gli investitori già presenti Avenir e Lux Capital sono in trattativa per guidare il nuovo round, citando fonti che hanno chiesto di non essere nominate, e che la società cerca almeno 1 miliardo.
Con tutti questi capitali, l'azienda resta piccola. A marzo 2026 Physical Intelligence aveva circa 80 dipendenti.
La scommessa tecnica è un modello di visione, linguaggio e azione addestrato su molti tipi di robot, non un controllore scritto per una singola pinza. π*0.6, rilasciato a novembre 2025, usa il reinforcement learning per migliorare con l'esperienza, e la ricerca di marzo 2026 ha aggiunto memoria a lungo e breve termine per compiti che durano più di dieci minuti.
Le prove commerciali sono limitate ma precise. A febbraio 2026 il modello π0.6 ha preparato ordini e-commerce per un intero turno di magazzino con il 96,4% di autonomia per il partner di deployment Ultra, che dice di stare scalando verso centinaia di installazioni in magazzini statunitensi. Secondo l'azienda, l'aggiunta dei dati sulla piegatura del bucato forniti dal partner Weave ha ridotto del 42% le prese mancate e del 50% gli interventi umani. Sergey Levine, co-fondatore, ha detto a TechCrunch: "Pensate a qualcosa come ChatGPT, ma per i robot".
Tutor Intelligence sostiene che i dati debbano venire da lavoro retribuito. L'azienda di Watertown, Massachusetts, ha annunciato il 2 novembre un Serie B da 75 milioni guidato da Andreessen Horowitz, portando il totale raccolto a 117 milioni.
Tutor porta nei siti dei clienti robot chiamati Sonny e Cassie, dove operatori remoti noti come tutor li aiutano a completare i compiti, e l'esperienza così raccolta addestra il modello successivo. Raghu Raghuram, general partner di Andreessen Horowitz ed ex amministratore delegato di VMware, ha detto che "l'apprendimento continuo su una gamma crescente di installazioni è la strada dalle capacità specializzate alla robotica di uso generale". Josh Gruenstein, co-fondatore e amministratore delegato, ha detto che l'intelligenza che ne deriva rende i robot "accessibili a un livello completamente nuovo" e che "quasi non riusciamo a costruire robot abbastanza in fretta". Hanno partecipato anche Union Square Ventures e Neo, che avevano guidato i round precedenti.
Machenta va nella direzione opposta. L'azienda londinese ha raccolto 40 milioni in un seed guidato da Creandum e Union Square Ventures, e afferma che i suoi modelli sono pre-addestrati interamente su dati simulati.
L'Imperial College London, dove la ricerca è iniziata circa sei anni fa, l'ha definito il più grande seed round raccolto da una startup britannica di robotica. Il professor Edward Johns e lo studente di dottorato Vitalis Vosylius hanno fondato la società nel Robot Learning Lab dell'università, e l'azienda ha aperto un ufficio e un laboratorio a King's Cross. La proposta è l'apprendimento istantaneo: un robot che impara un nuovo compito fisico dopo averlo visto una volta, invece che dopo dimostrazioni ripetute e aggiornamenti del modello. Johns ha detto nell'annuncio che "l'intelligenza non riguarda tanto ciò che sai già fare, quanto la rapidità con cui impari a fare qualcosa di nuovo".
I dati simulati costano poco e restano privati. I dati di deployment costano molto e sono specifici. Quale dei due produca il modello generale migliore è la domanda aperta dietro tutte e tre le valutazioni.
La forbice tra gli assegni è ampia. Il seed da 40 milioni di Machenta e i 117 milioni complessivi di Tutor sono piccoli accanto al miliardo e più che Physical Intelligence cerca secondo le indiscrezioni, e ancora più piccoli accanto alla valutazione in discussione.
Il mercato pubblico vota per primo. Il 2 novembre gli azionisti di Churchill Capital Corp XI hanno approvato la fusione con Agility Robotics, con oltre l'84% dei voti espressi a favore.
La società risultante dalla fusione dovrebbe chiudere l'operazione il 4 novembre e iniziare a essere quotata al Nasdaq il 5 novembre con il ticker AGLT. Si aspetta circa 465 milioni di capitale lordo prima delle spese, in calo rispetto ai più di 620 milioni previsti quando la fusione è stata annunciata a giugno. Sono circa 164 milioni dal trust account di Churchill, 201 milioni da un PIPE guidato da Foxconn e 100 milioni in equity raccolti da Agility dopo l'annuncio. I robot Digit lavorano già in nove ambienti di clienti, tra cui un sito GXO Logistics a Flowery Branch, in Georgia, con altre due strutture GXO aggiunte a ottobre. Agility dice di avere più di 300 milioni in ordini pluriennali vincolanti per Digit 5, precisando però che la cifra non è fatturato corrente.
Lo stabilimento RoboFab di Salem, in Oregon, è progettato per un massimo di 10.000 robot all'anno.
Digit 5, presentato a settembre, dovrebbe arrivare ai primi clienti nella prima metà del 2027 e in disponibilità generale alla fine di quell'anno. Il produttore di macchine agricole AGCO ha firmato a ottobre un accordo commerciale per provare Digit nel suo stabilimento di Hesston, in Kansas, dal 2027.
La scelta dell'hardware resta ristretta. Secondo heise, RoboterAtlas elencava 49 robot umanoidi di 41 aziende alla fine di ottobre 2026: 26 di produttori cinesi, dieci statunitensi e tre tedeschi. Ventotto dei modelli in elenco erano destinati alle imprese, 18 alla ricerca e all'istruzione e solo 16 alle famiglie.
Niente di tutto questo stabilisce se i modelli generali per robot valgano le loro valutazioni. I partner di Physical Intelligence riportano percentuali di autonomia, Tutor riporta installazioni, Agility riporta ordini con un'avvertenza. Il prossimo dato certo arriva il 5 novembre, quando AGLT inizia a essere quotata.
Fonti
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
Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.
I contenuti sono stati preparati dalla redazione con il supporto dell'IA.
Commenti
0- Nessun commento — sii il primo.