世界模型热词下的“异类”在当下的创投市场里“世界模型”无疑是热词中的热词新的“世界模型”公司不断完成融资估值增长迅猛股东列表豪华。并且在融资新闻通稿里人们反复强调一个合格的超级智能体应像人类那样主动理解物理世界。然而皮特·弗洛伦斯Pete Florence创业后却在公开信开头写道 “不要将我的公司贴上世界模型的标签。”这令人震惊毕竟皮特·弗洛伦斯可不只是“创业者”这么简单。创业前他在谷歌DeepMind团队一路从普通研究员升至高级研究科学家是2025年DeepMind发布的机器人控制模型Gemini Robotics最核心的开发者之一2023年还与同事一起向世界介绍了全新的机器人模型架构 “Vision-Language-Action Models” 。皮特·弗洛伦斯来源社交媒体如果说“世界模型”或“VLA”是最前沿、最具共识的方向那皮特·弗洛伦斯就是当之无愧的先行者。这样的他带头扔掉“世界模型”标签冲击感十足。而现在冲击感加倍了。近日他创办的具身智能公司Generalist AI完成了一轮4亿美元约合人民币27亿元的新融资估值达20亿美元约合人民币135.5亿元。本轮投资方阵容强大包括英伟达旗下的NVentures、知名天使投资人纳特·弗里德曼Nat Friedman和丹尼尔·格罗斯Daniel Gross共同管理的NFDG、贝索斯的家族办公司Bezos Expeditions还有小米联合创始人林斌、Zoom创始人袁征以及世界模型领域内最具代表性的科学家李飞飞。“目标”比“标签”更重要为什么皮特·弗洛伦斯如此抗拒贴上“世界模型”的标签为什么李飞飞却用真金白银支持这样一位公开“离经叛道”的异端故事要从2019年说起。当时皮特·弗洛伦斯在麻省理工大学攻读计算机科学博士研究方向为机器人操控、计算机视觉和自然语言处理等出身“根正苗红”。但麻省理工给他分配了导师拉斯·泰德雷克Russ Tedrake。拉斯·泰德雷克是学术大拿2019年分别担任麻省理工大学电气工程与计算机科学教授、计算机科学与人工智能实验室机器人中心主任每年DARPA机器人挑战赛还带领麻省理工校队参赛校外还兼任丰田研究院机器人研究中心的副总裁。然而拉斯·泰德雷克着迷的是“物理”。他回忆自己踏上计算机科学学术道路源于研究“双腿直立机器人”时看到“丰富动力学特性”从而对“复杂流体动力学控制”产生浓厚兴趣。所以他首先研究的课题是控制“失速后的飞行器或扑翼飞行器”、“高速穿越密集障碍物”而非像其他研究者先研究让机器人抓苹果、叠被子。麻省理工官网介绍他的学术特点“该教授的研究重点在于为有趣的欠驱动、随机和/或难以建模的动力系统寻找优雅的控制解决方案并能够构建这些系统进行实验验证。他尤其关注力学特别是非光滑力学与机器学习/优化理论之间的联系从而为复杂机械系统实现鲁棒控制设计。”皮特·弗洛伦斯耳濡目染成为计算机科学中的“物理派”。他博士期间最有代表性的学术成果《视觉运动策略学习中的自监督对应》提出通过模仿学习机器人用50次演示就能完成挑战性操作任务还能对不同类别的物体进行泛化适应可变形物体的构型该论文获2020年度IEEE国际电气与电子工程师协会机器人与自动化领域最佳论文奖。大量研究者习惯先有现有技术再通过实验得出技术可能性最后确定技术落地场景。而皮特·弗洛伦斯认为正确顺序是“先设置具体的目标”再设计技术路径。加入谷歌DeepMind团队后他沿此方向开展工作2021年谷歌推出的初代机器人模型架构Transporter Network就是代表作。在模型发布论文中他提到整理物品对机器人来说需“高层次和低层次的感知推理”要考虑书的放置位置、堆放顺序还要确保书边缘对齐。Transporter Network旨在“让简单的动作变得简单”可让机器人基于视觉完成各种操作训练速度快对训练环境依赖性低。2023年与DeepMind团队共同发布VLA架构也是基于此思路。论文中作者们表示希望VLA架构能“显著提升对新物体的泛化能力、能够解读机器人训练数据中未出现的指令例如将物体放置在特定数字或图标上以及能够根据用户指令进行基本的推理例如拾取最小或最大的物体或拾取距离其他物体最近的物体”。所以皮特·弗洛伦斯认为“目标”比“标签”更重要。他觉得目前世界模型的热情是“理念驱动型”部分源于资本市场在大热方向上发现非共识的兴奋。要推动机器人进入工作生活、创造生产力构建“世界模型”不是目标真正目标是机器人能以极高成功率和速度完成从未见过的各类任务且无需特定任务的数据。这也是他离开谷歌DeepMind独立创业的原因。2025年英伟达GTC大会上他首次作为Generalist AI的联合创始人兼首席执行官亮相他说“我们决心制造出能够做任何事的机器人……试想一下如果体力劳动的边际成本降至零那会是怎样一番景象。”99%的成功率除技术理念“离经叛道”皮特·弗洛伦斯的创业之路也非主流。理论上他这样履历的创业者会受VC热捧像杨立昆、伊利亚·苏茨克维、米拉·穆拉蒂公司刚成立甚至没注册就完成超10亿美元种子轮。但Generalist AI起步阶段只接受了英伟达、贝索斯家办、NFDG等少数机构投资。若不是英伟达风投部门NVentures在2025年GTC大会组织“被投企业圆桌”大家都不知道他已离职创业。这可能是他的主动选择。他一毕业就进入谷歌DeepMind团队从2019年干到2025年Generalist AI是他第一段创业经历需慎之又慎。2025年英伟达GTC大会上他首次以创业者公开亮相除说在造“机器人”外未透露具体业务方向称“我们目前仍处于隐秘状态”。直到2025年11月Generalist AI发布初代具身智能模型GEN-0。官方介绍中GEN-0融合视觉与语言模型优势并超越能捕捉人类级反射能力和物理常识。它能随模型规模和训练数据增大持续提升能力突破小型模型瓶颈能像人类一样边思考边行动在真实物理环境中快速自然反应天然适配不同类型机器人无需额外改造依托海量真实操作数据不受数据匮乏制约还可灵活调整训练数据构成。大量科技媒体指出GEN-0证明驱动ChatGPT等大型语言模型的数学“扩展规律”也适用于物理运动。不过GEN-0并不完美未解决具身智能领域的数据集问题。2026年4月Generalist AI迅速迭代到GEN-1。“机械手”来源Generalist AI社媒为解决数据集问题Generalist AI开发可穿戴设备捕捉人类执行手工任务时的微小动作和视觉信息。他们通过这对机械手收集超50万小时的“PB级物理交互数据”训练物理模型。充分训练后GEN-1在折叠纸箱、打包手机和维护扫地机器人等重复性但精细的机械任务上成功率高达99%速度约为GEN-0的三倍且约一小时就能达成目标。Generalist AI宣布GEN-1的物理模型接近类似GPT-3的拐点一些任务性能开始“达到在商业实用环境中部署所需的水平”“我们可以预期每一代新模型都会带来一系列日益复杂的新任务这些任务都可以被掌握”。皮特·弗洛伦斯在官方博客指出GEN-1的开发过程是他个人技术理念的最好诠释先设置机器人以极高成功率和速度完成从未见过的各类任务且无需特定任务数据的目标再基于此设定解决路径允许针对特定任务使用少量机器人数据称之为X并实现高水平执行然后不断减小X同时提升性能。现在前面的问题有了答案。Generalist AI所开发产品是否叫“世界模型”不重要只要看好具身智能行业、机器人大规模进入实际生产Generalist AI就是值得投资的选择。Generalist AI这轮融资在GEN-1发布后两个月内迅速敲定。老股东英伟达、贝索斯家办Bezos Expeditions、NDFG全部复投且加倍新晋投资者有小米联合创始人林斌、Zoom创始人袁征、华人科学家李飞飞还有Radical Ventures、8VC、Union Square Ventures、Hanabi Capital、Norwest等机构投资人。也就是说2026年6月的皮特·弗洛伦斯无需再证明自己他早年吹过的牛——如2025年创业时在播客中说“通用机器人不是样样都浅尝辄止而是要在真实任务上专业到足够有用”——正逐步兑现。那么具身智能的未来又将走向何方呢
