硅谷一家長期保持低調的機器人人工智能企業，近日因一項突破性技術引發行業震動。該公司最新研發的基礎模型GEN-1，成功將大語言模型的技術范式遷移至機器人領域，在多項復雜任務中實現接近完美的執行成功率。
根據公開測試數據，GEN-1在T恤折疊、吸塵器維護等日常操作中，任務成功率從上一代模型的64%躍升至99%，且能連續執行數百次無需人工干預。這種穩定性在工業場景中具有特殊價值——相比單次成功，持續可靠的運行能力更能滿足生產線需求。以箱體折疊任務為例，模型優化后執行時間從34秒壓縮至12秒，效率提升達183%。
技術團隊最引以為傲的突破，在于模型展現出的"物理直覺"能力。在汽車零部件裝配測試中，當機械臂抓取的墊圈發生偏移時，系統會自主調整策略：或暫時放置后重新抓取，或利用縫隙改變物體姿態，甚至切換至雙手協同操作。面對柔軟易變形物體時，模型能通過觸覺反饋主動修正形狀，使其恢復可操作狀態。這些應對突發狀況的決策均未包含在原始訓練數據中，卻能通過類比推理實現問題解決。
支撐這種能力的，是超過50萬小時的人類操作數據集。研發團隊采用"人類數據化"方案，通過特制動捕設備記錄志愿者在真實場景中的操作軌跡，涵蓋家庭、倉儲等多元環境。這種數據采集方式與競爭對手形成鮮明對比——另一家明星企業Physical Intelligence主要依賴遠程操控和虛擬仿真生成訓練樣本。
公司創始人團隊具有深厚技術背景：CEO皮特·弗洛倫斯曾主導谷歌PaLM-E機器人項目，聯合創始人安迪·曾和安迪·巴里分別來自谷歌和波士頓動力。這種技術基因在模型架構上體現為"規模優先"策略：通過持續擴大模型參數和訓練數據量，推動能力質變。弗洛倫斯將當前階段類比為ChatGPT爆發前的臨界點，認為當系統規模突破特定閾值，機器人將獲得類似語言模型的涌現能力。
行業對技術路線存在爭議。亞馬遜機器人業務前負責人布拉德·波特指出，單純依賴數據規模可能面臨邊際效益遞減風險，需要配套的底層架構創新。但資本市場已用真金白銀表達支持：該公司在2025年完成1.4億美元融資，估值達4.4億美元，英偉達風投部門、貝佐斯探險公司等均參與投資。同期Physical Intelligence更傳出接近百億美元估值的融資消息。
這場技術競賽折射出機器人行業的范式轉變。傳統編程控制模式正讓位于數據驅動的學習范式，機械臂開始從執行預設指令的工具，進化為通過觀察人類行為理解物理世界的智能體。隨著模型規模與數據質量的持續提升，機器人領域或許正在醞釀下一個顛覆性突破。
