2026 年 7 月 31 日，迪士尼正式揭晓了其加速器项目（Disney Accelerator）第 12 期的入围名单。入选的五家企业均与人工智能深度绑定，具体包括具身智能领域的 FieldAI 和 Physical Intelligence（即 PI），以及另外三家生成式 AI 公司。
作为迪士尼专门针对成长期科技初创企业的战略孵化平台，该加速器每年在全球范围内遴选少数几家初创团队，不仅提供资金支持，更在合作期内安排其与迪士尼旗下各业务线的高层管理者进行深度对接。回顾过往案例，迪士尼意在通过这种“技术选秀”机制，提前锁定那些能够嵌入并重塑自身业务生态的早期技术。
今年这份名单的独特性在于，迪士尼首次同时下注两家专注于物理 AI 基础模型的初创公司。作为一家以内容和 IP 为核心资产的百年娱乐巨头，它如今高调支持具身智能，其背后的考量究竟几何？
（来源：迪士尼）
一边教机器人“干活”，一边教机器人“生存”
在被迪士尼押注的两家物理 AI 企业中，PI 对许多行业观察者而言并不陌生。该公司成立于 2024 年，核心理念是构建旨在教导机器人执行任务的“操作智能”。其核心产品为 π 系列通用机器人基础模型，凭借强大的泛化能力，无需针对性编程即可驱动不同形态的机器人完成各类真实世界交互任务。
对于迪士尼来说，若投放至园区的机器人仅具备行走、站立功能，充其量不过是会移动的电子玩偶。若要实现真正有意义的互动，机器人必须拥有通用任务执行能力，而 PI 的模型正是达成这一愿景的关键一环。
再看 FieldAI，它在 2025 年 8 月通过一轮高达 4.05 亿美元的融资进入公众视野，投资方阵容豪华，涵盖贝索斯旗下基金、英特尔资本、英伟达、盖茨前沿（Gates Frontier）及三星等科技巨头。
FieldAI 的技术路线聚焦于领域基础模型（FFMs）。有别于将视觉或语言大模型简单迁移至机器人的做法，FFMs 主打物理 AI 原生架构，依托名为信念世界模型（Belief World Model）的预测引擎，为具身智能在不确定性环境下的底层推理提供支持。
简言之，FFMs 赋予机器人在缺乏地图、GPS 信号及预设路径的动态非结构化环境中做出可靠决策的能力。
在交付模式上，FieldAI 专为客户提供适配各类机器人形态的“大脑”软件，系统部署于边缘端，不依赖云基础设施。截至 2025 年，FieldAI 的系统已在全球数百个真实工业场景中落地应用，涵盖建筑、采矿、能源、城市运营及联邦项目等领域。
（来源：FieldAI）
对迪士尼而言，PI 与 FieldAI 构成了清晰的分工互补：PI 负责教导机器人“做什么”，FieldAI 则致力于让机器人“在复杂真实环境中存活”。
以主题乐园为例，密集的人流、奔跑的儿童、不可预知的掉落物、嘈杂的背景音以及多变的光线，共同构成了一个绝不亚于火星或地下环境的复杂场景。因此，角色机器人不仅要呈现表演动作，更需在极度动态的环境下确保安全自主运行。
PI 的通用能力赋予了机器人丰富且个性化的游客互动体验，而 FieldAI 擅长的“不确定性推理”与“通用大脑”，有望推动机器人从在花车上定点表演，进化为能在园区内自由漫步的智能体。
补齐完整技术栈的最后拼图
纵观此前在底层物理引擎、仿真训练环境及机器人实体上的所有布局，PI 和 FieldAI 正在为迪士尼的物理 AI 落地补上最后一块关键拼图。
主题乐园作为机器人落地的场景，具备几个难以复制的特质：付费用户密度极高，商业回报路径清晰；能持续产生真实、复杂的人机交互数据；用户对“角色走进现实”抱有强烈的天然期待，接受门槛远低于工厂或家庭场景。
在底层支撑方面，2025 年 3 月，迪士尼联合英伟达（NVIDIA）与谷歌 DeepMind 发布了面向机器人仿真训练的开源物理引擎 Newton，该引擎可模拟机器人在真实世界中的运动状态。
基于 Newton，迪士尼研究院（Disney Research）凭借多年积累的角色物理表达经验，自研了物理求解模拟器 Kamino（名称源自《星球大战》中的克隆行星）。该系统可在单块 GPU 上并行运行数千个异质虚拟环境。
借助这些底层平台，迪士尼成功训练出具有星战风格的双足机器人 BDX，以及首个能在动态环境下自主行走并保持平衡的新一代角色机器人 Olaf，并将其投放至乐园中。
图 | 黄仁勋在英伟达 GTC 2026 大会上与 Olaf 机器人同台（来源：英伟达）
截至目前，迪士尼已掌握运动层（Newton、Kamino）、角色层（BDX、Olaf）和场景层。正如华特迪士尼幻想工程研发高级副总裁凯尔·劳克林（Kyle Laughlin）所言：“我们的机器人角色和电子动画角色即将开始融合。”
融合前的最后一步，便是嵌入 PI 和 FieldAI 的基础模型，补齐中层环节，使机器人具备执行通用任务以及在不确定环境下自主导航的能力。
全周期验证尚存断点，迪士尼仍需跨越诸多障碍
尽管技术栈看似完整，但从演示效果到规模化落地之间的每一环，迪士尼都面临着不少未能完全解决的断层。
落地机器人的实际表现与外界想象之间仍存在差距。在巴黎迪士尼的首秀中，Olaf 严格按照编排流程表演，无法与游客进行即兴互动。迪士尼官方明确表态，至少在初期阶段，游客不应期待与其进行长时间的一对一交流。
科幻剧集《西部世界》描绘了人类对机器人进入真实世界的终极想象，但近距离体验后，行业人士指出，Olaf 并非拥有自主意识、可随心走动交谈的“完全体”。由于演进时间表未予公布，暗示距离机器人实现互动的终极目标仍有相当长的路要走。
此外，机器人模型向不同场景迁移也面临诸多挑战。PI 的泛化能力演示目前仍集中在室内少数任务场景，户外稳定性尚未得到验证。而 FieldAI 的商业部署多集中在复杂但可控的专业化场景，行为主体可预测，运行区域通常设有物理隔离。
对于这两家公司的模型而言，主题乐园这一人机密度极高的场景属于未曾触碰的挑战，其底层能力能否直接迁移，目前尚无公开案例验证。
更为关键的是，仅凭自主活动能力不足以让机器人越过主题公园的准入门槛。具身智能安全系统的可靠性、如何确保机器人在极端场景下不对人身安全构成威胁，这些都是迪士尼尚未给出答案的问题。
机器人的规模化部署还将受制于成本因素。起步阶段投放少量机器人时，定制化打磨高质量角色的成本尚在承受范围内。然而，迪士尼旗下拥有数百个经典角色，若每个角色机器人都需同等量级的投入，将对集团的收支平衡造成巨大压力。
站在 PI 和 FieldAI 的角度审视，往届毕业加速器项目中，真正并入迪士尼业务线的公司寥寥无几。四个月的期限能为双方带来多大的实质性进展，亦是个未知数。
这些断点并不会彻底否定迪士尼的物理 AI 路线，但解决工程细节、成本模型及公共安全问题，是机器人在园区自由活动的前提条件。在可预期的未来，我们尚难窥见完整形态的终点。
参考内容：
https://thewaltdisneycompany.com/news/accelerator-2026-participants/
https://thewaltdisneycompany.com/news/behind-the-bdx-droids/
https://thewaltdisneycompany.com/news/olaf-robotic-character/
https://www.fieldai.com/news
https://www.youtube.com/watch?v=jw_o0xr8MWU
注：封面/首图由 AI 辅助生成
