Jay 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

Generalist AI的GEN-1熱度，仍在發(fā)酵。

自節(jié)前那場引爆全網(wǎng)的Demo之后，昨日，創(chuàng)始人Pete Florence與團(tuán)隊，正式釋出了GEN-1的技術(shù)博客。

與其說這是一篇技術(shù)分享，不如說這是一篇「教同行做事」的檄文。

一點(diǎn)甲不疊，上來就毫不留情地否定了當(dāng)前炙手可熱的世界模型與VLA之爭。

直言所有關(guān)于技術(shù)路線的爭論都是浪費(fèi)時間。

現(xiàn)在關(guān)于「世界模型」的討論，其實是由各種想法在驅(qū)動，確實很令人興奮。
但問題是，你的目標(biāo)是什么？

在他們看來，具身智能的關(guān)注點(diǎn)，應(yīng)該回歸到「目標(biāo)」本身。

這正是Generalist選擇「離經(jīng)叛道」的根本原因。

完全不依賴任何已有路線。不走微調(diào)VLM加動作頭的捷徑，也不宣稱自己是世界模型。

直接基于真機(jī)數(shù)據(jù)從零開訓(xùn)。

GEN-1大約99%的參數(shù)，都是從零開始訓(xùn)練的。

Generalist強(qiáng)調(diào)，這才是促成GEN-1實現(xiàn)飛躍的核心機(jī)密，也是他們真正想與行業(yè)分享的洞見。

這是他們從第一性原理出發(fā)，得出的最終答案：

想要實現(xiàn)物理AGI，最好的方式，或許就是「從零訓(xùn)練」這條看似不好走的路。

如果用原力靈機(jī)的話說，這叫「具身原生」。

△原力靈機(jī)CEO唐文斌在2026技術(shù)開放日現(xiàn)場

是的，這條路線其實并非GEN-1首創(chuàng)。

就在兩個月前，這家來自中國的具身智能新星，就已經(jīng)用同樣的邏輯，舉辦了一場「具身原生」主題的技術(shù)開放日，交出了一份驚艷的答卷。

原力靈機(jī)，具身原生大模型DM0，RoboChallenge真機(jī)評測全球第一。

所以，具身原生，到底有什么魔力？

GEN-1引爆具身GPT-3時刻

GEN-1的發(fā)布，無疑是2026年春節(jié)后，具身智能行業(yè)的第一次「大地震」。

創(chuàng)始人Pete Florence將其稱為「GPT-3時刻」。

在多個任務(wù)中，該模型的成功率超過99%，完成任務(wù)的速度比此前最先進(jìn)的模型快了大概3倍，甚至涌現(xiàn)出Failure Recovery（故障恢復(fù)）的能力。

用實際demo表現(xiàn)，驗證了機(jī)器人領(lǐng)域的Scaling Law。

而此次Generalist在技術(shù)博客中的「暴論」，又在行業(yè)中掀起了一波余震。

只要數(shù)據(jù)和算力夠，從零訓(xùn)，永遠(yuǎn)是贏家。

這句話放在2024年說，大概率會被當(dāng)成瘋話。

彼時VLA風(fēng)潮席卷全球，拿一個預(yù)訓(xùn)練好的視覺語言模型，接上動作頭微調(diào)一下，是兼顧效率和效果的公認(rèn)最優(yōu)解。

到了2026年初，世界模型又成了新的流量密碼。

Generalist偏偏不站隊。

他們從來沒把自己的模型叫VLA，但也不宣揚(yáng)自己是世界模型。

事實上，他們至今也沒說自己是個什么技術(shù)路線，也不想去刻意貼標(biāo)簽。

但有一點(diǎn)卻是無比清楚：無論靠什么方式，即便是「離經(jīng)叛道」，他們也要徹底實現(xiàn)物理AGI。

GEN-1的博客引用了John Schulman的觀點(diǎn)，犀利地劃分了「想法驅(qū)動」與「目標(biāo)驅(qū)動」兩種研究范式。

前者，是雇傭兵。追漲殺跌，哪個方法火就選哪個，只為眼前的戰(zhàn)功。

后者，是傳教士。選定一個終極目標(biāo)，然后埋頭苦行，堅定不移地前行，掃清擋在路上的一切障礙。

Generalist選了后者。

基于這個第一性原理，Generalist做出了那個看似瘋狂的決定——

不基于任何現(xiàn)有的基礎(chǔ)模型，直接拿原始數(shù)據(jù)，冷啟動。

在這方面，Generalist表現(xiàn)出了近乎偏執(zhí)的「完美主義」。

在他們看來，微調(diào)別人的模型，意味著從第一行代碼開始，天花板就被別人鎖死了。

知識邊界、認(rèn)知能力、甚至底層的缺陷，都已注定，無法更改。

Generalist想要賭的，是明天。

而站在未來的時間節(jié)點(diǎn)回望，你會驚覺：

無論是VLM、VLA，還是世界模型，本質(zhì)上都只是標(biāo)簽，數(shù)據(jù)匱乏時期的「拐杖」。

關(guān)鍵問題在于，當(dāng)「身體」恢復(fù)健康、肌肉足夠強(qiáng)壯后，我們還需要拐杖嗎？

供給端的版圖永遠(yuǎn)在日新月異。

這正是這場比賽最驚心動魄的地方。

就像F1賽車，規(guī)則制定者會刻意限制車胎耐久標(biāo)準(zhǔn)，正是在這些Trade-off（權(quán)衡）的極限施壓下，才催生出無數(shù)截然不同的奪冠策略。

在LLM領(lǐng)域，雖然互聯(lián)網(wǎng)數(shù)據(jù)不再是瓶頸，但算力成為了新的緊箍咒。

這才造就了OpenAI、Anthropic、DeepMind各自基于不同哲學(xué)思考，走出了截然不同的進(jìn)化路線，因為資源只夠他們選一條去All in。

因此，基于第一性原理做出的長期主義戰(zhàn)略判斷，才會更顯得尤為珍貴。

最難的不是應(yīng)對變化，而是在風(fēng)云詭譎的環(huán)境中，找到那個屹立不變的錨點(diǎn)。

你不僅要計算當(dāng)前的限制，更要預(yù)判這些限制將如何不可避免地發(fā)生崩塌。限制變化得越快，這種預(yù)判就越重要。

而在Generalist看來，機(jī)器人數(shù)據(jù)不夠，僅僅是暫時的限制。

進(jìn)入2026年，事實證明，這項限制條件，確實被改寫了。

Generalist已經(jīng)積累了超過50萬小時的物理交互數(shù)據(jù)。

當(dāng)原生數(shù)據(jù)足夠豐富時，所有輔助手段終將被掃進(jìn)歷史的垃圾堆。

在他們看來，只有具身原生，從零開訓(xùn)這個「從無到有」的概念，是為那個即將到來的新世界而生的。

不過，GEN-1可能并非第一個具身原生模型。

在中國，同樣有家All in這個概念的明星具身公司，并且早在今年2月份便高調(diào)發(fā)布過。

DM0，首個具身原生模型

一起再來看看原力靈機(jī)的這份成績單吧。

DM0，RoboChallenge真機(jī)評測，雙項全球第一。

• 單任務(wù)成功率：62%
• 多任務(wù)成功率：37.3%

排在它身后的，是Pi0.5、Pi0等一眾明星模型。

而取得這一成績的，僅僅是一個2.4B參數(shù)的模型。并且已全面開源。

2.4B是什么概念？

在大模型的軍備競賽中，這個參數(shù)量幾乎可以被忽略不計。

但結(jié)果卻令人嘩然。

對于這個結(jié)果，原力靈機(jī)合伙人周而進(jìn)在與「智能相對論」的對話中，淡定地表示：

在機(jī)器人領(lǐng)域，無腦堆參數(shù)量這件事非?；恼Q。

周而進(jìn)一針見血地指出，參數(shù)并非第一性原理。

事實上，一旦找到了真正「原生」的路線，現(xiàn)有具身數(shù)據(jù)量根本無法支撐起一個大參數(shù)模型。

那么，DM0所說的「原生」，到底「原生」在哪？

可以分為三個層面——

首先，是數(shù)據(jù)原生，這是拉開差距的關(guān)鍵。

當(dāng)前行業(yè)的普遍做法是：下載一個預(yù)訓(xùn)練好的VLM，然后外掛一些機(jī)器人操作數(shù)據(jù)進(jìn)行微調(diào)。

快是快，但問題同樣致命：模型壓根沒見過關(guān)節(jié)電機(jī)長什么樣。

它只是看過一些互聯(lián)網(wǎng)數(shù)據(jù)，背誦了關(guān)于機(jī)械動作的文字描述。僅此而已。

這種「死記硬背」導(dǎo)致了大量無意義的訓(xùn)練，最終帶來參數(shù)膨脹。

這或許是一種參數(shù)層面的「幻覺」。

如果模型只是針對單一機(jī)型記憶「拿起瓶子」時，每個關(guān)節(jié)該轉(zhuǎn)多少度，那么一旦換一臺硬件，它將束手無策。

因此，DM0走了完全不同的路。

它的訓(xùn)練數(shù)據(jù)融合了三類來源:

• 多模態(tài)互聯(lián)網(wǎng)數(shù)據(jù)：奠定語義理解和常識推理的基座能力。
• 駕駛數(shù)據(jù)：賦予模型對物理世界的時空推理與動態(tài)感知。
• 具身傳感數(shù)據(jù)：涵蓋視覺、觸覺、力覺等多維度信息，讓模型真正「觸摸」到這個世界。

模型的輸入端，不再僅僅是圖像和文字，更包含了機(jī)器人實操的具身軌跡數(shù)據(jù)。

兩類數(shù)據(jù)共同優(yōu)化，迫使模型同時學(xué)會「看懂世界」和「動手操作」。

這是一種極其聰明的做法，在讓數(shù)據(jù)結(jié)構(gòu)更立體的同時，也巧妙地實現(xiàn)了數(shù)據(jù)規(guī)模的Scaling。

在具體采集策略上，原力靈機(jī)的「原生」第一性原理同樣體現(xiàn)得淋漓盡致——

正是因為完全目標(biāo)導(dǎo)向，所以手段可以相當(dāng)靈活。

比如對仿真數(shù)據(jù)的態(tài)度。

仿真數(shù)據(jù)量大管飽，但在精細(xì)操作場景中價值有限。例如「裝水」任務(wù)，液體一晃，整個瓶子的質(zhì)心就在變化，仿真環(huán)境難以準(zhǔn)確建模。

因此，原力靈機(jī)在室內(nèi)導(dǎo)航、剛性物體抓取等方面利用仿真數(shù)據(jù)，但在精細(xì)操作層面，則堅決側(cè)重真機(jī)。

追求Scaling，但不迷信數(shù)據(jù)量，而是讓每一份數(shù)據(jù)都發(fā)揮最大價值。

這恰好與Generalist在GEN-1博客中的判斷形成呼應(yīng)：供給端是會變化的，你要為即將到來的世界而構(gòu)建。

其次是訓(xùn)練原生。

DM0將「理解世界」、「操作世界」、「預(yù)測世界」三種能力統(tǒng)一訓(xùn)練。

它不是先訓(xùn)練一個VLM，再接一個動作頭（Action Head），而是從第一天起，就讓這三種能力在同一個模型體內(nèi)共同生長、相互塑造。

模型的設(shè)計緊貼真實世界需求，評價標(biāo)準(zhǔn)是真機(jī)效果，獎勵函數(shù)來自真實場景的實踐反饋。

第三是架構(gòu)原生。

DM0采用天然支持多模態(tài)的架構(gòu)設(shè)計，將力覺、觸覺等維度的信息直接融入模型核心，而非外掛式地拼接傳感器模塊。

同時，它具備原生記憶能力，為長序列任務(wù)的執(zhí)行提供堅實支撐。

三個「原生」疊加在一起，指向一個反直覺結(jié)果：模型雖小，卻異常泛化。

對具身智能來說，泛化性是真正的試金石。

原力靈機(jī)將其拆解為四個維度：

• 對象泛化：同樣是抓取，換個形狀、材質(zhì)、大小，照樣能穩(wěn)穩(wěn)拿起。
• 場景泛化：在A車間能干活，搬到B車間也絕不掉鏈子。
• 任務(wù)泛化：不只局限于被教過的幾個動作，更能自主排列組合，將簡單動作串聯(lián)成復(fù)雜的長程任務(wù)。
• 機(jī)型泛化：即便換一臺胳膊更長、關(guān)節(jié)更多的機(jī)器人，也能直接驅(qū)動其上手干活。

四個維度，缺一不可。

而DM0，從第一天就在為這四個維度做準(zhǔn)備。

原力靈機(jī)沒有像行業(yè)里很多團(tuán)隊那樣，先針對一種機(jī)型訓(xùn)一個專用模型，跑通demo再說。

DM0在預(yù)訓(xùn)練階段就同時混合了操作、導(dǎo)航、全身控制三類任務(wù)，覆蓋了8種構(gòu)型迥異的機(jī)器人硬件。

相當(dāng)「粗暴」。

這相當(dāng)于對模型說：你不是喜歡死記硬背嗎？

好，我把所有任務(wù)和所有本體混雜在一起扔給你——來，背！

事實證明，這一策略成功鎖死了模型想通過死記硬背走捷徑的念頭。

「混亂」中，原力靈機(jī)倒逼模型不再執(zhí)著于電機(jī)參數(shù)，轉(zhuǎn)而去理解每次操作背后通用的邏輯和物理規(guī)律。

智能，就這樣從原生的物理交互中，自然而然地生長了出來。

2.4B參數(shù)，RoboChallenge雙項全球榜首。

2026年，是具身原生元年

GEN-1的博客里有句話，目標(biāo)比方法更強(qiáng)大。

過去兩年，行業(yè)最高頻的問題是：機(jī)器人什么時候能進(jìn)廠干活?

但或許，比這個問題更值得關(guān)注的是：

機(jī)器人什么時候能找到進(jìn)廠干活的正確方法?

Generalist用GEN-1給出了答案。

從零訓(xùn)練原生模型，摒棄一切拐杖的「借力」，可能才是通往終局的唯一路線。

無獨(dú)有偶，原力靈機(jī)的DM0，同樣不約而同地在今年踏上了這條少有人走的路。

2026年或許不是具身智能的元年。但GEN-1和DM0的出現(xiàn)，正在為2026年烙上一個新標(biāo)簽：

具身原生元年。