物理AI赛道出现了一条不走寻常路的技术路线。10月17日，旧金山物理智能实验室Nature Will发布首个物理世界基础模型Natura-1：一个500亿参数的混合专家模型，专注灵巧手控制与零样本指令跟随，预训练数据超过一百万小时的人类第一视角影像，语言、图像、视频与动作信号联合训练。团队的工程目标相当激进，把语言理解、视觉感知与高自由度动作统一进一个一百毫秒级的控制回路。创始人丁宁的表述很直接：能处理所有任务的通用模型必须存在，而这些模型必须使用灵巧的手。当大多数同行押注全身运动或仓储搬运时，这家公司把赌注押在了精细操作上，认为那才是机器人通用化的真正瓶颈。
Natura-1最受关注的是它的数据策略。模型在超过一百万小时的自我中心视角人类影像上预训练，也就是人眼视角记录的日常操作画面：做饭、维修、整理物品，语言、图像、视频与动作信号联合输入。这个思路与语言模型的路径同构：先学习专家行为的分布，再对齐到具体硬件，第一视角数据天然携带手眼协调的先验知识，是昂贵的遥操作数据之外最大的行为来源。混合专家架构则解决了容量与推理成本的矛盾，总参数五百亿，单次推理只激活其中一部分，让实时控制成为可能。一百毫秒的控制回路是硬指标，灵巧操作要求感知、决策与执行的闭环快于人类的反应延迟，任何一环的拖沓都会让精细动作失败。把多模态理解压进实时回路，同时维持长时程任务的自主执行，这是这家公司真正的工程功底所在，也是后续所有应用的地基。
值得对比的还有成本结构，第一视角视频的获取成本远低于遥操作数据，且来源几乎不受限，公开视频、穿戴设备记录都可以成为原料，这让数据规模的扩张具备可持续性，也解释了为什么多家实验室同时押注这条数据路线。
选择灵巧手作为切入点，是对行业主流路线的一次反向判断。过去两年，人形机器人公司大多优先解决行走、搬运与导航，这些场景有明确的市场预期，也容易展示，但真正的通用性缺口在手上：拧瓶盖、插线缆、使用工具、折叠衣物，这些动作占据日常任务的大多数，却是最难自动化的部分。手指自由度带来的动作空间呈指数级膨胀，接触力学的不确定性远高于行走平衡，脚本化的动作策略在这类任务上几乎必然失败。Natura-1宣称的零样本指令跟随，目标是让机器人面对没见过的物体与指令时，靠基础模型的泛化能力直接执行，而不需要针对每个任务做微调。官方还特别强调了空间约束、多物体关系与否定条件的推理，比如把不在桌上的杯子收进抽屉，这类指令恰恰是规则化策略最容易出错的场景。如果这条路线被验证，机器人的适用边界将从结构化场景扩展到开放环境。
从产品化节奏看，公司接下来需要回答的是硬件适配问题，不同厂商的灵巧手自由度、传感配置差异很大，基础模型能否通过适配层兼容主流硬件，决定了它的市场天花板，开放合作还是绑定自家本体，两条路线的取舍很关键。
把Natura-1放进赛道坐标系，物理AI正在进入基础模型竞争阶段。海外有团队把机器人基础模型做成开放接口，上传数据、云端微调、调用驱动机器，国内有公司靠仿真引擎批量生成训练数据，英伟达则开源了世界动作模型供研究社区使用。竞争的焦点从本体硬件转向模型层，比拼的是用更少的人类监督获得更通用的操作能力，掌握这层能力的厂商将拿到下一轮定价权。Nature Will的差异化在于对细分瓶颈的极致聚焦，团队规模不大，却把全部算力押在单一能力上，这种打法与早期专注代码生成的模型公司相似：先在一个垂直能力上做到不可替代，再向外扩展。灵巧操作一旦突破，向全身协调的迁移是顺路的事，反过来则困难得多，这个顺序的选择本身就是战略。
从投资视角看，模型层公司的估值逻辑与本体厂商不同，前者吃的是软件溢价与生态位，关键指标是调用与授权收入，后续如果有商业化数据披露，会为整个物理AI赛道提供新的估值参照系。
冷静看，这条路线的验证还处在早期。发布信息来自公司口径，灵巧操作的成功率、泛化边界、真实场景里的失败模式，都还没有第三方评测，一百万小时视频学来的先验能否迁移到真实硬件也有待观察，仿真到真机的落差在灵巧手上尤其明显，指尖力控的精度要求比移动底盘高一个量级。商业模式上，硬件伴侣的选择、目标客户的优先级、与本体厂商的分工，都还是未知数。可以确定的是，物理AI的资金与注意力正在向模型层集中，一百万小时级的数据配方、实时多模态控制回路、零样本任务执行，这三个关键词大概率会成为未来一年赛道竞争的主线。灵巧手是不是机器人通用化的那把钥匙，接下来一年，实验室与产线会给出各自的答案。
对准备入场的团队，建议重点关注三个信号：第三方评测的独立复现、与本体厂商的合作公告、真实场景的试点案例，三个信号叠加出现，才算这条路线从论文走向产业的确认节点。