内容提要
美国具身智能公司Genesis AI完成5亿美元A轮融资,估值35亿美元,英伟达、AMD等参投。公司由周衔与Théophile Gervet于2025年3月创立,定位“具身全栈玩家”,自研数据、模型、仿真评测与本体闭环系统。其基础模型GENE-26.5可完成厨房、实验室等长程精细操作。公司还推出轮式机器人Eno,计划2026年底量产,率先进入制造、物流和实验室场景。
延伸解读
英伟达AMD罕见联手,释放什么信号?
这是AMD和英伟达第一次联手投资具身智能公司。两家芯片巨头同时下注,说明Genesis的全栈路线——尤其是对仿真引擎和自研硬件的投入——可能被视为能拉动算力需求的关键场景。在具身智能融资普遍遇冷的背景下,这笔5亿美元A轮融资也反映出资本更倾向于押注能打通数据、模型与本体闭环的团队,而非单点技术演示。
“全栈闭环”如何解决数据与评测瓶颈
Genesis将数据、模型、评测和本体设计成紧密耦合的系统。数据端用1:1:1全链路映射,让工人戴数据手套采集的手部动作近乎无损迁移给机器人,已积累百万小时级多模态数据。评测端则All in仿真,将数万次测试从现实中的200多小时压缩到半小时内,且仿真与真实测试的Pearson相关系数达0.8996。这种系统级解法试图从根源上缓解高质量操作数据稀缺和真实实验周期过长的问题。
轮式机器人Eno:不模仿人形,但追求可靠量产
Eno没有采用双足人形,而是轮式底座加可升降躯干,设计目标明确服务于移动效率、续航、工作台高度适应和成本。官方计划2026年底开始量产和客户部署,优先进入制造、物流和实验室等工业场景,再逐步扩展到酒店、医院和家庭。文章也指出,演示视频与真实落地之间差距巨大,可靠性是唯一度量衡,长尾问题只有在场景中反复打磨才能满足交付标准。
路线之争的新参照系:外形还是研发范式?
文章提出,通用机器人的真正分野或许不在“人形”与“非人形”,而在研发范式。Genesis选择自己构建数据、仿真、模型和本体,把全部变量握在手中整体迭代,类似特斯拉造车、苹果做消费电子的软硬一体思路。在OpenAI、Anthropic也开始押注机器人大脑的背景下,这种“全栈原生”路径能否走通,关键要看量产部署后能否形成模型—部署—数据的真实闭环。
Q&A
Genesis AI 这次融资的具体金额和估值是多少?投资方有哪些?
Genesis AI 完成了 5 亿美元 A 轮融资,投后估值达到 35 亿美元。投资方包括英伟达、AMD、前谷歌 CEO Eric Schmidt、Zoom 创始人袁征、雅虎创始人 Jerry Yang 等。这是 AMD 和英伟达首次联手投资具身智能公司。
Genesis AI 是一家什么样的公司?它的核心定位是什么?
Genesis AI 是一家美国具身智能公司,成立于 2025 年 3 月,总部横跨美国和法国,由华人学者周衔与 Théophile Gervet 联合创立。公司定位为“具身全栈玩家”,自研数据、模型、仿真评测与本体闭环系统,致力于打造通用机器人。
Genesis AI 的基础模型 GENE-26.5 能完成哪些任务?有什么技术特点?
GENE-26.5 是 Genesis AI 首个具身基础模型,能完成厨房中的长程精细操作(如单手磕鸡蛋、切番茄、使用打蛋器等超过 20 个子任务),以及实验室中的移液、密封试管、放入离心机等毫米级精度任务。此外还能制作奶昔、还原魔方、弹奏钢琴。关键特点是这些能力绝大部分依赖于同一套共享权重的 GENE 模型,而非多个专用小模型堆砌。
Genesis AI 如何解决机器人学习中的数据稀缺问题?
Genesis AI 采用“1:1:1 全链路映射”方法,让工人佩戴数据手套进行日常工作,高保真采集手部运动和触觉信号,并几乎无损地迁移给机器人学习,实现“工作即数据采集”。到今年五月,已采用超过 20 万小时的多模态数据,目前数据量已达百万小时规模。
Genesis World 仿真平台在机器人开发中起什么作用?效果如何?
Genesis World 是 Genesis AI 的仿真平台,被视为机器人基础模型的评估和迭代引擎,而不仅仅是数据生成器。它将开发周期从物理时间问题转变为计算问题。在仿真中,数万次测试可在不到半小时内完成,而现实世界需要超过 200 小时。官方对照实验显示,仿真评测与真实机器人测试结果的 Pearson 相关系数达到 0.8996,具有较强的相关性。
Genesis AI 的机器人产品 Eno 有什么设计特点?计划何时量产?
Eno 是一款轮式机器人,采用极简和 timeless 设计,曾获德国设计大奖金奖,被福布斯称为“机器人的 iPhone 时刻”。它没有模仿人的外观,而是以功能、效率和成本为导向:轮式底座保证移动效率和续航,可升降身体适应不同高度工作台。计划在 2026 年底前开始生产和客户部署,首先进入制造业、物流和实验室等工业环境,然后扩展到酒店、医院等服务行业,最后进入消费级家庭和户外应用。