目錄

• 您可能想知道的
• 主要議題
• 關鍵見解表
• 後續…

您可能想知道的

• Generalist 最近的募資如何改變其估值，這對機器人領域意味著什麼？

• Generalist 採取什麼技術方法，使機器人能從短影片示範中學會新任務？

主要議題

Generalist 是一家由前 Google DeepMind 研究員 Pete Florence 和 Andy Zeng 與前 Boston Dynamics 工程師 Andrew Barry 於 2024 年創立的機器人新創公司，據報在投資人 8VC 領投的新增資金加入後，估值已達到 30 億美元。根據兩位熟悉此融資的人士以及一份監管文件，新近報導的資金約為近 2 億美元。該筆注資作為先前由 Radical Ventures 領投的 4 億美元 B 輪的延長，使該輪的 總額約為 6 億美元。

截至報導時，Generalist 或 8VC 尚未發表公開評論。儘管如此，這次的融資活動與報導中的估值反映出投資者對建立廣泛能力機器人智慧方法的高度興趣。Generalist 的早期投資者包括 8VC 與 Radical Ventures，以及像 Nvidia、Union Square Ventures、Bezos Expeditions 和 AI 研究員李飛飛等策略性與知名支持者——這樣的組合既顯示資本信心，也可能意味著可取得計算與研究資源的機會。

Generalist 在開發一個旨在作為不同實體機器人之多用途控制與感知層的 AI 基礎模型期間，大致上保持低調。公司表示其最近釋出的 Gen 1.5 模型能夠讓機器人從短影片示範中學會新任務——據報短至 3 到 12 秒——透過從視覺範例中擷取可執行的策略或行為。若此類能力具有穩健性與可泛化性，將可減少為每種機器人平台與任務情境訓練獨立、特定任務控制器的需求。

該新創公司目前與少數客戶合作，收集真實世界反饋以針對特定應用調整與微調模型。這種以客戶為中心的迭代開發路徑在機器人領域相當常見，因為真實世界的限制——安全性、硬體差異、環境動態——經常揭露實驗室評估未能呈現的缺口。透過整合客戶回饋，Generalist 旨在使模型朝向能在不同使用案例中具實用性的方向成形。

Generalist 運作在一個競爭激烈的環境中，多家公司都在追求通用機器人「大腦」的概念。一些同業與競爭者在私人估值上已達相當規模：例如 Physical Intelligence 與 Skild AI 在最近的融資輪據報有更高的估值，而 Genesis AI 上個月也曾討論以類似 30 億美元的估值進行融資。這些估值與募資活動顯示出投資者對於可能解鎖廣泛自動化能力的事業抱持高度興趣。

然而，通往真正通用機器人模型的道路面臨與大型語言模型（LLMs）不同的獨特技術與實務挑戰。LLM 得益於在來自公開網路的龐大集中語料上訓練，使其能在語言上學習廣泛模式。相較之下，機器人系統必須學會與變化多端的實體環境互動，而這些環境無法被單一資料集完全涵蓋。一些風險投資家警告，這項限制意味著一個能在不同硬體與環境中可靠執行任意任務而無需專門訓練的完全可泛化機器人模型，可能仍需數年時間才能實現。

關鍵技術障礙包括樣本效率（機器人學習新行為所需的真實世界試驗次數）、模擬到真實的轉移（將在模擬中訓練的模型橋接到實體機器人上）、感知—動作耦合（將視覺或感測輸入整合為可執行的控制信號），以及在許多使用情境下部署前需嚴格驗證的安全限制。Generalist 從短影片示範中學習的方法試圖透過從視覺資料中擷取緊湊的任務表示來解決樣本效率與轉移問題；不過，要在任務與不同硬體體系上可靠地擴展該能力仍然相當不容易。

從市場角度來看，這輪新增資金顯示投資者相信有機會建立類似於 AI 基礎模型的機器人平台級技術。其影響可能包括加速招聘、產品開發、合作與部署，對能展示穩健、可泛化能力的公司尤其有利。對既有機器人公司與新進者而言，這個時刻可能促使策略轉變——要麼投入內部資源發展類似基礎模型的方法，要麼透過合作與收購更快彌補能力差距。

最後，雖然有關估值的頭條新聞常吸引目光，但此類新創公司長期成功的關鍵在於可衡量的效能：模型如何轉化為更高的自主性、每個任務所需工程時間的減少、為客戶降低成本，以及在實際環境中更安全、更可靠的運作。未來數月與數年將揭示 Generalist 與類似企業是否能將投資資本與技術承諾轉化為被廣泛採用的實用系統，將機器人應用推進超越狹義預先程式化的任務。

關鍵見解表

後續…

Generalist 的報導估值與資金延長突顯投資者對構建通用化機器人智慧的熱情，但同時也凸顯從具前景的示範走向穩健、廣泛部署系統的漫長道路。未來將密切關注真實客戶成果、在樣本效率與安全性上的可證明改進，以及公司跨不同機器人與環境擴展模型的能力。若 Generalist 能將示範轉化為可重複、達工業等級的能力，30 億美元的估值或可被視為機器人開發與商業化方式出現更廣泛轉變的早期信號。反之，若未能達到真實世界期待，則會強化人們的看法：通用機器人仍需更多時間、資料與工程投入，才能趕上其他 AI 領域的快速進展。