Generalist AI 完成 4 億美元融資，打造讓機器人應對任何任務的基礎模型

機器人產業有一個軟體問題。儘管硬體端投資已高達數十億美元——人形機器人、自動化叉車、精密組裝手臂——大多數已部署的系統在本質上仍然脆弱易碎。它們在嚴格受控的環境中運作良好，但一旦箱子放歪了、地面濕了，或者光線突然改變，就立刻失效。解決這種脆弱性，正是 Generalist AI 創立的初衷。

6 月 4 日，這家總部位於加州聖馬特奧的新創公司宣布，完成由 Radical Ventures 領投的 4 億美元新一輪融資，估值達 20 億美元。本輪投資人還包括 8VC、Union Square Ventures、Norwest、Hanabi Capital，以及 NVIDIA 旗下企業創投部門 NVentures 和 Bezos Expeditions。新加入的天使投資人陣容亦相當亮眼，包括 AI 研究員李飛飛、小米聯合創始人林斌，以及企業家 Naval Ravikant——這份名單顯示公司已贏得學術 AI 與消費科技兩大社群的高度認可。

來自機器人 AI 最頂端的創始團隊

即便以一個人才濟濟的業界標準來衡量，Generalist AI 創始團隊的背景仍屬罕見。創始人 Pete Florence 曾任 DeepMind 高級研究科學家，在那裡他開發了 RT-2——一個展示語言條件化機器人控制的機器人 Transformer 模型，成為實體 AI 研究領域被引用最多的論文之一。他也共同開發了 PaLM-E，這是 DeepMind 為具身 AI 應用打造大型多模態模型的早期嘗試。

首席科學家 Andy Zeng 同樣來自 DeepMind，他在語言模型輔助機器人學習方面的研究，奠定了 Generalist AI 目前商業化技術路徑的理論根基。技術長 Andrew Barry 則出身 Boston Dynamics，專注於底層運動和操作系統，讓機器人有能力可靠地與物理世界互動。

三位創始人的能力組合，恰好覆蓋了實體 AI 所需的三大核心技術：大規模模型訓練（Florence）、系統級機器人學習（Zeng），以及讓軟體在真實機器人機體中運作的硬體接近工程（Barry）。

GEN-1：這個模型究竟能做什麼

Generalist AI 於 2026 年 4 月推出了首個模型 GEN-1。這個系統被設計為機器人學習的基礎模型——在機器人軌跡資料、真實世界影片和合成環境的組合數據上訓練，目標是賦予機器人公司所稱的「自適應智慧」。

自適應智慧意味著：機器人能感知任務執行不如預期時，自動調整行為。折疊衣物時布料滑脫——固定程式的系統就此失敗。GEN-1 讓機器人觀察到布料滑動，推斷材料的新狀態，再以更新後的抓取策略重新執行任務。同樣的自適應迴圈也適用於倉儲場景：箱子尺寸每次不同、班次交接後光線改變、庫存週期中地板佈局隨之調整——GEN-1 都能應對。

公司稱 GEN-1 在對比評估中，任務執行速度超越了 Physical Intelligence 的 pi-0 模型——另一家資金雄厚的實體 AI 競爭者。Physical Intelligence 去年自己也完成了 4 億美元融資，朝著同樣的通用機器人智慧目標前進，因此這項對比具有相當的參考價值。

實體 AGI：比人形機器人更大的市場

Generalist AI 對其市場機遇的定位，刻意比主導實體 AI 報導的人形機器人敘事更廣。公司的目標是「在物理世界中運作並與之互動的人工智慧層」——這一描述不僅涵蓋人形或工業機器人，還包括自動駕駛車輛、無人機、智慧樓宇系統和安防基礎設施——任何必須在非受控環境中將 AI 推理轉化為物理行動的系統。

這種定位在策略上意義深遠。人形機器人市場固然快速成長，但其規模終究受限於硬體製造節奏和雙足運動工程的複雜性。相比之下，將 GEN-1 定位為能授權或整合到任何實體 AI 系統的跨平台基礎模型——無論機械形態如何——Generalist AI 所瞄準的可及市場規模，比任何單一硬體品類都大出好幾個數量級。

NVIDIA 透過 NVentures 的投資尤其值得關注。NVIDIA 已透過 Cosmos 模型家族和機器人模擬平台 Isaac，清晰表達了在實體 AI 領域的雄心。投資 Generalist AI，說明 NVIDIA 看到了在自身硬體之上的模型層進行佈局的價值，雙方存在隨著 GEN-1 規模擴大而深化分發和共同開發關係的可能。

競爭格局

2025 至 2026 年的實體 AI 融資浪潮，催生了一批資金充裕、追求相近論點的新創：通用機器人智慧需要類似 Transformer 之於語言革命的基礎模型方法。除了 Physical Intelligence，競爭者還包括 1X Technologies（獲 OpenAI 和 EQT 支持）、Covariant（已與亞馬遜相關機器人業務整合），以及 Skild AI（另一家瞄準通用機器人學習的 DeepMind 衍生公司）。

Generalist AI 的差異化定位，在於明確聚焦模型層而非硬體層。公司不自己製造機器人機體，而是打造能為任何機器人機體賦予智慧的大腦。相較於軟硬體一體化的競爭者，這種做法降低了資本需求，並創造了快速獲取全球工業和協作機器人現有安裝基礎客戶的可能。

以 20 億美元估值完成 4 億美元融資，相較該賽道某些同行，估值倍數相對保守——顯示 Radical Ventures 及其聯合投資人對技術風險的定價較為審慎，而非在尚未兌現的收入上預先加載過高估值。Generalist AI 尚未披露目前的客戶或營收規模，但據報導，2026 年 4 月的 GEN-1 發布已吸引數家大型製造和物流公司的試點部署。

若物理世界是 AI 的下一個前沿，Generalist AI 的創始團隊背景和融資地位，已將這家公司放到了這場競賽中心的位置。