剛剛，Genesis憋了一年的大招推出，和PI反著來。

大家好，我是天南，具身算法研究員。

今天，Genesis AI 公開了它的第一份模型 GENE-26.5。

整個博客不起眼的位置上，藏著最重要的一句話。

硬件并非模型的下游環節，而是實現數據規?；年P鍵因素。

說人話就是，做大模型公司可以不碰硬件，做機器人基座模型的公司必須碰。

這句話出現的時間點很值得玩味。PI 在20天之前發布的 π0.7 給出的判斷和Genesis恰好相反。

π0.7 的核心主張是 compositional generalization，組合式泛化。

一個模型，無任務特定訓練就能跨硬件遷移。模型夠強，硬件形態就不重要。

20 天。兩家 CMU 出身、同樣押 foundation model、融資都到位的公司， 在同一個核心命題上給出了相反的答案。

之前和大家聊過幾次 Pi 和 Genesis。但這次有意思的地方在于，他們倆第一次站到了同一道墻的兩個梯子上。

18 個月沒動靜，不是沒在干活

先把時間線捋一下。

2024 年 12 月，Genesis 開源物理引擎在 X 上刷屏，號稱比 Isaac Gym 快 10-80 倍，單卡 RTX4090 訓運動 policy 只要 26 秒。當時朋友圈里幾乎所有做仿真的人都在轉。

2025 年 7 月，Genesis 正式公開，宣布拿了 1.05 億美元種子輪。Eclipse 和 Khosla 聯合領投，HongShan、Bpifrance 跟投，Eric Schmidt、Xavier Niel 個人參投。

然后就沒聲音了。

中間這 18 個月，Pi 那邊完全是另一種節奏。π0.5、π*0.6（RECAP）、RL Tokens、π0.7。一個季度一代。

我之前刷了幾次 X 想看 Genesis 在干什么，但幾乎沒有公開進展。。。

直到今天這份博客把答案揭出來。這 18 個月他們干的是這幾件事。

第一，建團隊。60 人，歐美雙中心。歐洲 40-45%，美國 50-55%，三個辦公地：巴黎、加州 San Carlos、倫敦。明顯的法美雙線結構，歐洲資本占比重。

第二，做硬件。自研一只叫 Wuji（無極）的靈巧手，20 個主動可反驅自由度，1:1 真人手尺寸，指掌覆蓋軟材質模擬皮膚接觸動力學。

第三，做數據采集設備。EMF 加全掌觸覺的密集觸覺手套，號稱比傳統硬件便宜 100 倍，數據采集效率比遙操數據高 5 倍。Genesis 自己說的，沒有第三方驗證。

第四，自研控制中間件。把廠商默認的控制器換掉，自己寫。

第五，攢數據。20 萬小時多模態數據。配比沒披露。

我看下來最讓我意外的是第三和第四件事。Genesis 這家公司起家是仿真，團隊基因里是「軟件+物理引擎」。

結果他們花了一年半時間，去做手套、做手、做 EtherCAT 控制層。這個反差本身就是 Genesis 主張的具象化，他們不是嘴上說硬件是數據上游，是真把團隊精力壓到了硬件這邊。

更值得講一下的，是三位創始人的組合。

CEO 周銜（Zhou Xian），CMU 機器人博士，Genesis 仿真論文的核心作者。仿真派。

President Théophile Gervet，前 Mistral 研究科學家，CMU AI 博士。基礎模型派。

co-founder Zhenjia Xu，UMI的共一。數據采集派。

這三個人在 Genesis 身上代表的，是仿真、基礎模型和數采。Genesis 的「系統觀」不是后期寫出來的，是從公司成立那天就埋在三個人技術背景里的。這件事其他家很難抄，因為這種組合本身就稀缺。

還有一個細節得提。Genesis 的機械臂本體用的是國內天機的產品，不是自研。

本體可以買，但靈巧手、手套、控制中間件、模型必須自研。關鍵層全棧，非關鍵層外采。

驚艷的是同一個模型。

GENE-26.5 的 demo 一共 8 個。其中 7 個用同一個模型跑：做飯、實驗室移液、玩魔方、做奶昔、吸管翻轉、多物抓取、整理線束。

最后一個鋼琴是單獨訓的 RL，專門測控制棧，不是 GENE 主模型。Genesis 自己標注得很清楚，這點要先夸一下，很實在。

但真正讓我停下來看了三遍的，是博客里那張五維評價表，很有意思。

• spatial precision，空間精度

• temporal composition，時間編排

• contact richness，接觸豐富度

• contact coordination，接觸協同度

• tool-mediated interaction，工具中介交互

我第一反應不是「這是一個評估工具」，而是「這是一把新尺」。

你仔細看就會發現，這五維幾乎是為夾爪量身打造的反向題。

兩指夾爪在接觸豐富度上的天花板就是兩個接觸點。在 接觸協同性上幾乎不存在協同，只有「夾住」和「松開」兩個狀態。

在使用工具上更尷尬，工具不是為夾爪設計的。空間精度 和 時序組合還能通過算法補一補，但接觸層面那兩條是結構性低分，補不了。

也就是說，Genesis 在用這張表給行業重新刻度。重新刻度之后，這些年很多家做 demo 都用的兩指方案，在Genesis的評價下會很難看。

Pi 早期 demo 里的 ALOHA 雙臂方案，Skild 那臺用夾爪的廚房機器人，Figure 02 當年的展示，都得在這個尺下重新打一次分。

而且這張表的「覆蓋維度數」和「任務難度」是正相關的。Genesis 給做飯打了五維全勾，長序列、雙手協同、工具使用、豐富接觸、協同接觸全占。

你把它放到任何一個夾爪 demo 上，五維大概率只能勾兩到三條。

我看完五維表，又把 demo 視頻回去刷了一遍。有幾個細節比五維表更有殺傷力。

打雞蛋的時候蛋液粘到了手指上，機器人下一步順手拿抹布擦了下手，再回去切番茄。這個動作是狀態依賴的，沒人會預先教它「手臟了去擦」。

切番茄的時候，一只手用刀，另一只手拿刀的側面把切好的番茄攬起來放進鍋里。我們平時切菜也是這么干的。

移液器要掛回支架的時候，機器人在同一只手內重新調整握持姿勢。手內調握。這個動作過去基本只在專門做 in-hand manipulation 的論文里看到。

多物抓取那個 demo，一只手同時抓四個不同大小的物體，用四種不同的抓取類型。這是夾爪永遠做不到的事，你一把夾爪同時只能用一種「抓」的方式。

這些細節加起來在說一件事：Genesis 在重新定義「什么叫 manipulation」。過去說操作，大家默認是 pick-and-place，把東西從 A 搬到 B。

Genesis 的定義是「在時間和空間上編排接觸的藝術」。一根手指可以推，兩根手指可以捏，三根手指能穩住，四根能調方向，整只手能強力抓握和使用工具，兩只手之間還要無縫協同。

這個定義如果能立住，整個行業的能力評估系統都得跟著改。

3ms，Genesis把硬件做到了極致

講完模型講控制層。

Genesis 這次最容易被大家跳過的一節，可能是控制中間件。但這一節其實是 Genesis 思考最新穎的一處。

我先說一個反直覺的事實。當訓練數據來自遙操作時，機器人控制層做得多糟糕都不太影響最終性能。因為模型在訓練階段見到的就是帶著誤差的數據，部署時見到的也是同樣的誤差，前后一致。模型已經把「機器人特定的延遲和跟蹤誤差」隱式吸收進訓練信號了。

這是過去幾年 VLA 路線能跑起來的一個隱藏前提。

但當訓練數據里出現了非機器人來源的數據，人類示范、第一人稱視頻、第三人稱視頻，這個前提就崩了。人的運動不帶機器人的延遲和誤差。模型如果不主動把這個 gap 縮小，部署時就會出現訓練-執行的錯配。

而且這個 gap 不能通過「在訓練時人為加噪聲」補上。因為機器人誤差是狀態相關的，會隨構型、速度、負載、接觸條件、控制器增益、傳動行為時刻變化。無法被準確建模。

所以 Genesis 的邏輯是：只要訓練想用人類數據，控制層就回避不掉。

他們的解法是把廠商默認的控制器換掉。Genesis 用的天機機械臂本身已經是行業里相對頂級，但他們還是自己重寫了控制中間件。

數據是這樣的。

新中間件端到端延遲在調參狀態下 3ms，運行頻率 500Hz。通過單個 EtherCAT Y 從網絡驅動雙臂，使用 PREEMPT_RT 內核，為實時控制線程分配獨立 CPU 核心。EtherCAT 主站用了 KickCAT，支持分布式時鐘。

跟蹤精度對比。15cm 直徑圓形軌跡，4 秒畫完。廠商默認控制器平均誤差大約 20mm，Genesis 中間件減到大約 2mm。

延遲對比。單關節正弦軌跡阻抗模式下，廠商默認 80ms，Genesis 自研系統 9ms 以內，調參后到 3ms。

10 倍精度提升，將近 30 倍延遲降低。

講到這塊我得說一句，3ms 這個數字單看沒什么感覺。但你把它放回 Pi 的處境就有意思了。

Pi 的官方立場是「硬件早就準備好了，瓶頸在于智能」。這個判斷在 VLA 路線下是對的。但一旦 Pi 真的想吃更大規模的人類數據，而 π0.7 的 組合式泛化暗示他們遲早要走這條路，他們就得回頭處理控制層。

也就是說，Genesis 在控制中間件上花的功夫，是 Pi 遲早要補的課。

Pi vs Genesis 是同一道墻的兩個梯子

Pi 之前接受智源的采訪里說：

「硬件早在很早前就準備好了。瓶頸在于智能?！?「機器人形態不重要，最終會有一個巨大的基礎模型驅動所有機器人?！?「我們也許過去高估了世界的多樣性，100 個家庭的訓練數據足以泛化到全新家庭。」

Genesis 在這次博客里說的幾個關鍵判斷。

「機器人操作很難當做純模型訓練問題來解決?！?「硬件不是模型的下游?！?「人類幾乎所有的體力勞動都從未被記錄過?！?/blockquote>

把這兩家公司的觀點放在一起，對比的張力很明顯。

Pi 說世界沒那么多樣化，100 個家庭就夠。Genesis 說所有體力勞動都沒被記錄，要 20 萬小時手套數據。

Pi 說硬件不重要。Genesis 說硬件不是數據的下游，是上游。

Pi 用季度迭代證明「算法壓力比硬件壓力大」。Genesis 用 18 個月沉默證明「硬件準備充分了模型就能起飛」。

誰對？

我現在不敢下判斷。兩家都對，兩家都可能錯。

如果 π0.7 的 組合式泛化 真的能 scaling 上去，硬件形態就真的不重要，Genesis 在硬件上花的時間就是過度投資。

如果 Genesis 的五維評價成為行業新的標準，Pi 這些年的 demo 就得重新打分。

真正的判定標準不在 demo，不在分數，不在論文。可能會是 2026 下半年到 2027 年初的客戶付費數據。

我們拭目以待。

回到開頭那句話。

「硬件不是模型的下游」。

20 天前，Pi 用 π0.7 把「模型為王、形態無關」做到了它能做到的最遠處。

20 天后，Genesis 用 GENE-26.5 做到了它能做到的最遠處。

兩家都做到了它們各自路徑的最強版本。但只能活一條的可能性，也存在。

我自己傾向于這么看。Pi 的路徑上限取決于「模型能不能消化任何形態的數據」這個假設。如果這個假設成立，Pi 贏，而且贏得很徹底，一個模型驅動所有機器人。

如果這個假設不成立，模型必須吃更好的數據，Genesis 這種從源頭解決 embodiment gap 的路就是必經之路。

但話說回來，Pi 一年發四代模型的迭代速度，也可能在我寫完這篇文章后的下一個季度，就把所有這些判斷推翻。

具身這行業的有趣之處就在這里。。。每個月都在重新洗牌。

2026 年 5 月，分水嶺月份。

這把分歧不會很快收斂。但今天它第一次完整地，擺在了所有人的臺面上~