几天前，AI 机器人创业公司 Generalist 宣布了一个值得所有机器人团队关注的进展——
他们推出了一类全新的具身基础模型 GEN-0。
这是一个典型的“底座级”项目：
目标：为通用机器人智能提供统一的基础能力
架构：基于全新的 “和谐推理（Harmonic Reasoning）”
数据：依托 27 万小时真实世界操作数据
规律：在具身智能领域，首次系统性验证强 Scaling Law
可以说，GEN-0 不是一个“单点能力”的模型，而是一整套围绕“机器人如何在真实物理世界中思考与行动”的系统性技术突破。
一、GEN-0：面向通用机器人的“底层操作系统”
Generalist 的定位非常直接：以实现通用机器人为使命。
GEN-0 正是这个愿景的技术基座，它要解决的是：如何让机器人在复杂、多变、连续的物理世界中，真正做到“看得懂、想得清、做得对”。
模型有几大核心特征：
具身基础模型：不是只做视觉、只做控制，而是统一建模“感知—推理—动作”。
统一架构：针对各类机器人平台、场景和任务，提供通用、可扩展的底层智能能力。
面向真实世界：直接在大规模真实操作数据上预训练，而非依赖虚拟环境或小规模标注集。
这为后续在家庭、工厂、仓库、物流等场景上的机器人应用，提供了一个统一可复用的“智能底座”。
二、“和谐推理”：不再是“先想清楚再动手”
传统具身智能方案，往往采用类似“大脑 + 控制器”的串行模式：先规划，再执行；先推理，再控制。
GEN-0 引入的 “和谐推理（Harmonic Reasoning）”，则是一个更接近真实世界决策节奏的范式：
在 异步、连续时间 的感知与动作流中进行建模
将 感知、决策、行动 建立起紧密协同关系
让模型可以在真实环境中做一件事：
边看、边想、边做
这一点的意义在于：
不再依赖额外的“推理时引导”或复杂的双系统架构
更适合处理连贯、多步骤、实时反馈的物理任务
更贴近人类在现实世界中的行动方式，而不是“静态规划”的理想化流程
对于追求“长时序、多步骤操作”的机器人来说，这是一种新型的推理—控制一体化尝试。
三、模型规模与“智能相变”：7B 是一道分水岭
GEN-0 的另一个重要贡献，是在具身智能领域清晰地观察到模型规模带来的“智能相变”现象。
在系统性的实验中，Generalist 给出了一组清晰的结论：
小模型（1B 级）
在预训练阶段难以有效吸收复杂、多样的感知—运动数据
“下一动作预测误差”长期维持在较高水平
很容易出现能力过早固化（saturation），难以通过继续增加数据获得实质收益
中等规模模型（约 7B）
出现明显的“智能相变”拐点
对更多预训练数据的吸收能力明显增强
性能能够随数据与算力的投入，持续稳步提升
更大规模模型（10B+）
在更少的后训练（fine-tuning）成本下，更快适应新任务
在下游任务上的表现呈现出稳定、可预测的提升趋势
换句话说：在具身智能领域，模型要真正“学会物理世界里的常识和技能”，至少要跨过一个算力与规模的“激活阈值”。
Generalist 指出，这也是在机器人领域首次系统性观察并量化这种“模型固化现象”：
小模型在海量感知—运动数据面前，会先“卡住”，而不是自然进化。
这与经典的 莫拉维克悖论 形成呼应：
——人类轻松完成的感知与灵巧任务，对机器而言往往需要更高的算力门槛。
四、强 Scaling Law：具身智能也进入“可预测时代”
过去两年，Scaling Law 主要被讨论在语言与多模态大模型领域。
GEN-0 的一大亮点，是把这一规律明确地带入了具身智能。
在 GEN-0 的实验中，团队观察到：
随着 预训练数据规模 的持续扩大
配合 算力投入 的同步上升
模型在多类下游机器人任务上的表现：
呈现出稳定、可预测的持续提升
这意味着：
具身智能不再只是“经验驱动”的黑盒工程
而是开始具备类似 NLP 领域那样的：可规划、可预期的工程规律
对于行业来说，这一点非常关键：
团队可以更科学地规划：数据采集规模、模型规模与算力预算
可以在立项之初就大致预测：达到某种性能水平需要多大的投入
有利于将具身智能从“艺术”变成“工程”，从试验变成产业化
五、27 万小时真实操作数据：从家庭到仓库的“操作全景”
如果说架构是“骨骼”，那对具身智能来说，真实世界操作数据就是“血液”。
GEN-0 的预训练，基于 Generalist 内部构建的一套大规模机器人数据体系：
累积 27 万小时 真实世界操作轨迹
覆盖 全球数千个家庭、仓库、工厂与各类工作场所
操作形式包括：日常家务、物品搬运、装配作业、分拣流程等多种场景
这套数据的几个特征非常重要：
真实世界，而非纯仿真
各种光照、遮挡、杂乱环境、非理想姿态
真实的人类操作习惯与误差
更接近未来机器人实际部署时要面对的场景
操作多样，而非单一任务
从“拿起杯子、放到桌子上”
到“在仓库中从货架取出物品并完成分拣”
支撑模型学习的是一整个**“操作全景（operational panorama）”**
持续扩充的时间维度
数据集以 每周约 1 万小时 的速度持续增长
让 GEN-0 可以不断吸收最新的场景与操作模式
为更好地利用这套数据，Generalist 还构建了内部的 操作搜索工具，用于：
按动作、场景、物体类型等维度检索操作片段
进行有针对性的模型训练与评估
探索“跨场景、跨任务”的泛化能力边界
六、6.85 年/天：为 GEN-0 搭建的算力与数据基础设施
要支撑这样规模的数据与模型，仅有“好点子”是不够的，还需要扎实的工程基础设施。
为此，Generalist 在运营与机器学习基础设施层面，做了几件事：
构建高性能数据加载与分发系统
针对大规模、多源头的操作轨迹数据
设计高吞吐、可扩展的数据加载器
保证训练过程中的数据流稳定、高效
搭建专用网络与上传体系
新铺设专用互联网线路
为分布在全球的各个数据采集站点
提供稳定、高速的上行带宽
与多家云服务商深度合作
部署定制化上传与计算节点
将整体算力扩展到 O(10K) 级计算核心
在这一整套基础设施的支撑下：
系统能够在 每一天的训练中，消化相当于 6.85 年的真实世界操作经验，源源不断地灌注到 GEN-0 中。
这不仅是一套模型方案，更是一整条 “数据—算力—模型—机器人” 闭环流水线 的工程实践。
七、从技术到产业：具身智能进入“Scaling Law 时刻”
综合来看，GEN-0 带来的不只是一个新模型名字，而是一组关键信号：
具身智能开始进入可预测的 Scaling Law 阶段
数据、算力、模型规模与性能之间，出现明确可拟合的关系
模型固化与激活阈值被首次系统性揭示
小模型在真实物理世界任务上的局限性被量化
中大规模模型在具身智能方向的价值被进一步夯实
真实世界长时序数据走向“工程化采集和利用”
27 万小时只是起点
每周 1 万小时的持续新增，让模型能不断演化
对于整个行业，这释放出几个非常实际的信号：
做具身智能，不能只盯着仿真与小数据集，必须走向真实世界大规模数据与长时序操作。
模型要真正在物理世界中“聪明起来”，需要跨过一个规模与算力的门槛，而不是停留在几亿参数的试验模型阶段。
数据、算力与模型已经可以被放到同一张“规划表”里，具身智能的研发进入了更加工程化、可度量的时代。
写在最后
GEN-0 及其背后的 27 万小时真实操作数据与 10B+ 基模实践，像是在具身智能领域丢下一块“基石”：
它让我们看到 具身智能也有自己的 Scaling Law；
它提醒行业：真正难的是在物理世界中学会行动，而不仅是“看懂图片、理解文本”；
它把“机器人基础模型”这件事，从愿景，拉回到了可以被实验、被度量、被工程化实现的层面。
接下来，随着更多团队加入真实数据采集、具身基础模型和端到端训练的探索，我们或许会在不远的将来，看到这样一幕成为日常：
更多精彩内容
