2026 年 7 月 31 日，迪士尼正式揭晓了旗下加速器项目（Disney Accelerator）第 12 期的入围名单。入选的五家企业无一例外都紧扣 AI 主题，其中既包含具身智能领域的 FieldAI 与 Physical Intelligence（简称 PI），也囊括了三家生成式 AI 初创公司。

这项面向成长期科技企业的战略孵化计划，每年从全球范围内精挑细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各业务线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。

今年这份名单的独特性在于，迪士尼首次同时押注两家专注于物理 AI 基础模型的初创企业。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，其背后的考量究竟为何？

（来源：迪士尼）

一个负责教机器人“做事”，另一个则教机器人“保命”

在被迪士尼注资的两家物理 AI 企业中，PI 对不少人而言并不陌生。该公司成立于 2024 年，核心理念是构建旨在教导机器人执行操作的“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，即便无需针对性编程，也能驱动不同形态的机器人在真实世界中完成各类交互任务。

对于迪士尼来说，若投入园区的机器人仅具备行走或站立功能，充其量不过是个会移动的电子人偶。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。

至于 FieldAI，其在 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）。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，它为具身智能在不确定性环境下的底层推理提供了支撑。

简而言之，FFMs 使机器人在缺乏地图、GPS 信号及预设路径的动态非结构化环境中，仍能做出可靠决策。

在交付层面，FieldAI 专门为客户的各种机器人形态提供“大脑”软件系统，整个部署均在边缘端完成，无需依赖云基础设施。截至 2025 年，FieldAI 的系统已在全球数百个真实工业环境中得到应用，场景涵盖建筑、采矿、能源、城市运营及联邦项目等领域。

（来源：FieldAI）

针对迪士尼的业务需求，PI 与 FieldAI 形成了明确的分工：PI 侧重于教导机器人“做什么”，而 FieldAI 则致力于让机器人在复杂的真实环境中“生存下来”。

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，共同构成了一个复杂程度不亚于火星或地下环境的场景。因此，角色机器人不仅要呈现动作表演，更需在极度动态的环境下实现安全自主的运行。

PI 的通用能力赋予机器人与游客进行丰富个性化互动的潜力，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，进化至在园区内自由漫步。

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上的所有布局，PI 和 FieldAI 的加入，正在为其物理 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，具备几项极难复制的特质：付费用户密度高，商业回报路径清晰；拥有真实、复杂且能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 发布了开源物理引擎 Newton，该引擎专为机器人仿真训练设计，可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）基于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（得名于《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的虚拟环境。

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，并已将其投放至乐园中。

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。”

融合前的最后一步，便是嵌入 PI 和 FieldAI 的基础模型，以补齐中层环节，赋予机器人执行通用任务及在不确定环境下自主导航的能力。

物理 AI 全周期验证中，迪士尼仍面临诸多断点

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，迪士尼都存在不少未能“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 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”。由于演进时间表尚未公布，暗示距离机器人实现互动终极目标仍有相当长的路要走。

此外，机器人模型的场景迁移也面临重重挑战。PI 的泛化能力演示目前主要集中在室内少数任务场景中，其户外稳定性尚待验证。而 FieldAI 的商业部署多集中于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全新挑战，其底层能力能否直接迁移，目前尚无公开案例予以验证。

更为关键的是，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，以及如何确保机器人在极端场景下不对人身安全构成威胁，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遭遇成本难题。在起步阶段，少量投放定制打磨的高质量角色机器人，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冲击。

站在 PI 和 FieldAI 的角度审视，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。四个月的期限能为双方带来多大的实质性合作进展，亦需打上一个问号。

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。在可预见的未来，我们尚难看到完整形态的终点。

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