Genesis AI两年融资42亿:只造40台机器人,估值233亿
只造了约40台机器人,Genesis AI就拿下了5亿美元融资。 11月17日,这家硅谷机器人公司宣布完成5亿美元(约33亿元)A轮融资,投后估值达到35亿美元,约合人民币233亿元。 投资人名单相当豪华:英伟达、AMD Ventures、三星Next、HSG等机构入局,还有谷歌前CEO施密特、Zoom CEO袁征、雅
造出的机器人只有约40台,
Genesis AI却拿到了5亿美元融资。
11月17日,这家硅谷机器人公司对外宣布,A轮融资5亿美元(约33亿元人民币)已经完成,投后估值35亿美元,折合人民币约233亿元。
投资方阵容颇为豪华,英伟达、AMD Ventures、三星Next、HSG等机构都在其中;科技界人士方面,谷歌前CEO施密特、Zoom CEO袁征、雅虎前CEO杨致远也参与入局。
此时距Genesis AI成立还不到两年,这已是它第二次公开融资。2025年7月,公司刚做完1.05亿美元种子轮。两轮加起来,累计融资超过6亿美元,约合人民币42亿元。
钱融了不少,机器人却没造出多少,两者形成了明显反差。
据TechCrunch报道,Genesis AI目前只产出了约30—40台通用机器人Eno,这些机器主要用于客户测试,量产要等到2027年才启动。正式的机器人售价和规模化交付收入,公司至今没有披露。
资本为何愿意提前砸下42亿元?答案可能和数据采集有关。
动微视觉创始人兼CEO刘敏对铅笔道表示,数据不足是具身智能行业当下最大的瓶颈之一。
刘敏说:“如果数据足够,模型上反而不是难事。”
这或许正是Genesis AI拿到高估值的重要逻辑。
公司正把大笔资金投向数据采集。它组织了全球100多名工作人员,让他们戴上传感器手套和头戴式摄像设备,记录真人抓取、搬运、装配等动作,再用这些记录去训练机器人。
在资本眼中,谁先解决机器人学习真实世界操作的问题,谁就有机会握住下一代机器人的核心能力。
不过,这笔钱能换来多大的技术优势?40台机器人离规模化生产还有多远?233亿元的估值,又要靠什么兑现?
华人博士,从造模型到造机器人
周衔的本科读的是新加坡南洋理工大学,之后赴美国卡内基梅隆大学攻读机器人博士,导师是机器人学习领域教授Katerina Fragkiadaki。
博士期间,他的研究一直围绕一件事:怎样把机器人学习新任务的成本降下来。
以教机器人开抽屉为例,它要先认出把手,再控制手指和机械臂,判断往哪个方向拉、使多大劲。换一个抽屉,把手位置和阻力都变了,机器人可能又得重新训练。
每学一个动作都要在真实环境里反复练,成本会很高。
周衔于是从仿真切入,参与了RoboGen、Gen2Sim等项目,思路是让机器人先在计算机生成的环境里练习,再把练成的能力迁移到现实世界。
2024年12月,周衔参与的开源物理仿真项目Genesis正式发布。同一时期,他与Théophile Gervet一起创办了Genesis AI。
Gervet此前在法国大模型公司Mistral AI担任研究科学家,两人都有卡内基梅隆大学的研究背景。
创业之后,团队想研发一套基础模型,让机器人能学习不同的操作任务。
问题很快冒了出来:机器人就算知道怎么干活,没有一双合适的手,任务也很难完成。
比如单手打鸡蛋,不同手指要控制不同力度。传统两指夹爪能夹住物体,却很难像人手那样把蛋壳打开。

Genesis AI官网展示的片段里,机器人正用单手打鸡蛋。
打蛋这件事,传统两指夹爪就难办。夹住蛋壳不难,像人手那样把壳掰开却不容易,不同手指得控制不同力度。于是这家公司决定自己造灵巧手。
2026年5月,Genesis AI发布机器人基础模型GENE-26.5,同时亮出与中国企业Wuji Tech合作开发的灵巧手:20个自由度,内部装了20个电机,结构尽量往人手上靠。
公开视频里,这只手能单手打鸡蛋、切西红柿、弹钢琴,还能摆弄实验室器具。
周衔对Business Insider说,教机器人学一首新钢琴曲,训练大约只花了一个小时。
做饭就难多了。团队采集了数百条操作轨迹,才让机器人学会打鸡蛋、切西红柿。
即便这样,一些复杂动作还是容易翻车。周衔披露的数据显示,烹饪演示中多数步骤成功率达到90%—95%,可单手打鸡蛋、用刀转移西红柿这类动作,成功率只有约50%—60%。
换句话说,重复十次,可能有四五次做不完。
同年6月,通用机器人Eno登场。轮式底盘,上半身是双臂加灵巧手,机身高度可调,主要瞄准制造、物流和实验室场景。
仿真平台、模型、灵巧手、整机——Genesis AI的产品一块块拼了起来。
可要让机器人掌握更多操作,还差一样东西:数据。
100多人戴手套,训练机器人干活
Genesis AI的办法是:让真人戴上传感器手套上班。
TechCrunch报道称,公司已在全球组织100多名工作人员,让他们佩戴数据手套和头戴式摄像设备,在日常任务中记录操作过程。
举个例子,工人整理线缆时,摄像头拍下操作画面,手套记录手指位置、动作和受力情况。这些数据之后被拿去训练机器人。
为什么要费这个劲?
机器人学抓杯子,光看视频不够。它得知道手指怎么接触杯壁、该用多大力度。抓轻了,杯子会滑;抓重了,东西可能坏。
为此,Genesis AI把数据手套和机器人灵巧手做得尽量接近,想缩小人类动作迁移到机器人身上时的偏差。
比起让工程师远程操控机器人一遍遍示范,这种路子有机会把数据采集塞进正常工作流程里。
与此同时,公司还在搭建Genesis World仿真平台,让机器人在虚拟环境里反复练各种任务。
问题是,100多人能采到多少有效数据?又能覆盖多少种操作?
Genesis AI没有披露完整的累计数据量和采集成本。况且,采到的工作记录还得筛选、处理,没法全部直接拿去训练。
国内做具身智能的人也在盯着这个问题。
动微视觉刘敏对铅笔道表示,Genesis AI拿到大额融资,他并不意外。
“具身智能这个行业我一直比较看好。”刘敏说。国内热度受二级市场等特殊因素影响,出现了一些波动,但他觉得这个方向本身前景仍然很好。
数据这块,刘敏认为才是全行业当前最短的板。他说自己看过 Genesis AI,对方在数据上铺得挺多。“我觉得现在最大的问题还是数据不够。如果数据足够,模型上反而不是难事。”
刘敏所在的动微视觉主攻视觉感知相关技术,同时也在往具身智能业务上拓展。据他透露,公司正在跟机器人本体厂商、传感器厂商等合作,加大数据投入,布局多模态数据采集,相关成果也计划对外发布。
多模态数据指的是让机器人同时拿到视觉、动作、力觉等不同信息,从而更好地理解怎么操作物体。
刘敏判断,数据一点点积累起来之后,机器人执行复杂任务的能力还有很大提升空间。
周衔也曾对TechCrunch表示,模型架构对最终效果的可能贡献只有10%左右,更重要的其实是数据质量和训练基础设施。
不过数据只是机器人进工厂的一道坎。还有另一道坎:硬件能不能长期稳定地干活。
估值233亿,何时开始赚钱?
Genesis AI目前已生产约30—40台Eno,量产版本设计完成,美国代工制造商也已选定,量产计划在2027年启动。
今年6月,公司与韩国LG CNS达成长期战略合作,打算在制造、物流等场景里验证机器人的能力。LG CNS有工业系统集成经验,能帮Genesis AI接触到真实的工厂客户。
但合作协议、客户测试和正式商业订单之间,还有距离。截至现在,Genesis AI没有公布Eno的正式售价、累计商业交付量、客户复购情况,也没有披露相关收入规模。
周衔还向Crunchbase News透露,公司正在探索机器人租赁模式,让客户按服务方式支付机器人硬件和软件费用。这种模式能降低工厂一次性采购成本,但也意味着厂商要长期承担设备维护费用。
灵巧手寿命问题尤其突出。周衔向TechCrunch透露,目前公司的灵巧手持续正常使用几周后,就需要更换。
机器人能不能表演打鸡蛋,对工厂而言远不如这个细节要紧。设想一台机器人一天干十几个小时,搬零件、做装配,可要是隔几周就得停机修一回,换零件、养设备、停线的钱还得客户自己掏,那即便它能替人干活,算下来也未必合适。
相比之下,一些同行已经拿出了更具体的工业应用数据。2025年,美国人形机器人公司Figure AI的Figure 02进入宝马美国斯帕坦堡工厂,参与汽车钣金件搬运和定位。
宝马披露,整个试点持续约十个月,机器人累计运行1250小时,搬运超过9万个零部件,参与了超过3万辆宝马X3汽车的生产。
这些数字没法直接说明Figure AI已经赚钱,但起码能看出,机器人可以在真实产线上持续干活。另一家机器人公司Skild AI选的是另一条路,主要做通用机器人基础模型,想让一套智能系统适配不同的机器人硬件。
今年9月,Skild AI对外披露:首次商业部署大约十个月后,付费客户已经超过60家,年化经常性收入超过1亿美元,累计确认收入超过5000万美元。这些数据由公司自己公布,收入规模和盈利能力还得分开看。对比之下,Genesis AI还没拿出类似的经营数据。
2027年是个重要节点。到那时,Genesis AI要回答的不只是能造出多少台机器人,还有几个很具体的问题:客户愿意掏多少钱买或者租?机器人能稳定工作多长时间?维护成本有多高?客户会不会继续下单?
对周衔来说,从卡内基梅隆大学的机器人实验室一路走到现在,他已经拿到超过6亿美元融资,背后站着英伟达、AMD等投资人。
硅谷那场演示里,机器人第一次装箱和贴标签都顺利完成,第二次却出了岔子。这类失误,还能靠更多数据和训练去改进。
可一旦机器人真正进了工厂,每天要处理成千上万个零件,那些没被拍进演示视频的失败、维修和停机时间,才是Genesis AI接下来必须算清楚的账。本文不构成任何投资建议。