Generalist最新长文定调：具身原生才是正道，原力灵机已交卷
原文中文，约4300字，阅读约需11分钟。
📝
内容提要
2026年被称为具身原生元年，Generalist的GEN-1模型强调从零训练，专注于目标导向，摒弃现有技术路线。与原力灵机的DM0模型相似，二者追求数据原生、训练原生和架构原生，旨在实现物理AGI。
🔎
延伸解读
具身原生的行业影响
2026年被视为具身原生元年，Generalist和原力灵机的模型代表了行业的新方向。这种从零训练的方法可能会改变现有的技术路线，促使更多公司重新思考其研发策略，尤其是在追求物理AGI的过程中。
技术路线的选择
Generalist和原力灵机都选择了不依赖现有技术路线的策略，强调目标导向的重要性。这种选择虽然风险较高，但也可能带来更大的创新空间。企业在制定技术路线时，需考虑自身的资源和市场需求，以避免盲目跟风。
数据原生的重要性
DM0模型的成功在于其数据原生性，融合了多模态数据和真实操作数据。这表明，未来的模型训练不仅要关注数据量，更要重视数据的质量和多样性。企业在数据收集和处理时，应注重构建全面的训练数据集，以提升模型的泛化能力。
❓
Q&A
什么是Generalist的GEN-1模型？
GEN-1模型强调从零训练，专注于目标导向，旨在实现物理AGI。
为什么2026年被称为具身原生元年？
因为GEN-1和原力灵机的DM0模型的出现，标志着具身智能领域的新方向。
GEN-1模型与DM0模型有什么相似之处？
两者都追求数据原生、训练原生和架构原生，旨在实现物理AGI。
GEN-1模型的成功率和任务完成速度如何？
GEN-1模型的成功率超过99%，完成任务速度比之前的模型快3倍。
DM0模型的训练数据来源是什么？
DM0模型的训练数据融合了多模态互联网数据、驾驶数据和具身传感数据。
为什么Generalist选择不依赖已有技术路线？
因为他们认为微调别人的模型会限制创新，选择从零训练以追求更高的目标。
🏷️
