软件这边的 AI 早就卷成红海了。真正烧钱的下一站，是让机器人在物理世界里把活干完。
6 月 4 日，一家叫 Generalist AI 的公司一次拿了 4 亿美金，估值冲到 20 亿。
一份看着吓人的投资名单
领投的是 Radical Ventures。跟投的有 8VC、Union Square Ventures、Norwest、Hanabi Capital，老股东英伟达（通过 NVentures）和贝佐斯的 Bezos Expeditions 继续加注。
真正唬人的是天使名单：
- 黄仁勋的英伟达（老股东接着投）
- 贝佐斯（Bezos Expeditions）
- 李飞飞（斯坦福、World Labs 创始人）
- 小米联合创始人林斌
- Zoom 创始人 Eric Yuan（袁征）
- 还有 Naval Ravikant
一家 2024 年才成立、加起来融资刚过 5 亿美金的公司，能把这堆名字凑齐，本身就是个信号：押”机器人通用智能”的人，越来越下重注了。
创始团队：DeepMind 加波士顿动力
这家公司的来头不小。三个核心人物：
| 人 | 角色 | 背景 |
|---|---|---|
| Pete Florence | CEO | 前 DeepMind 高级科学家 |
| Andy Zeng | 首席科学家 | 前 DeepMind |
| Andrew Barry | CTO | 前波士顿动力工程师、哈佛机器学习背景 |
DeepMind 出大脑，波士顿动力出身体——这个搭配几乎就是冲着”会思考又会动手的机器人”去的。
他们之前在 Google 做的 RT-2 和 PaLM-E，是机器人圈里很有名的”视觉-语言-动作”模型，说白了就是让机器人能看懂画面、听懂指令、再动手做。今年 4 月，Generalist 放出了自家的基础模型 GEN-1，专门用来教机器人学东西。
难的不是动一下，是”出岔子还能接着干”
机器人在演示视频里叠衣服、搬箱子，看着挺利索。但真实世界的麻烦在于：东西会变形、夹爪会抓空、光线会变、箱子会摆歪。
Generalist 主打的就是这个——适应性。
它要让机器人像人一样：这次没夹住，那就再试一次；衣服软塌塌的换了个形状，也能接着叠下去。
Generalist AI 说，他们要铺的是一条让机器人能跟人并肩干活的路。
听着是句口号，但落到产品上，衡量标准很硬：不是机器人能不能完成一次任务，而是它在没人盯着、环境一直在变的情况下，能不能连续把活干完。这正是过去机器人最掉链子的地方。
钱为什么往这儿涌
这两年 AI 的钱，大头进了大语言模型。但软件能干的活就那么多，物理世界这块巨大的市场，机器人还没真正啃下来——工厂、仓库、家务，全是肉眼可见的需求。
所以你看这轮：英伟达要卖更多给机器人用的芯片，贝佐斯惦记的是亚马逊仓库，李飞飞自己就在做”空间智能”。他们投 Generalist，投的不是又一个聊天机器人，是想赌出第一个能在物理世界里通用干活的 AI。
这条赛道刚开打。20 亿估值，在机器人这门”又贵又慢”的生意里，可能只是个起步价。
参考来源：Nvidia-Backed Robotics Startup Generalist AI Valued at $2 Billion（Bloomberg）；Generalist AI raises $400M at $2B valuation to build general intelligence for robotics（SiliconANGLE）；Nvidia, Fei-Fei Li back Generalist's $400m round（Silicon Republic）