機器人 AI 新創 Generalist 完成 2 億美元增資，估值升至 30 億美元

這是具身 AI 資本熱潮的又一個數據點，但值得細看的是其中的結構意義。

Generalist 由前 Google DeepMind 研究員 Pete Florence、Andy Zeng 與前 Boston Dynamics 工程師 Andrew Barry 於 2024 年共同創辦，主攻可跨機器人平台運作的 AI 基礎模型。這輪近 2 億美元的增資由 8VC 領投，是今年 6 月宣布、Radical Ventures 領投的 4 億美元 B 輪的延伸，合計使這輪融資規模達到 6 億美元，公司估值也從 B 輪時的 20 億美元升至 30 億美元。早期投資人名單包含 Nvidia、Union Square Ventures、Bezos Expeditions 及 AI 學者李飛飛，陣容頗具信號意義。

技術面，Generalist 最新推出的 Gen 1.5 模型主張讓機器人透過 3 到 12 秒的影片示範就能掌握新任務，這是「少樣本類化」能力的直接宣示——若這個說法能在真實客戶場景中站得住腳，就意味著機器人部署的邊際成本可以大幅壓縮。公司目前正與少數客戶合作，依照回饋調整模型的垂直應用，尚未走向大規模商業化。

競爭格局說明了這個賽道的資本密度：同樣在打「機器人通用大腦」牌的 Physical Intelligence 估值已達 110 億美元，軟銀持股的 Skild AI 估值 140 億美元，Genesis AI 上個月也在洽談以 30 億美元估值融資。四家公司估值加總逼近 300 億美元，且都還沒到規模化出貨的階段。

但這個賽道有一個結構性難題，已被部分風投直說：LLM 可以吃掉整個網際網路的文字資料來訓練，機器人 AI 卻不行——物理世界的感測器資料稀缺、昂貴、難以規模化採集。這意味著「機器人的 ChatGPT 時刻」到底幾年後才會到，現在沒有人說得準。投資人押的其實是一個時間賭注，而不是一個已驗證的商業模式。

對企業主而言，這個賽道值得持續追蹤的核心問題只有一個：誰的基礎模型能最先在多種機器人平台上跑出可複製的客戶成效？那個時間點一旦到來，供應鏈自動化與倉儲物流的採購決策窗口會比預想中短。