近日，Genesis AI公司正式发布了其首个面向通用物理操作的机器人基础模型——GENE-26.5。该模型能够以接近真实人类的速度，在烹饪、实验移液、解魔方、线束组装等一系列高难度任务中，展现出双手精细协同操作、复杂工具使用及多物体动态处理的卓越能力。这标志着人工智能的核心能力正从文本与认知理解，快速向开放物理世界的感知与灵巧操作维度延伸，为具身智能的发展树立了新的里程碑。
在官方演示中，GENE-26.5机器人模型流畅地完成了从制作番茄炒蛋、混合奶昔，到执行精细实验步骤、插吸管乃至弹奏钢琴等复杂操作序列。其动作高度拟人化且具备情境理解能力，例如当蛋液意外流到机械手上时，它会自然地拿起抹布擦拭，并伴有确认是否清洁干净的摩挲动作。这种行为的流畅性、适应性与多功能集成，使其在特定复杂场景下的操作表现已超越未经训练的普通人。
全栈自研体系：从高质量数据采集到仿生硬件设计
为实现如此高水平的操作智能，Genesis构建了一套从数据、算法到硬件的全栈自研技术体系。其面临的核心挑战在于，超过80%的体力劳动技能缺乏结构化、数字化的记录。为此，公司创新性地采用了三条并行的数据采集路径：自主研发的、最大限度减少操作干扰的数据采集手套，提供了高保真的动作姿态与触觉力反馈数据；头戴式第一视角摄像头记录的视频，真实捕捉了任务执行过程中的环境多样性与视觉上下文；同时，整合海量的互联网公开视频数据，为模型提供了近乎无限的技能学习规模。这三条路径有机结合，实现了机器人学习在数据质量与数量之间的最优平衡。
更为关键的是，为确保人类示范数据中的精细技能能够近乎无损地迁移给机器人执行，Genesis并未采用市面通用机器人硬件，而是自主研发了Genesis Hand 1.0高仿生机械手。该机械手拥有20个自由度，采用直驱设计，其尺寸、重量与真人手实现1:1匹配，手掌更覆盖了柔软材料以模拟人类皮肤的触感特性。这种深度仿生的硬件设计，从根本上保障了从数据采集到动作执行的“低损耗信息传递通道”，是GENE-26.5模型能够精准学习并复现人类灵巧操作技能的关键物理基础。
统一多模态模型与仿真评估：验证物理操作的扩展定律
在核心模型架构上，GENE-26.5采用了前瞻性的统一建模思路。它并非多个感知或控制模块的简单拼接，而是学习一个统一的联合概率分布，将语言指令、视觉观察、本体感觉、触觉信号与动作序列全部纳入一个连贯的建模框架。这种基于流匹配的生成方法，使模型能够自动学习不同模态信号与对应动作之间的内在关联，无需进行复杂的显式模态对齐，并能灵活接入外部强大的视觉语言模型或世界模型以进一步增强其推理与规划能力。
模型训练完成后，如何高效、可靠地评估其在物理世界中的性能成为另一大挑战。在真实世界中完成全部评估任务可能需要超过2700小时的人机交互，几乎不可行。Genesis的解决方案是其历时一年多打磨构建的“Genesis World”高保真物理仿真环境。该环境能够精准模拟光照变化、物体物理属性偏移、动态场景重组等多种复杂条件，从而将漫长的物理评估过程压缩到可高效迭代的范围内。一个关键发现由此诞生：模型预训练所使用的数据规模越大，其在全新、未见过的物理场景下的任务成功率和泛化能力就越好，这条清晰的性能扩展曲线与大语言模型所遵循的Scaling Law表现出高度相似性。这为物理操作智能的规模化发展提供了首个坚实的实证依据。
Genesis AI由卡内基梅隆大学机器人学博士周衔与前Mistral AI多模态模型负责人Théophile Gervet于2024年底联合创立。公司在2025年7月成功完成了1.05亿美元的种子轮融资，创下了硅谷具身智能领域的融资纪录。此次GENE-26.5机器人基础模型的发布，是这支顶尖团队交出的首份重量级答卷。其长远目标，是让机器人最终能在开放、动态的真实物理世界中，像人类一样进行主动感知、实时适应和自主操作，而不仅仅是执行预先编程的固定脚本，从而真正开启通用机器人技术的新时代。
