美国具身智能公司Generalist AI宣布完成新一轮4亿美元融资，融资总额超5亿美元，投后估值达20亿美元，正式跻身独角兽行列。

本轮由Radical Ventures领投，8VC、Union Square Ventures、Hanabi Capital、Norwest跟投；英伟达旗下NVentures、Boldstart Ventures、Spark Capital、Bezos Expeditions、NFDG等原有头部投资方均大额跟投；新增天使投资人包括Eric Yuan、Bin Lin、Fei-Fei Li（李飞飞）及Naval Ravikant。

李飞飞系斯坦福大学人工智能实验室负责人、ImageNet创建者，长期从事人工智能基础研究与教育工作，极少以个人身份公开参与早期项目投资。此次其作为天使投资人现身Generalist AI，被视为对具身智能技术路径与产业化时机的学术性认可。

Generalist AI成立于两年前，聚焦机器人在物理世界中执行真实任务的能力构建，核心目标是解决重力、摩擦、环境不确定性等物理交互带来的稳定性与泛化性难题。该公司未采用当前主流的视觉-语言-动作模型或世界模型路线，而是自主研发专用于物理交互的基础模型，依托大量真实工厂场景数据进行预训练，降低对机器人实时采集数据的依赖。

公司创始团队具备跨领域复合背景：CEO Pete Florence来自DeepMind，CTO Andrew Barry曾深度参与波士顿动力机器人系统研发，首席科学家Andy Zeng亦出自DeepMind，在机器人学习方向有深厚积累。三人兼具前沿学术能力与工业级工程落地经验。

其技术逻辑强调“结果第一”，以机器人能否在真实工况下稳定完成具有经济价值的任务为唯一评判标准，旨在缩短新任务部署周期、降低客户调试成本，提升商业化效率。

本轮融资同时吸引英伟达战略资本与Radical Ventures等早期风投机构，反映不同维度价值判断的交汇：前者关注该技术路线是否可构成未来具身智能生态关键环节，后者侧重团队在问题识别、技术选型与执行落地上的综合能力。

具身智能近年加速发展，技术动因在于大模型显著提升了感知与推理能力，使机器人“大脑”趋于成熟；产业动因则源于制造业长期存在的非结构化场景自动化缺口——订单变动、工艺调整、工件位姿随机等现实约束，使传统刚性自动化方案难以覆盖。全球制造升级压力进一步催化了对可快速适配、低成本部署的物理智能系统的迫切需求。

行业演进趋势显示，商业落地将从结构化程度最高、工序最标准化场景起步，逐步向复杂非标任务延伸；技术竞争焦点正由“能否实现”转向“能否低成本、高速度、高稳定性实现”；产业链分工亦日趋清晰，基础模型、垂直应用与硬件集成环节已形成差异化竞争格局。

李飞飞此次投资不仅指向Generalist AI单点突破，更被视作对物理智能从理论可能性迈向规模化确定性的阶段性背书。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。