硅谷一家长期保持低调的机器人人工智能企业，近日因一项突破性技术引发行业震动。该公司最新研发的基础模型GEN-1，成功将大语言模型的技术范式迁移至机器人领域，在多项复杂任务中实现接近完美的执行成功率。
根据公开测试数据，GEN-1在T恤折叠、吸尘器维护等日常操作中，任务成功率从上一代模型的64%跃升至99%，且能连续执行数百次无需人工干预。这种稳定性在工业场景中具有特殊价值——相比单次成功，持续可靠的运行能力更能满足生产线需求。以箱体折叠任务为例，模型优化后执行时间从34秒压缩至12秒，效率提升达183%。
技术团队最引以为傲的突破，在于模型展现出的"物理直觉"能力。在汽车零部件装配测试中，当机械臂抓取的垫圈发生偏移时，系统会自主调整策略：或暂时放置后重新抓取，或利用缝隙改变物体姿态，甚至切换至双手协同操作。面对柔软易变形物体时，模型能通过触觉反馈主动修正形状，使其恢复可操作状态。这些应对突发状况的决策均未包含在原始训练数据中，却能通过类比推理实现问题解决。
支撑这种能力的，是超过50万小时的人类操作数据集。研发团队采用"人类数据化"方案，通过特制动捕设备记录志愿者在真实场景中的操作轨迹，涵盖家庭、仓储等多元环境。这种数据采集方式与竞争对手形成鲜明对比——另一家明星企业Physical Intelligence主要依赖远程操控和虚拟仿真生成训练样本。
公司创始人团队具有深厚技术背景：CEO皮特·弗洛伦斯曾主导谷歌PaLM-E机器人项目，联合创始人安迪·曾和安迪·巴里分别来自谷歌和波士顿动力。这种技术基因在模型架构上体现为"规模优先"策略：通过持续扩大模型参数和训练数据量，推动能力质变。弗洛伦斯将当前阶段类比为ChatGPT爆发前的临界点，认为当系统规模突破特定阈值，机器人将获得类似语言模型的涌现能力。
行业对技术路线存在争议。亚马逊机器人业务前负责人布拉德·波特指出，单纯依赖数据规模可能面临边际效益递减风险，需要配套的底层架构创新。但资本市场已用真金白银表达支持：该公司在2025年完成1.4亿美元融资，估值达4.4亿美元，英伟达风投部门、贝佐斯探险公司等均参与投资。同期Physical Intelligence更传出接近百亿美元估值的融资消息。
这场技术竞赛折射出机器人行业的范式转变。传统编程控制模式正让位于数据驱动的学习范式，机械臂开始从执行预设指令的工具，进化为通过观察人类行为理解物理世界的智能体。随着模型规模与数据质量的持续提升，机器人领域或许正在酝酿下一个颠覆性突破。
