Generalist, 成立于 2024 年的机器人初创公司，宣布了一轮新的融资，在筹集了近 2 亿美元后，其估值提升至 30 亿美元。由 8VC 领投的这笔资金注入使 B 轮总融资额达到 6 亿美元，这表明投资者认为，让机器人通过短短几秒钟的视频就能学习新工作的路径正在迅速逼近。

融资激增与投资阵容

监管文件显示，这笔 2 亿美元的注资延续了 6 月份由 Radical Ventures 领投的 4 亿美元 B 轮融资。本轮融资为 Generalist 的投资者名单增添了 Nvidia、Union Square Ventures、Bezos Expeditions 以及 AI 先驱李飞飞（Fei-Fei Li）等重量级名字。他们的参与强调了一种信念，即为多种机器人平台提供单一的 AI“大脑”，可能会在工厂、仓库和服务场景中引发新一轮的自动化浪潮。

Gen 1.5：从超短演示中学习

Generalist 声名鹊起的原因在于其 Gen 1.5 基础模型。该模型并非通过手工编写每一个动作，而是让机器人观看一段视频剪辑——通常只有三到十二秒长——然后重现演示的任务。这种方法基于模仿学习（imitation learning）：AI 从视觉输入中提取运动线索、物体交互和时机，并将其转化为机器人执行器的控制命令。理论上，机器人只需观看简短的录像，每周就能掌握数十种新技能，从而大幅缩短在多变环境中部署自动化所需的时间和专业知识。

投资者正在追逐的“ChatGPT 时刻”

Generalist 正在参与一场激烈的竞争，旨在为硬件带来类似于大语言模型为软件带来的突破。Physical Intelligence 和由软银（SoftBank）支持的 Skild AI 等竞争对手的估值已达到百亿级，这推动了机器人领域更广泛的“ChatGPT 时刻”叙事。其前提很简单：一个通用的、经过预训练的模型，只需极少量数据进行微调，就能让公司在无需从头构建控制栈的情况下，增加机器人的能力。

物理数据瓶颈与质疑声

这种兴奋情绪面临着实际的障碍。大语言模型受益于互联网上无穷无尽的文本，但机器人需要通过物理交互来生成训练数据。传感器必须捕捉力、接触和 3D 几何形状，而且每个新场景都可能需要重新收集数据。一些专家警告说，高质量、多样化物理数据集的稀缺，可能会使真正的通用机器人智能距离商业可行性还有数年之遥。如果没有持续不断的现实世界演示，即使是像 Gen 1.5 这样灵活的模型，也可能难以泛化到其未曾见过的环境之外。

后续关注点

  • 部署测试： Generalist 下一个公开测试场——无论是在物流中心还是生产线——将揭示 Gen 1.5 从实验室演示扩展到嘈杂、不可预测的现场的效果如何。
  • 数据流水线开发： 自动化数据采集（例如，为模型提供数据的摄像机集群）的进展可能会缓解物理数据瓶颈。
  • 竞争动态： 关注竞争对手的融资轮次和合作伙伴关系公告，因为争夺首个可广泛采用的机器人基础模型的竞赛仍处于早期冲刺阶段。

核心观点： Generalist 30 亿美元的估值反映了人们坚信单一 AI 模型可以使机器人的适应能力像今天的聊天机器人一样，但实现这一路径的关键在于将简短的视频剪辑转化为可靠的现实世界运动——这一工程挑战将决定这一愿景能否转化为日常的自动化。