Anthropic 收购 Physical Intelligence：AI 落地的“最后一公里”之争

零售圈有个老生常谈的比喻：选品就像打牌，手握好牌是运气，能打好牌才是本事。最近的 AI 收购传闻，让我想起盒马当年在智能补货上的两难：是继续优化算法精度，还是先把算法塞进门店的冷柜系统里先跑起来？Anthropic 和 Physical Intelligence 的绯闻，本质上就是这个问题的放大版——AI 公司到底该不该去碰“手”和“脚”？

先说背景。Physical Intelligence 搞的是“物理世界 AI”，说白了就是让机器人能拆快递、叠衣服、推购物车。Anthropic 是 Claude 模型团队，强在语言理解和推理。如果传闻成真，这将是 AI 史上最“跨界”的一次收购——一个纯软件公司，去赌硬件+软件的整合。

对比一下两家巨头最近的收购路线，差异很有意思：

维度	Anthropic（传闻路线）	OpenAI（公开路线）
收购标的	Physical Intelligence（机器人+物理交互）	多家AI工具/数据公司（如Multi、Rockset）
核心逻辑	让AI从“思考”到“动手”	让AI“思考”更快、更准、更便宜
落地场景	仓储、物流、制造等物理世界	代码生成、文档分析、客服等数字世界
风险等级	高（硬件落地慢、整合难）	中（纯软件收购，团队容易融合）
门店反馈预期	“机器人在仓库搬货了，但捡货错误率还没降下来”	“API又降价了，但巡检仍然需要人工”

从零售视角看，Anthropic 这条路线更激进，也更接近真正的“AI 落地”。我在盒马跟过智能补货项目，最深的体会是：算法再准，线下执行跟不上就是零。货架上的商品被顾客拿乱了，系统智能补货到门店，但理货员没及时上架，库存数据就失真了。这里的“最后一公里”不是算法，是物理世界的执行。

Physical Intelligence 如果真被收购，带来的价值是：让 AI 模型直接控制物理动作。比如自动化仓库里的机械臂，能根据实时订单动态调整拣货路径，而不是按固定程序运行。这比单纯优化补货模型要实在得多——因为物理世界的效率提升，能直接降低门店的履约成本。

但问题也出在这里。零售业的“物理世界”极度碎片化：不同门店的货架高度、商品包装、甚至顾客动线都不同。一个在标准仓库里训练好的机器人，到社区店可能就“水土不服”。从实验室到门店的迁移成本，可能比训练模型本身还高。这也是为什么很多零售企业宁愿用“人+系统”的混合方案，而不是全自动化。

另一个隐忧是数据闭环。Physical Intelligence 的机器人需要大量真实物理操作数据，而 Anthropic 的优势是文本和代码数据。两种数据之间存在严重的“语义鸿沟”——机器人抓取一个苹果的动作，如何转化为模型能理解的“力道和角度”？这需要全新的训练范式，不是简单收购就能解决的。

对比来看，OpenAI 的“纯软件收购”显然更稳健。收购 Multi 是为了加强桌面交互，收购 Rockset 是为了实时数据查询，这些都是对现有模型的“补强”。而 Anthropic 如果收购 Physical Intelligence，就是在赌一个新的赛道——把 AI 模型的价值从“建议”延伸到“执行”。

我个人的判断是：未来 12-18 个月内，AI 公司会加速向“物理世界”渗透，但不会走全栈自研的路。更可能的是像特斯拉那样，先做“AI+机器人”的研发平台，再通过合作或收购来落地。Anthropic 的传闻如果成真，会是一个信号：AI 模型的上限不再取决于参数规模，而取决于它能否在真实物理世界里“做对事”。

对于零售行业，这意味着：智能补货、智能定价这类“纯数字决策”会率先被 AI 吃掉，而仓内拣货、门店理货这些“物理决策”会成为下一个战场。谁能在物理世界里跑通小规模闭环，谁就能拿到下一张入场券。

趋势预测：到 2027 年，前十大 AI 独角兽中将有至少 3 家通过收购或自建，拥有自己的“物理世界”落地能力。而零售业的“AI 落地”故事，将从“建议你怎么做”变成“我帮你做”——这个转变，比任何模型评测都更值得关注。

原文链接：https://techcrunch.com/2026/07/21/the-anthropic-physical-intelligence-rumor-roiling-ai-twitter/