做了 12 年因果 AI，她为什么今天创业？
本文探讨了黄碧薇教授创立 Aether AI 的深层原因。她深耕因果 AI 领域 12 年，致力于解决下一代 AI 从“相关性”走向“因果性”的问题。文章指出，Physical AI 的发展瓶颈在于模型需要理解物理世界的干预机制而非仅预测像素，Aether AI 试图通过因果世界模型填补感知与控制之间的空白，实现可靠的物理推理。
相关文档
Agentic 时代值得构建的 13 种生意
作者认为在 Agent 普及、生产力极大丰富的未来，拥有正确的资产才能占据优势，并归纳出 13 种值得构建的生意：AI 原生服务公司、线下体验生意、分发能力（ACP 漏斗：受众→社区→产品）、专有数据集、领域专属 Harness、机器人与物理 AI、有粉丝基础的实体产品、算力与能源、健康长寿与养老照护、市场与社交网络等。文章为每类生意解释了其在 Agent 时代的逻辑，并配有真实案例，如记账自动化公司、 sauna 俱乐部 Othership、Mercor、Osmo、Fellow、Crusoe 等，为创业者提供方向地图。
The Physical AI Value Stack: Mapping the 11 Layers of Robotics
作者提出了以任务为起点的Physical AI技术栈框架，将机器人系统划分为11个功能层：末端执行器、执行器、电源、控制、规划、感知、策略、数据、计算、仿真与评估等。文章通过分析各层的作用、关键问题和典型公司，说明如何用该框架定位系统瓶颈、理解公司竞争位置及价值归属。文中以GPT-6 Astra控制机械臂绘制金门大桥为例，展示瓶颈往往在控制与执行接口层而非模型本身。
YC Summer 2026: the full batch, plus 7 of my favorites
作者作为YC WAG，回顾了YC Summer 2026批次234家初创公司，将其分为12类，并重点介绍了7家感兴趣的公司：Nori家务机器人、Context.dev网页转AI数据、RonanRX制药、Agent FM编码代理群聊、Screenpipe工作记录、Atomarine海上数据中心、Gamgee宠物癌症疫苗。文章还包含Demo Day信息及与其他批次的对比。
一只 $399 的机器鸭，24 小时预订冲到 260 万美元
Pollen Robotics 推出的 Microduck 机器鸭售价 $399，开放预订 24 小时即突破 260 万美元。文章分析了第三方开发者能否像 App 开发者一样在其上赚钱：虽然 Microduck 开放了 SDK、模拟器和强化学习工具，但互动机器人装机量有限（Reachy Mini 仅约 1 万台），且缺乏应用商店和分成机制，靠插件盈利很难。作者建议小团队先选择展会引导等边界窄、流程固定的场景，卖整套服务而非硬件本身，做完几单验证客户付费意愿后再逐步标准化，而不是一开始就幻想插件卖一万人。
国内卷不动，去日本就有机会？别急着“润”，先看懂两种难
一位从事AI数据工程、Agent、RAG和中日FDE的作者分析2026年国内就业创业困境与日本市场机会。文章指出国内过剩的是“标准件”人才，创业难在信任成本高；日本虽缺人但存在语言、组织适配和信任三层门槛，真正缺的是能把AI落地到产业现场的复合型人才。作者提出“嵌入式创业”路径，建议从窄切口、付费验证做起，并认为未来三年Physical AI是中日合作的结构性窗口。
日本的第二次机器人战争：这一次，决定胜负的不是电机，而是数据
本文深入分析了日本在Physical AI竞赛中的现状与挑战。尽管日本拥有全球最深厚的机器人产业基础，但在将生成式AI应用于机器人方面已落后于美国和中国。文章指出，日本正通过启动FRONTia等国产基座模型项目、推动数据AI-Ready化、与英伟达合作等方式奋起直追。作者认为，日本的真正优势在于完整的机器身体、高价值现场数据、对安全可靠性的执着以及老龄化带来的真实需求，但同时也面临数据孤岛、系统集成能力不足、零缺陷文化与概率模型冲突等风险。最终，日本最有可能在工业Physical AI底座上胜出，而非人形机器人单品。
王兴兴与宇树科技：一个偏科工程师如何抓住时代机会
本文回顾了宇树科技创始人王兴兴的创业历程，从2017年乌镇大会的无人问津到2025年民营企业座谈会的第一排，分析了其成功的关键：将机械、电机、控制等偏科能力做到极致，坚持降成本与工程化，在技术成熟时果断切入人形机器人。文章强调，真正的顺势而为是长期深耕，等待时代重新定价能力，而非追逐热点。
Physical AI淘金热：机器人技术为何是下一个万亿美元前沿
本文探讨了机器人技术从风险投资坟墓到万亿美元前沿的转变，核心在于基础模型与具身智能的结合。文章通过实例展示了机器人技术的进步，并分析了VLA模型如何使机器人控制从硬编码转向预测问题。最后，作者提出了四种不依赖硬件制造的盈利模式，包括硬件无关的AI中间件、物理数据变现、垂直微自动化以及远程操作基础设施，强调软件和中间件是当前机器人领域的高利润机会。
顶尖VC 2026年动向观察：硬基建与深垂直的押注
文章分析了2026年顶尖独立VC机构的投资动向，指出资本正从浅层应用转向硬基建、物理世界和深垂直领域。通过分析赛道年龄、轮次和具体公司（如Atoms、Etched、Cognition等），揭示了AI创业窗口正在收窄，而推理芯片、机器人、企业Agent及特定垂直工作流成为投资热点。
什么是具身智能？它跟 AI 的关系是什么？
文章深入解析了具身智能的定义、历史渊源及发展现状。作者区分了具身智能与传统机器人，指出其核心在于感知-行动闭环与物理世界的实时交互。文章回顾了从符号主义、行为主义到深度学习、Transformer时代的技术演进，分析了VLA模型如何继承大模型能力来突破泛化难题，探讨其与AI的本质关系及未来前景。
Physical AI: 机器人领域的 1000 亿美元新蓝海
文章深入剖析了 NVIDIA 在机器人领域构建的隐秘且强大的操作系统，这是一个由 Cosmos（想象力/仿真）、GR00T（大脑/推理）和 Newton（物理引擎/身体）组成的全栈技术体系。文章指出，虽然大众关注机器人的硬件动态，但 NVIDIA 通过开源 Cosmos Cookbook 等工具，已经为开发者解决了物理世界 AI 中数据稀缺和仿真模拟等核心难题，标志着机器人开发范式的根本性转变。
为什么 Strike Robot 是 Physical AI 时代的「OpenAI 时刻」？
文章探讨了 Strike Robot 在 Physical AI（具身智能）领域的重要地位。作者将其比作 OpenAI 时刻，认为该平台通过 SR Agentic 智能体和云端强化学习，实现了从仿真到现实世界的无缝迁移。Strike Robot 专注于高风险 BPO 业务，不仅解决了具身智能的落地难题，还通过 $SR 代币构建了共享生态，标志着 AI 从“思考”走向“行动”的普惠时代。
