Generalist AI 的 GEN-1 热度，仍在发酵。
自节前那场引爆全网的 Demo 之后，昨日，首创东谈主 Pete Florence 与团队，认真释出了 GEN-1 的本事博客。
与其说这是一篇本事共享，不如说这是一篇「教同业作念事」的檄文。
少许甲不叠，上来就绝不谅解地含糊了面前炙手可热的天下模子与 VLA 之争。
直言所相对于本事道路的争论齐是花消时辰。
当今对于「天下模子」的照应，其实是由多样想法在驱动，如实很令东谈主抖擞。
但问题是，你的方针是什么？
在他们看来，具身智能的关爱点，应该回来到「方针」本人。
这恰是 Generalist 采纳「离经叛谈」的根本原因。
总共不依赖任何已有道路。不走微调 VLM 加四肢头的捷径，也不声称我方是天下模子。
径直基于真机数据从零开训。
GEN-1 大要 99% 的参数，齐是从零启动试验的。
Generalist 强调，这才是促成 GEN-1 收场飞跃的中枢神秘，亦然他们果真想与行业共享的洞见。
这是他们从第一性旨趣动身，得出的最终谜底：
想要收场物理 AGI，最佳的形状，随机就是「从零试验」这条看似不好走的路。
如若用原力灵机的话说，这叫「具身原生」。
△原力灵机 CEO 唐文斌在 2026 本事敞开日现场
是的，这条道路其实并非 GEN-1 始创。
就在两个月前，这家来自中国的具身智能新星，就仍是用相似的逻辑，举办了一场「具身原生」主题的本事敞开日，交出了一份惊艳的答卷。
原力灵机，具身原生大模子 DM0，RoboChallenge 真机评测寰球第一。
是以，具身原生，到底有什么魅力？
GEN-1 引爆具身 GPT-3 时刻
GEN-1 的发布，无疑是 2026 年春节后，具身智能行业的第一次「地面震」。
首创东谈主 Pete Florence 将其称为「GPT-3 时刻」。
在多个任务中，该模子的到手率跳动 99%，完成任务的速率比此前源流进的模子快了大要 3 倍，致使露馅出 Failure Recovery（故障收复）的能力。
用试验 demo 进展，考据了机器东谈主领域的 Scaling Law。
而这次 Generalist 在本事博客中的「暴论」，又在行业中掀翻了一波余震。
只消数据和算力够，从零训，永恒是赢家。
这句话放在 2024 年说，大要率会被当成疯话。
彼时 VLA 风潮席卷寰球，拿一个预试验好的视觉言语模子，接上四肢头微调一下，是兼顾效能和效能的公认最优解。
到了 2026 年头，天下模子又成了新的流量密码。
Generalist 偏巧不站队。
他们从来没把我方的模子叫 VLA，但也不宣扬我方是天下模子。
事实上，他们于今也没说我方是个什么本事道路，也不想去刻意贴标签。
但有少许却是无比显豁：不管靠什么形状，即即是「离经叛谈」，他们也要透澈收场物理 AGI。
GEN-1 的博客援用了 John Schulman 的不雅点，尖锐地别离了「想法驱动」与「方针驱动」两种络续范式。
前者，是雇佣兵。追涨杀跌，哪个标准火就选哪个，只为目下的军功。
后者，是布道士。采用一个终极方针，然后埋头苦行，鉴定不移地前行，扫清挡在路上的一切破裂。
Generalist 选了后者。
基于这个第一性旨趣，Generalist 作念出了阿谁看似猖獗的决定——
不基于任何现存的基础模子，径直拿原始数据，冷启动。
在这方面，Generalist 进展出了近乎过火的「完满宗旨」。
在他们看来，开云app下载微调别东谈主的模子，意味着从第一瞥代码启动，天花板就被别东谈主锁死了。
知识鸿沟、泄漏能力、致使底层的残障，齐已注定，无法更始。
Generalist 想要赌的，是来日。
而站在畴昔的时辰节点回望，你会惊觉：
不管是 VLM、VLA，照旧天下模子，本质上齐只是标签，数据匮乏期间的「手杖」。
要害问题在于，当「体格」收复健康、肌肉弥散壮健后，咱们还需要手杖吗？
供给端的幅员永恒在日月牙异。
这恰是这场比赛最驰魂宕魄的场地。
就像 F1 赛车，礼貌制定者会刻意限制车胎经久标准，恰是在这些 Trade-off（衡量）的极限施压下，才催生出无数天渊之隔的夺冠策略。
在 LLM 领域，诚然互联网数据不再是瓶颈，但算力成为了新的紧箍咒。
这才栽植了 OpenAI、Anthropic、DeepMind 各自基于不同形而上学想考，走出了天渊之隔的进化道路，因为资源只够他们选一条去 All in。
因此，基于第一性旨趣作念出的永恒宗旨计谋判断，才会更显得尤为有数。
最难的不是应付变化，而是在风浪诡谲的环境中，找到阿谁屹立不变的锚点。
你不仅要计较面前的限制，更要预判这些限制将怎么弗成幸免地发生坍弛。限制变化得越快，这种预判就越伏击。
而在 Generalist 看来，机器东谈主数据不够，只是是暂时的限制。
参预 2026 年，事实解说，这项限制要求，滚球如实被改写了。
Generalist 仍是积存了跳动 50 万小时的物理交互数据。
当原生数据弥散丰富时，扫数辅助技能终将被扫进历史的垃圾堆。
在他们看来，唯有具身原生，从零开训这个「从无到有」的想法，是为阿谁行将到来的新天下而生的。
不外，GEN-1 可能并非第一个具身原生模子。
在中国，相似有家 All in 这个想法的明星具身公司，况且早在本年 2 月份便高调发布过。
DM0，首个具身原生模子
沿路再来望望原力灵机的这份得益单吧。
DM0，RoboChallenge 真机评测，双项寰球第一。
单任务到手率：62%
多任务到手率：37.3%
排在它死后的，是 Pi0.5、Pi0 等一众明星模子。
而赢得这一得益的，只是是一个 2.4B 参数的模子。况且已全面开源。
2.4B 是什么想法？
在大模子的武备竞赛中，这个参数目险些不错被忽略不计。
但收场却令东谈主哗然。
对于这个收场，原力灵机结伴东谈主周而进在与「智能相对论」的对话中，淡定地暗示：
在机器东谈主领域，无脑堆参数目这件事相称古怪。
周而进切中要害地指出，参数并非第一性旨趣。
事实上，一朝找到了果真「原生」的道路，现存具身数据量根本无法撑持起一个大参数模子。
那么，DM0 所说的「原生」，到底「原生」在哪？
不错分为三个层面——
当先，是数据原生，这是拉开差距的要害。
面前行业的开阔作念法是：下载一个预试验好的 VLM，然后外挂一些机器东谈主操作数据进行微调。
快是快，但问题相似致命：模子根蒂没见过要道电机长什么样。
它只是看过一些互联网数据，背诵了对于机械四肢的笔墨描摹。仅此喧阗。
这种「死记硬背」导致了开阔无酷爱的试验，最终带来参数扩展。
这随机是一种参数层面的「幻觉」。
如若模子只是针对单一机型挂牵「提起瓶子」时，每个要道该转些许度，那么一朝换一台硬件，它将无法可想。
因此，DM0 走了总共不同的路。
它的试验数据会通了三类来源 :
多模态互联网数据：奠定语义相识和学问推理的基座能力。
驾驶数据：赋予模子对物理天下的时空推理与动态感知。
具身传感数据：涵盖视觉、触觉、力觉等多维度信息，让模子果真「触摸」到这个天下。
模子的输入端，不再只是是图像和笔墨，更包含了机器东谈主实操的具身轨迹数据。
两类数据共同优化，迫使模子同期学会「看懂天下」和「动手操作」。
这是一种极其贤惠的作念法，在让数据结构更立体的同期，也奥密地罢显豁数据范围的 Scaling。
在具体集聚策略上，原力灵机的「原生」第一性旨趣相似体现得长篇大论——
恰是因为总共方针导向，是以技能不错相称机动。
比如对仿真数据的作风。
仿真数据量大管饱，但在细密操作场景中价值有限。举例「装水」任务，液体一晃，通盘瓶子的质心就在变化，仿真环境难以准确建模。
因此，原力灵机在室内导航、刚性物体执取等方面愚弄仿真数据，但在细密操作层面，则坚决侧重真机。
追求 Scaling，但不迷信数据量，而是让每一份数据齐理会最大价值。
这碰巧与 Generalist 在 GEN-1 博客中的判断造成呼应：供给端是会变化的，你要为行将到来的天下而构建。
其次是试验原生。
DM0 将「相识天下」、「操作天下」、「瞻望天下」三种能力和谐试验。
它不是先试验一个 VLM，再接一个四肢头（Action Head），而是从第一天起，就让这三种能力在合并个模子体内共同滋长、互相塑造。
模子的蓄意紧贴果真天下需求，评价标准是真机效能，奖励函数来自果真场景的实践反应。
第三是架构原生。
DM0 继承自然援救多模态的架构蓄意，将力觉、触觉等维度的信息径直融入模子中枢，而非外挂式地拼接传感器模块。
同期，它具备原生挂牵能力，为长序列任务的推广提供坚实撑持。
三个「原生」类似在沿路，指向一个反直观收场：模子虽小，却特殊泛化。
对具身智能来说，泛化性是果真的试金石。
原力灵机将其拆解为四个维度：
对象泛化：相似是执取，换个体式、材质、大小，照样能稳稳提起。
场景泛化：在 A 车间颖悟活，搬到 B 车间也绝不掉链子。
任务泛化：不单局限于被教过的几个四肢，更能自主陈列组合，将浅近四肢串联成复杂的长程任务。
机型泛化：即便换一台胳背更长、要道更多的机器东谈主，也能径直驱动其上手干活。
四个维度，统筹兼顾。
而 DM0，从第一天就在为这四个维度作念准备。
原力灵机莫得像行业里许多团队那样，先针对一种机型训一个专用模子，跑通 demo 再说。
DM0 在预试验阶段就同期搀杂了操作、导航、全身限制三类任务，隐私了 8 种构型迥异的机器东谈主硬件。
相称「凶残」。
这相称于对模子说：你不是可爱死记硬背吗？
好，我把扫数任务和扫数骨子混杂在沿路扔给你——来，背！
事实解说，这一策略到手锁死了模子想通过死记硬背走捷径的念头。
「杂乱」中，原力灵机倒逼模子不再执着于电机参数，转而去相识每次操作背后通用的逻辑和物理规章。
智能，就这么从原生的物理交互中，自然则然地滋长了出来。
2.4B 参数，RoboChallenge 双项寰球榜首。
2026 年，是具身原生元年
GEN-1 的博客里有句话，方针比标准更雄壮。
已往两年，行业最高频的问题是：机器东谈主什么时候能进厂干活 ?
但随机，比这个问题更值得关爱的是：
机器东谈主什么时候能找到进厂干活的正确标准 ?
Generalist 用 GEN-1 给出了谜底。
从零试验原生模子，放手一切手杖的「借力」，可能才是通往终端的独一齐线。
无特有偶，原力灵机的 DM0，相似殊途同归地在本年踏上了这条少有东谈主走的路。
2026 年随机不是具身智能的元年。但 GEN-1 和 DM0 的出现，正在为 2026 年烙上一个新标签：
具身原生元年。
一键三连「点赞」「转发」「防备心」
接待在驳斥区留住你的想法！
— 完 —
� � 点亮星标 � �
科技前沿进展逐日见滚球app官网下载
一分彩APP官方网站下载