2026 年 7 月 31 日，迪士尼公司正式揭晓了其加速器项目（Disney Accelerator）第 12 期的入选名单。这 5 家新晋企业无一例外都与人工智能紧密相连，既包含了具身智能领域的 FieldAI 和 Physical Intelligence（业内简称 PI），也囊括了 3 家专注于生成式 AI 的企业。
作为迪士尼针对成长期科技创新企业的战略孵化平台，该加速器每年在全球范围内精挑细选少数初创团队，不仅提供资金支持，更会在合作期内安排这些公司与迪士尼各大业务板块的高层进行深度对接。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成果。
今年这份名单的亮点在于，迪士尼首次同时下注两家专门研发物理 AI 基础模型的初创公司。作为一家以内容和 IP 为百年核心资产的娱乐巨头，如今高调支持具身智能，其背后的深层考量引人深思。
（来源：迪士尼）
一个负责指挥，一个负责生存
在迪士尼重点关注的两家物理 AI 企业中，PI 对不少行业观察者而言已不陌生。该公司成立于 2024 年，核心理念是构建指导机器人执行操作的“操作智能”。其主力产品 π 系列通用机器人基础模型具备极强的泛化能力，即便没有针对性的编程指令，也能驱动形态各异的机器人完成各种真实世界的交互任务。
对于迪士尼来说，如果乐园里的机器人只会走动或站立，那充其量只是个会移动的电子玩偶。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 月凭借一轮高达 4.05 亿美元的融资进入公众视野。投资方阵容豪华，包括贝索斯旗下基金、英特尔资本、英伟达、盖茨前沿（Gates Frontier）以及三星等科技巨头。
FieldAI 的技术路线聚焦于领域基础模型（FFMs）。与将视觉或语言大模型简单移植到机器人的做法不同，FFMs 强调物理 AI 的原生设计。它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提供底层的推理支撑。
通俗来讲，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 专注于为客户的各类机器人形态提供“大脑”软件系统。整个架构部署于边缘端，无需依赖云端基础设施。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 和 FieldAI 构成了清晰的分工协作：PI 教导机器人“做什么”，FieldAI 则教会机器人“如何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，角色机器人不仅要表演动作，更需在极度动态的环境下实现安全自主的运行。
PI 提供的通用交互能力，使机器人能与游客展开丰富多样的个性化互动；而 FieldAI 擅长的“不确定性推理”与“通用大脑”，有望推动机器人从花车上的定点表演，进化为在园区内自由漫步的存在。
补齐完整技术栈的最后拼图
纵观迪士尼在底层物理引擎、仿真训练环境及机器人实体方面的所有布局，PI 和 FieldAI 的加入，正为其物理 AI 的落地补上最后一块关键拼图。
主题乐园作为机器人的应用场景，具备几个极难复制的特质：付费用户密度极高，商业回报逻辑清晰；拥有真实、复杂且可持续产生的人机交互数据；用户对“角色走进现实”抱有强烈的天然期待，这使得其接受门槛远低于工厂或家庭场景。
在底层技术方面，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。该引擎能够模拟机器人在真实世界中的运动状态。
在 Newton 之上，迪士尼研究院（Disney Research）凭借多年积累的角色物理表达经验，自研了一款名为 Kamino 的物理求解模拟器。Kamino 得名于《星球大战》中的克隆行星，可在单块 GPU 上并行运行数千个异质的虚拟环境。
依托这些底层平台，迪士尼成功训练出了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 机器人同台亮相（来源：英伟达）
截至目前，迪士尼手中已握有运动层（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。”
而在融合之前，最后一步便是嵌入 PI 和 FieldAI 的基础模型，以此补齐中层环节，赋予机器人执行通用任务以及在不确定环境下自主导航的能力。
全周期验证之路，断点尚存
尽管技术栈看似完整，但从演示效果走向规模化落地的每一步，迪士尼都面临着诸多未能完全“圆回来”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 仅能按照编排好的流程表演，无法与游客进行即兴互动。迪士尼官方也明确表态，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 并非一个拥有自主意识、能随心走动和说话的“完全体”。由于未公布具体的演进时间表，暗示着距离机器人实现互动的终极目标仍有漫长道路要走。
此外，机器人模型在不同场景间的迁移也面临挑战。PI 的泛化能力演示目前主要集中在室内少数任务场景，户外稳定性尚未得到验证。而 FieldAI 的商业部署多发生在复杂但可控的专业化场景中，行为主体可预测，运行区域通常设有物理隔离。
对这两家公司的模型而言，主题乐园这种人机密度极高的场景属于全新的挑战。其底层能力能否直接迁移至此，目前尚无公开的案例可供验证。
更为关键的是，单纯的自主活动能力不足以让机器人跨越主题公园的安全准入门槛。具身智能安全系统的可靠性如何，以及如何确保机器人角色在极端情况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压力。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。但迪士尼旗下拥有数百个经典角色，若每个角色机器人都需投入同等量级的资源，将对集团的收支平衡造成巨大挑战。
站在 PI 和 FieldAI 的角度观察，往届加速器项目中，真正被并入迪士尼业务线的公司寥寥无几。四个月的短期合作能为双方带来多大实质进展，仍需打上一个问号。
这些断点并不会彻底否定迪士尼在物理 AI 领域的探索路线。然而，解决工程细节、优化成本模型以及保障公共安全，是机器人在园区自由活动的必要条件。在可预见的未来，我们或许还难以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