6月5日，億歐獲悉，美國(guó)具身智能公司Generalist AI宣布完成新一輪4億美元（約合27億元人民幣）融資，公司累計(jì)融資總額超5億美元，本輪投后估值達(dá)20億美元。

本輪融資由Radical Ventures領(lǐng)投，8VC、Union Square Ventures、Hanabi Capital、Norwest等機(jī)構(gòu)新入局投資。同時(shí)，英偉達(dá)旗下投資機(jī)構(gòu)NVentures、Boldstart Ventures、Spark Capital、貝索斯旗下Bezos Expeditions、NFDG等原有頭部投資方悉數(shù)大額跟投。

此外，本輪融資還迎來多位知名行業(yè)大咖新增入局，包括袁征、林斌、李飛飛、Naval Ravikant等天使投資人。

Generalist AI2024年成立于美國(guó)加州，公司CEO Pete Florence曾任Google DeepMind高級(jí)研究科學(xué)家，CTO Andrew Barry曾任波士頓動(dòng)力高級(jí)機(jī)器人工程師，首席科學(xué)家Andy Zeng曾任Google DeepMind研究科學(xué)家。

依托創(chuàng)始團(tuán)隊(duì)產(chǎn)業(yè)與學(xué)術(shù)積淀，Generalist AI自落地起便跳出行業(yè)主流研發(fā)范式，走出差異化技術(shù)路線。

產(chǎn)品迭代層面，Generalist用兩代模型落地?cái)?shù)據(jù)預(yù)訓(xùn)練新思路，先后發(fā)布GEN-0、GEN-1兩代通用物理交互大模型，逐步驗(yàn)證機(jī)器人領(lǐng)域縮放定律（Scaling Laws）可行性。

2025年11月首發(fā)GEN-0，首次通過海量現(xiàn)實(shí)世界通用數(shù)據(jù)，證實(shí)縮放規(guī)律可以復(fù)用于機(jī)器人訓(xùn)練，打破過往機(jī)器人高度依賴真機(jī)采集數(shù)據(jù)的行業(yè)慣例；

2026年4月迭代推出GEN-1，在商業(yè)化實(shí)操任務(wù)中交出亮眼實(shí)測(cè)數(shù)據(jù)，多項(xiàng)工業(yè)常用操作平均任務(wù)成功率提升至99%，作業(yè)速度達(dá)到同期行業(yè)最優(yōu)模型的3倍左右，例如箱體組裝、手機(jī)封裝等標(biāo)準(zhǔn)化工序耗時(shí)較前代SOTA方案縮短超六成。

相較于行業(yè)普遍采用的VLA（視覺-語(yǔ)言-動(dòng)作）、世界模型兩大主流技術(shù)框架，GEN-1最核心差異化在于原生架構(gòu)設(shè)計(jì)。Generalist官方明確，GEN-1既不屬于傳統(tǒng)VLA體系，也非通用世界模型，是從物理交互數(shù)據(jù)集從零訓(xùn)練、以實(shí)體環(huán)境交互為核心的專用基座模型，研發(fā)思路跳出行業(yè)技術(shù)標(biāo)簽之爭(zhēng)。

在數(shù)據(jù)訓(xùn)練策略上，GEN-1預(yù)訓(xùn)練階段全程采用50萬(wàn)小時(shí)無(wú)機(jī)器人本體的通用真實(shí)世界數(shù)據(jù)，數(shù)據(jù)體量為GEN-0的兩倍，不接入任何機(jī)器人真機(jī)采集素材；完成預(yù)訓(xùn)練后，落地單類新任務(wù)僅需1小時(shí)機(jī)器人實(shí)測(cè)數(shù)據(jù)即可完成微調(diào)對(duì)齊，而行業(yè)同類模型普遍需要數(shù)十至上百小時(shí)專屬真機(jī)數(shù)據(jù)，小樣本適配優(yōu)勢(shì)大幅降低機(jī)器人商業(yè)化部署的數(shù)據(jù)成本門檻。

實(shí)測(cè)場(chǎng)景中，GEN-1還具備臨場(chǎng)動(dòng)態(tài)調(diào)整能力，可應(yīng)對(duì)作業(yè)過程突發(fā)意外工況，自主修正動(dòng)作方案，契合工廠非標(biāo)生產(chǎn)環(huán)境的落地需求。

在行業(yè)技術(shù)路線分化加劇的背景下，Generalist提出 “結(jié)果優(yōu)先、弱化框架標(biāo)簽” 的研發(fā)邏輯。公司管理層表示，VLA、世界模型都只是實(shí)現(xiàn)物理智能的技術(shù)工具，行業(yè)爭(zhēng)論架構(gòu)分類沒有實(shí)質(zhì)意義，核心衡量標(biāo)準(zhǔn)始終是機(jī)器人能否在真實(shí)工況下，以高成功率、低成本完成具備商業(yè)價(jià)值的落地任務(wù)。

在長(zhǎng)期研發(fā)目標(biāo)上，Generalist錨定零樣本物理AGI，即機(jī)器人無(wú)需專屬微調(diào)數(shù)據(jù)，即可自主處理從未接觸的全新任務(wù)，而短期落地目標(biāo)聚焦持續(xù)壓縮單任務(wù)所需微調(diào)數(shù)據(jù)量。GEN-1現(xiàn)階段小樣本落地表現(xiàn)，被團(tuán)隊(duì)視作邁向商業(yè)化臨界點(diǎn)的關(guān)鍵信號(hào)。