Genesis AI 今天公開展示其全棧機器人平台,演示包括魔方求解、烹飪(打雞蛋、切番茄、做奶昔)、彈鋼琴和實驗室工作。架構 pitch 是對人類解剖手的押注 — 比例匹配實際人手的機器人末端執行器,而不是大多數行業運行的雙指夾爪。CEO Zhou Xian 的 framing:「更好的模型意味著更好的智能,但我們決定全棧」,因為具身差距(training data 與部署 hardware 不匹配)是瓶頸。全棧是 GENE-26.5(foundation model,以 2026 年 5 月發布命名)、客製機器人手、人類工作時穿戴的感測器載入資料收集手套、用於快速迭代的模擬系統、和自我視角視訊資料管線。$105M 種子(2025 年 7 月)來自 Eclipse + Khosla,Schmidt、Niel 和 Daniela Rus 也支持。60 人團隊跨巴黎、加州和倫敦。總裁 Théophile Gervet 此前是 Mistral AI 的研究科學家。
要仔細閱讀的是架構論點。大多數機器人 foundation models 在透過遙操作或在目標機器人特定夾爪上手工設計的 policy 收集的演示上訓練。雙指夾爪不能複現大多數人手操作(旋轉靈巧、精細捏取、多指協調),所以 training data 被限制在 hardware 能做的事情上。Genesis AI 的押注是設計匹配人類運動學的手讓他們能透過普通工作期間穿戴資料收集手套的人類來收集 training data — 比機器人 rig 上的遙操作會話廣泛得多。「具身差距」framing 在機器人文獻中已經確立;透過 hardware-side 設計而不是 data-augmentation 技巧關閉它是與 Figure / Physical Intelligence 相鄰的 playbook。決定是否在規模上有效的問題:人類收集的手套資料是否能乾淨地傳輸到機器人執行,即使比例匹配也存在人手和機器手之間不可避免的運動學和力分布差異?涉及精細操作的演示(魔方、鋼琴、打雞蛋)至少表明演示級傳輸;生產可靠性和邊緣案例處理未展示。
生態讀法與上週的 Ai2 MolmoAct 2 piece 配對。MolmoAct 2 是開放 VLA foundation,權重和訓練代碼計劃發布;Genesis AI 是閉源棧對立面,押注緊密耦合的 hardware + 模型 + data 管線。Physical Intelligence(π0/π0.5)、Skild AI、Figure(Helix)和 NVIDIA Groot 是可比的閉源棧競爭對手。機器人中的分叉現在可見:開源權重 foundation models(MolmoAct、OpenVLA、Octo、RDT)在可存取性和可客製性上競爭,vs 垂直整合棧(Physical Intelligence、Genesis、Figure)在整合能力和演示打磨上競爭。對訓練自己機器人 policy 的 builder,開放路徑仍然可行,因為 hardware-specific 傳輸問題雙向切割 — Genesis 的 GENE-26.5 不會簡單地移植到非 Genesis 機器人,而 MolmoAct 2 權重在架構上更通用。對尋求為特定任務部署現成機器人系統的 builder,閉源棧廠商是你可以購買而不是訓練能力的路徑。
實際動作:如果你在與商業部署相鄰的機器人領域營運(操作、食品準備、裝配、實驗室自動化),Genesis AI 現在是與 Physical Intelligence、Skild 和 Figure 一起添加到你的廠商掃描的第三或第四個名字。人類解剖手論點是可測試的:詢問資料收集手套管線是否傳輸足夠你任務類的資料保真度,以及 GENE-26.5 模型是否在部署級可靠性(不是演示)處理你的邊緣案例。如果你訓練自己的 VLA,自我視角視訊 + 手套資料方法是要檢查的架構模式 — 即使 Genesis 的特定硬體不適合你的棧,資料收集方法論可能可移植到你自己的遙操作或人類演示管線。更長期的看點是人類解剖硬體是否真的在規模上關閉具身差距,或者它仍然是無法在生產失敗長尾中存活的演示級優勢。