梅西，投了一家公司，为传感器装上“大脑”

随着 2026 年美加墨世界杯落幕，梅西在决赛赛场留下谢幕的泪水——这或许也是他的最后一次世界杯之旅。

虽然梅西的足球职业生涯正走向尾声，然而，其人生的下半场才刚刚拉开序幕。事实上，梅西早已为退役后的赛道铺好了清晰路径 —— 跨界入局风险投资领域，完成从足坛传奇到科技投资人的身份延伸。

早在 2022 年卡塔尔世界杯前夕，2022年10月，梅西联合硅谷资深创业者与 VC 人士，在旧金山正式成立投资平台 Play Time，品牌 slogan为“At the intersection of sports & technology（在体育与科技的交汇处）” 直接点明投资方向。

据彭博社报道，梅西的Play Time平台首期基金规模约 2 亿美元，覆盖全球体育、科技、媒体领域的全阶段初创企业，既可以孵化足球科技创业项目，也可直接入股职业球队。

不同于多数名人 “挂名 VC” 的模式，Play Time 由专业创投团队操盘运营，梅西以核心 LP 与品牌背书人的身份参与战略布局，保障投资决策的专业性。

成立至今，Play Time 累计出手投资 10 次：早期围绕足球主业布局，先后投出足球游戏平台 Matchday、足球收藏品平台 AC Momento；随后投资重心快速向人工智能前沿赛道倾斜，投资组合覆盖 AI 数据标注、3D 可视化、物理世界基础模型、机器人开发、语音 AI 生成等多个硬核科技细分领域。

其中，让我们关注的是，一家名叫Perceptron的PhysicalAI基础模型公司，这家公司正在为传感器“装上大脑”。

Facebook人工智能研究团队成员创业，专为物理世界设计的模型：消除感知与决策的边界

Perceptron成立于2024年11月，随后获得梅西风投基金Play Time的天使投资。

Perceptron的核心创始人为Armen Aghajanyan 和 Akshat Shrivastava，此前他们曾在 FAIR领导多模态研究项目—— FAIR是Facebook（Meta）的人工智能研究团队。

Perceptron旨在构建一系列专为物理世界设计的模型：这些模型能够在任何环境中感知、推理和行动，并完成任何任务。Perceptron 的模型将视觉智能引入物理世界——将摄像头和传感器转变为能够感知、推理和行动的系统。无论在何种需要感知的场合，相同的底层架构都能适应环境的各种需求。

如果说各类传感器是伸向物理世界的 “感官末梢”，只能采集压力、位置、姿态等原始数据，那么 Physical AI（物理人工智能）就是为这些感官装上的 “认知大脑”—— 它打破了传统传感 “只采数、不理解” 的局限，让系统真正读懂真实世界的物理规律、物体动力学与因果逻辑，推动感知从 “信号采集” 向 “场景认知” 跃迁。

梅西旗下 Play Time 投资的物理世界基础模型公司 Perceptron，正是这一方向的核心玩家。

Perceptron打造的物理 AI 模型并非停留在物体识别层面，而是能够解析空间运动规律、预判物体交互结果、遵循真实世界力学规则进行推理，将传感器输出的离散数据转化为具备物理常识的结构化认知。

这笔投资也与 Play Time 布局的空间智能、自主机器人项目形成技术闭环：当传感器硬件拥有了物理级的 “思考能力”，工业监测、机器人交互、运动智能系统等场景都将摆脱对人工规则的依赖，实现感知与决策的端到端智能化。

目前，Perceptron已推出三款PhysicalAI基础模型产品——MK1、Isaac 0.2、Isaac 0.1。

MK1是一款闭源 VLM（视觉语言模型）模型，在具身推理和视频理解方面达到了前沿水平，同时改进了所有图像原生任务。

Isaac 0.2和Isaac 0.1则是一款开源的 VLM模型，通过思维轨迹和工具调用，在图像推理领域取得了突破性进展。

Mk1 是一款面向生产环境打造的前沿具身推理模型，具备像素级精准定位能力，可在物体遮挡场景下保持跨帧目标身份的稳定追踪，支持多路摄像头流联合推理，并能直接从视频数据中输出结构化任务结果。它构建了新型物理智能体的技术底座，让系统能够对所处的真实世界完成 “感知 - 推理 - 行动” 的全链路闭环。

据Perceptron官网介绍，Mk1 已形成六大成熟部署原型，覆盖工业、媒体、机器人、基建、安防、多模态终端等核心场景：

制造与工业场景：覆盖工厂、建筑工地、仓库的运营分析与安全监控，可自主检测产品缺陷、实时标记职业安全违规行为、读取巡检场景下的模拟仪器示数，且仅需少量样本即可学习新型缺陷类型，无需大量数据微调。

媒体与内容场景：支撑大规模语义视觉搜索、内容标签化与合规策略执行，能够自动剪辑体育赛事精彩片段、从海量影视素材中筛选指定镜头、完成社交平台 AI 生成内容的合规审核。

机器人与自动化场景：为机器人提供端侧具身推理能力，支撑抓取操作与自主导航，实现指向抓取、跨摄像头多视角理解、任务执行结果判定；离线状态下无需人工标注，即可将远程操作片段转化为结构化训练数据。

地理空间与关键基础设施场景：基于卫星、无人机与固定摄像头数据服务公用事业、建筑与保险行业，可检测植被对电力线路的侵占、监测石油钻井平台与桥梁结构异常、跟踪工程施工进度、评估灾害损失与理赔。

安全监控场景：赋能家庭与商用摄像头实现实时态势感知，提供基于上下文的智能告警，精准区分包裹派送、门店盗窃、非法入侵、客流拥堵等有效事件与常规背景活动，大幅降低误报干扰。

设备与多模态智能体场景：为 Claude、Codex 等文本优先的大模型补充视觉感知能力，可完成文档评估、文件整理、桌面与浏览器任务自动化，并支撑智能眼镜、头戴式设备的实时场景理解。

结语

从硬件迭代到智能升维，Perceptron 所代表的 Physical AI 路径，正在为传感器产业重塑价值内核。

传统传感器是伸向物理世界的 “神经末梢”，负责采集视觉、压力、运动等原始信号，却始终难以跨越 “数据” 与 “认知” 的鸿沟。而 Mk1 这类具身推理模型，正是为海量传感终端装上的 “通用大脑”—— 它让分散的传感节点具备了跨场景理解、因果推理与自主决策能力，将孤立的数据流转化为可落地的行动指令。

对于正处在国产替代与规模化升级关口的传感器行业而言，硬件筑牢性能底座，AI 释放场景价值，二者的深度融合既是技术演进的必然趋势，也是传感企业突破增长天花板、迈向高价值赛道的核心路径。

当物理世界的每一个感知节点都拥有思考能力，智能传感的想象空间才真正被打开。