機器人初創公司 Generalist AI 於 8 月 20 日釋出了新一代 AI 模型 GEN-1.5，宣稱該模型能讓機器人僅憑一段 3 至 12 秒的演示影片學會新任務，且無需任何額外訓練。這一進展若得到驗證，可能顯著降低機器人技能獲取的門檻，推動具身智慧從實驗室走向實際應用。

據公司介紹，GEN-1.5 的工作方式是將演示影片作為“物理提示”載入到模型的上下文視窗中，相當於模型的短期記憶。之後，機器人即可直接執行任務，無需再經過傳統意義上的訓練過程。在開罐、從錢包取錢等十項測試中，公司報告的平均成功率為 59%；而如果提供五分鐘的資料並進行十步訓練，成功率則躍升至 83%。此外，該模型還能將兩個提示串聯成更長的序列，利用模擬環境中的演示，並部分模仿人類的手部動作。

值得注意的是，Generalist AI 聲稱這些能力並非通過顯式程式設計或針對性訓練獲得，而是在超過八個月的預訓練過程中，基於互動資料自發湧現的。這一說法與當前 AI 領域對“湧現能力”的討論相呼應——即模型在規模擴大和訓練資料增多後，會表現出訓練目標之外的新能力。

事實上，其他研究團隊此前也展示過類似的上下文學習能力，但大多侷限於少數幾種任務型別。Generalist AI 則宣稱自己是首個讓這種能力在廣泛任務範圍內奏效的團隊。如果這一說法成立，意味著機器人不再需要為每個新任務重新收集資料、重新訓練，而是可以像人類一樣，通過觀察一次示範就快速掌握新技能。

不過，需要保持審慎的是，目前展示的任務都較為簡單和短促，且所有測試結果均來自公司自身，尚未經過任何獨立機構的驗證。在機器人領域，從演示到可靠執行之間往往存在巨大鴻溝，實驗室中的成功率與實際部署環境中的表現可能相去甚遠。此外，59% 和 83% 的成功率也意味著仍有相當比例的失敗情況，這對於需要高可靠性的工業場景而言，可能仍是關鍵瓶頸。

從產業角度看，Generalist AI 的定位是“通用型機器人 AI”，其技術路徑與當前主流的“大模型 + 機器人”趨勢一致。若 GEN-1.5 的能力得到進一步驗證和擴充套件，它可能對機器人本體制造商、系統整合商以及下游應用方（如倉儲、製造、家庭服務）產生連鎖影響——降低技能遷移成本，意味著機器人部署的邊際成本有望下降，從而加速機器人在更多場景的滲透。

當然，對於投資者而言，仍需關注該技術的可擴充套件性、實際部署中的魯棒性，以及是否有第三方復現其成果。在具身智慧賽道競爭日益激烈的當下，任何“單次演示學會新任務”的突破都可能成為估值敘事的重要籌碼，但最終仍需以真實應用效果為準。