近日，AI机器人初创公司Generalist正式推出其里程碑式基础模型GEN-0，并首次揭示了机器人领域的缩放规律，标志着机器人技术新时代的开始，从“特定任务”过渡到“通用智能”。该模型经过超过 270,000 小时的真实世界运营数据的训练，首次实现了跨不同硬件平台“同时思考和行动”的能力。它一直被业界视为机器人技术的“ChatGPT 时刻”。
27万小时真实数据：拒绝模拟，拥抱混乱的世界
与依赖仿真环境或人类演示视频的竞争对手不同，GEN-0 直接根据高保真物理交互数据进行训练。这些数据来自全球数千个家庭、仓库和工作场所的真实场景，涵盖削土豆皮、拧紧螺丝、打开包装、组装套件等数百项灵巧的任务，每周增加超过 10,000 小时。这种对“现实世界混乱”的极端捕捉赋予了模型无与伦比的泛化能力——它学习的不是理想的动作，而是如何在滑动、遮挡和光照变化等干扰下完成任务。
7B 参数作为智能“相变”的关键阈值
通才的突破性贡献在于首次量化了机器人智能的缩放规律：下游任务的误差遵循与预训练数据量（L（D）∝D⁻⁰·⁵）的幂律关系。更重要的是，研究发现 70 亿个参数是能力跳跃的关键阈值。低于这个值，模型就会在海量数据中“冻结”，难以转移;一旦超越，泛化能力就会呈指数级增长。这一发现为行业提供了一条清晰的路径：不断扩大真实数据的规模，可以系统地提升机器人的智能水平。
谐波推理架构：率先实现“思考与行动并举”
GEN-0的核心创新是Harmonic Reasoning（谐波推理）架构，它彻底解决了机器人中“思维”和“行动”分离的问题。传统系统需要在执行前进行计划，而 GEN-0 则通过异步连续时间流，使感知、推理和行动能够在统一的时间序列中协同工作。在演示中，机器人独立完成“组装相机套件”的整个过程——折叠托盘、拿起物品、打开袋子、放置、包装和清洁——全程无需任何人类指令，动作流畅自然，类似于“类人的直觉”。
跨平台通用性：一种模型驱动异构机器人车队
GEN-0采用“交叉具身”设计，可以将同一模型无缝部署在6自由度机械臂、7自由度手臂，甚至16+自由度半人形机器人上，无需针对每种硬件类型重新训练策略。这意味着企业可以构建统一的智能核心来管理多样化的机器人终端，从而显着降低部署和维护成本。
数据飞轮启动，通用机器人时代加速
通才正在通过其全球部署网络构建一个“数智”飞轮：更多的机器人生成更多真实的交互数据，这些数据反馈到模型迭代中，从而提升新机器人的能力。这种模式有可能结束当前“一任务一模式”的碎片化生态系统，推动机器人从专用工具演变为能够自我学习的通用合作伙伴。
当然，挑战仍然存在——数据隐私、计算成本和安全验证仍需要改进。然而，不可否认的是，GEN-0 的出现标志着具身智能新时代的开始，一个“可预测、可扩展和可大规模生产”的新时代的开始。当机器人能够像大语言模型一样从海量体验中“反思和成长”时，科幻小说中的智能生物已经悄然进入了现实。而这场革命才刚刚开始。
