具身智能基础模型GEN-1.5发布，零代码看演示即执行
Nashnova编辑部
硅谷公司Generalist AI发布具身智能模型GEN-1.5，机器人观看一段3–12秒视频即可当场执行动作、无需编写代码，10项任务平均成功率59%——多位研究者将其类比为具身智能领域的「GPT-3时刻」。
「看一遍就会」到底是什么意思？
GEN-1.5的核心能力：给机器人播放一段3至12秒的动作演示视频，不训练、不微调，机器人当场复现动作。
这意味着→ 过去工程师编程数月才能教会机器人的单项任务，理论上压缩到一段几秒钟的视频演示，代码投入为零。
10项操作任务平均成功率59%——距离工业级可靠性仍有差距，但「零代码、看一遍」的范式本身是关键突破。
为什么有人说这是机器人的「GPT-3时刻」？
2020年GPT-3让人们第一次看到：大模型不用针对每个任务单独训练，就能完成多种语言任务。
用大白话说＝ GEN-1.5在机器人领域做了类似的事——一个模型，不专门训练，直接上手干活。
多位顶尖研究者做出这一类比，认为具身智能（让AI拥有物理身体、能动手操作的技术方向）正进入通用化拐点。
聪明钱提前押注了谁？
发布前两个月，Generalist AI完成4亿美元融资。
投资方阵容包括：斯坦福教授李飞飞（个人身份）、小米联合创始人林斌、Zoom创始人袁征，以及英伟达。
这反映出 AI芯片巨头（英伟达）与顶级学者同时下注，资本对具身智能赛道的判断已从「概念」转向「可投」。
不只是模仿——机器人开始「即兴发挥」？
GEN-1.5最让研究者兴奋的能力不是模仿，而是涌现出的即兴策略——在没被明确教过的情况下，自主生成解决方案。
一项对照实验：仅用5分钟人类演示数据、经过1个梯度步骤的微调，机器人就学会了用刷子把积木扫进容器。
这意味着→ 关键变量是数据效率的量级提升，不是单纯堆算力——用极少数据就能解锁新技能。
59%的成功率，够用吗？
59%平均成功率意味着每10次操作约有4次失败，离工厂产线要求的可靠性还有明显差距。
但核心看点不在当前数字，而在成本结构的重构：如果「零代码、看一遍」的范式能持续迭代，机器人学新技能的边际成本趋近于零。
这反映出 本轮4亿美元估值逻辑的核心支撑——赌的不是今天59%，而是这条曲线的斜率。下一阶段需要真实工业场景的数据来验证。
Content is for reference only, not financial advice.