下一个 Anthropic 不写代码，它在搬箱子！

一句话看懂：具身智能赛道近期出现两起关键并购：Skild AI 收购 Fetch Robotics，国内原力灵机与 Atomix 合并。这两起事件的共同逻辑是：物流仓库里每天上亿次的“搬箱子”（Picking）动作，正在成为训练通用具身智能模型的“原子任务”，就像代码（Coding）之于大语言模型一样。行业判断是，谁先跑通“真实场景数据→模型变强→更多场景部署”的正向循环，谁就可能拿到下一代通用机器人的入场券。

事件核心：发生了什么

4 月 15 日，硅谷具身智能公司 Skild AI 宣布收购 Zebra Technologies 旗下的机器人自动化业务（即 Fetch Robotics）。Skild AI 的核心产品是名为“Skild Brain”的通用机器人基础模型，目标是控制人形、机械臂、AMR 等多种形态的机器人。Fetch Robotics 则拥有多年的仓库部署经验和 Symmetry Fulfillment 调度平台。6 月 5 日，国内专注通用具身大模型的原力灵机宣布与全球化物流机器人公司 Atomix 完成合并。Atomix 已在全球超过 20 个国家、500 多个项目中完成部署，日均出货超过 60 万件，这是目前中国具身智能领域最大的真实物流抓取数据源。原力灵机的 DM0 模型在真机综合评测中已位列全球第一，下一代模型预计 7 月发布。

为什么重要

这两起并购映射出一个行业共识：具身智能的竞争已从实验室算法竞赛，转向“模型 × 场景 × 全球化”的综合工程。其底层逻辑源于一个类比：在大模型时代，代码（Coding）因具备“海量真实数据、可自动验证的成功信号、向其他能力迁移”三大特性，成为推动模型整体进化的引擎。在物理世界中，Picking（抓取-移动-放置）恰好具备相同结构：全球仓库每日产生数亿次带有结果反馈的真实动作数据，系统可以立即判断成败，而一旦模型掌握了在不同环境下稳定抓取任意物体的能力，就可以向装配、分拣、家务等更广泛任务迁移。因此，Picking 被视为具身智能的“Coding 时刻”。

Skild AI 收购场景经验，原力灵机合并真实数据源，本质都是在加速构建“模型变强→机器人更聪明→产生更优质数据→模型继续迭代”的场景型数据飞轮。这让通用机器人的指数级进化具备了可操作的路径，也意味着单独做算法或单独做硬件的公司，如果不补齐场景短板，将在三到五年内面临被整合的压力。

对用户/开发者/创作者的影响

对于企业采购方（如物流、仓储、制造行业）：未来成熟的机器人解决方案不再是孤立硬件，而是“大脑+场景”的打包服务。当具身大模型持续进化，机器人的部署成本将下降，泛化能力将提升，一台机器人理论上可以通过软件更新胜任更多任务，而非每次更换场景都需要重新编程和调试。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对于机器人开发者：行业整合预示着“写模型”和“写代码”之外的第三种能力——做真实场景数据闭环——将成为核心壁垒。如果你正在参与具身智能创业或研究，需要尽早接入真实的物流或工业场景以获取 feedback 信号，否则模型迭代速度将被拥有先天数据矿的团队拉开。

对于 AI 行业观察者：这一轮整合验证了“数据飞轮”在物理世界的生效条件。大模型公司的竞争逻辑正在被复刻到机器人领域，关注哪个团队能率先实现“日用亿级真实抓取数据→模型能力提升→在更多国家规模化落地”的正循环，将是判断赛道胜负的关键指标。

值得关注的后续

第一，原力灵机下一代 DM 系列模型在 7 月发布后，其真实物流场景中的性能数据（如抓取成功率、泛化到新物体和新环境的能力）将是重要的验证指标。第二，Skild AI 整合 Fetch Robotics 后，能否在 12 个月内将“Skild Brain”部署到现有仓库并取得效率和成本数据，将检验“大脑+场景”模式是否可落地。第三，目前公开信息显示，两家公司都未公布具体的整合时间表和商业化目标，后续是否会有更多头部公司（如 Covariant、Physical Intelligence）跟进类似的并购，将揭示这个赛道从“算法竞争”转向“资源整合”的速度。

来源：Readhub · AI

下一个 Anthropic 不写代码，它在搬箱子！