近日，AI機器人初創公司Generalist正式發佈其里程碑式基礎模型——GEN-0，並首次揭示機器人領域的縮放定律（Scaling Laws），宣告機器人技術正從“任務定製”邁向“通用智能”的新時代。該模型基於27萬小時以上真實世界操作數據訓練，首次實現跨硬件平臺的“邊想邊做”能力，被業內視爲機器人版的“ChatGPT時刻”。

image.png

27萬小時真實數據:拒絕模擬，擁抱混亂世界

與依賴仿真環境或人類演示視頻的競品不同，GEN-0直接在高保真物理交互數據上訓練。這些數據來自全球數千家庭、倉庫與工作場所的真實場景，涵蓋剝土豆、擰螺絲、開包裝、組裝套件等數百種靈巧操作任務，每週新增超1萬小時。這種對“現實混亂性”的極致捕捉，使模型具備了傳統系統難以企及的泛化能力——它學會的不是理想動作，而是如何在滑動、遮擋、光照變化等干擾下完成任務。

7B參數是智能“相變”臨界點

Generalist的突破性貢獻在於首次量化機器人智能的縮放規律:下游任務誤差與預訓練數據量呈冪律關係（L(D） ∝ D⁻⁰·⁵)。更重要的是，研究發現70億參數是能力躍遷的關鍵閾值。低於此值，模型在海量數據中“固化”，難以遷移;一旦突破，泛化能力呈指數級增長。這一發現爲行業提供了清晰路徑:持續擴大真實數據規模，即可系統性提升機器人智能水平。

Harmonic Reasoning架構:首次實現“邊想邊做”

GEN-0的核心創新是Harmonic Reasoning（諧波推理）架構，徹底解決機器人“思考”與“行動”割裂的難題。傳統系統需先規劃再執行，而GEN-0通過異步連續時間流，讓感知、推理與動作在統一時序中協同推進。演示中，機器人自主完成“組裝相機套件”全流程——摺疊托盤、取物、開袋、擺放、封裝、清理——全程無任何人類指令，動作流暢自然，宛如具備“類人直覺”。

跨平臺通用:一套模型驅動異構機器人艦隊

GEN-0採用“跨具身”設計，同一模型可無縫部署於6自由度機械臂、7自由度臂乃至16+自由度半人形機器人，無需爲每種硬件重訓策略。這意味着企業可構建統一智能中樞，管理多樣化機器人終端，大幅降低部署與維護成本。

數據飛輪啓動，通用機器人時代加速來臨

Generalist正通過其全球部署網絡構建“數據-智能”飛輪:更多機器人產生更多真實交互數據，反哺模型迭代，進而提升新機器人的能力。這一模式有望終結當前“一任務一模型”的碎片化生態，推動機器人從專用工具進化爲可自主學習的通用夥伴。

當然，挑戰猶存——數據隱私、算力成本與安全驗證仍需完善。但不可否認，GEN-0的出現，標誌着具身智能正式進入“可預測、可擴展、可規模化”的新紀元。當機器人能像大語言模型一樣從海量經驗中“自省”成長，科幻中的智能體，已悄然走進現實。而這場革命，纔剛剛拉開序幕。