这几天关注李飞飞的人，信息量有点大。
8月19日，彭博社《The Circuit》放出对她的专访，「ChatGPT只是上半场，下一步是世界模型」的判断被B站、公众号轮番搬运，热度还没退；就在最近这两天，硅谷机器人公司 Generalist AI 发布了新一代具身基座模型 GEN-1.5，多位研究者直接把它类比成「机器人的GPT-3时刻」。
这条新闻跟李飞飞的关系不是蹭热度——两个月前，她刚以个人身份投进了 Generalist AI 的4亿美元融资轮，同轮天使投资人还有小米联创林斌、Zoom创始人袁征，英伟达也是股东。知乎她嘴上说的「ChatGPT之后」，钱已经先放过去了。
GEN-1.5到底演了什么
先说让研究者震动的部分。
GEN-1.5 最出圈的能力叫「physical prompting」（物理提示）：研究员拿夹爪当场做一个3到12秒的示范——拉个拉链、拧个瓶盖、从钱包里抽张纸币——机器人看一遍，不微调、不更新任何参数，当场照着做。10个新任务，平均成功率59%；如果给5分钟演示数据、允许10次参数更新，成功率提到83%。36氪
但真正让圈内兴奋的不是模仿，是即兴发挥。官方演示里有个实验：先教机器人拿刷子把积木扫进碗，然后把刷子换成香蕉，它照扫不误；再换成簸箕，它放弃了「扫」，改用另一只手把积木推上簸箕、端起来倒进碗里。「扫」和「铲起来倒」是两套完全不同的动作序列，训练数据里没有，官方用语言检索翻了约189万段预训练场景也没找到类似用法——它就是自己换了个办法。知乎碗被纸盖住，它会先把纸拿开；乐高卡在夹爪上，它会用另一只手取下来。
前 Gemini Robotics 研究者 Ted Xiao 把「看一遍示范就学会新任务」称为机器人领域追寻多年的圣杯，他说 GEN-1.5 是这条路线上迄今最好的结果，「那种能力突然跃升的感觉，让我想起第一次用GPT-3」。36氪
为什么敢叫「GPT-3时刻」
这个类比其实相当克制，而且技术上站得住。
GPT-3 刚出来时，只看一个例子的平均准确率也就45%左右，看到约100个例子后能到65%上下，数字并不好看。知乎它改变行业的不是分数，而是让人第一次相信：同一个模型可以靠 prompt 临时学会很多不同任务，不用每个任务重新训练。GEN-1.5 现在展示的就是这个接口在物理世界的早期形态——任务不用训进参数里，演示一遍就是「这次要干什么」。
更值得盯的是它背后的 scaling 曲线。36氪
2025年11月，GEN-0 用27万小时真实人类操作数据，证明物理智能也能像大模型一样「数据+参数+算力一起涨、任务一起进步」；
2026年4月，GEN-1 数据超过50万小时，约1小时任务数据就把一组简单任务的平均成功率从64%推到99%；
这次 GEN-1.5，新任务所需的参数更新从几百次压到几十次、10次、1次，最后是0次。
数据怎么来的也有点意思。Generalist 没走昂贵的遥操作路线，而是让人拿着带相机的简易「机器人手」直接在家庭、仓库、工厂里干活，动作转成训练数据——类似 UMI 的路线。公司称已在不同地区部署数千套采集设备，训练系统一天能读进相当于6.85年的人类操作经验。鹿明机器人联合CTO丁琰估算过，就算完全照着公开方案抄，攒27万小时数据也得约1000人持续采集大半年。36氪这条数据护城河，可能比模型本身更贵。
还有个细节：这家公司几乎把过去两年的全部赌注都压在同一个判断上——物理智能也可以 scaling。它赌的是：真实物理数据足够多时，机器人的通用大脑可以被喂出来。
兴奋之前，先看三个数
作为泼冷水的义务环节，这三件事得说清楚：
第一，59%不是部署数字，是曲线上的现象。测试只有10个任务，而且都不难；柔性物体、长流程任务、完全陌生的场景，官方一个字没答。知乎GPT-3 当年也一堆错误，但你要因此说「GPT-3没用」，那是后视镜视角；同样，今天拿59%吹「机器人要上岗了」，也是透支。
第二，所有数字都来自 Generalist 自己。没有论文、没有参数规模、没有完整训练配方，外界无法复现。36氪这是它和学术圈发布最大的区别，也是该留个心眼的地方。
第三，英伟达机器人研究负责人 Jim Fan 的判断是「谨慎乐观」：人类数据里天然充满重复和失误-修正，这可能是模型会恢复、会换办法的原因；但他也提醒，如果测试里的拉链、罐子、钱包本来就离预训练数据很近，「看一遍就会」和真正学会陌生工作，还不是一回事。36氪
资本层面倒是没犹豫：6月那轮投后估值20亿美元，现在 Generalist 正按30亿美元估值谈新一轮。知乎
把这事接回李飞飞自己
单独看是条融资新闻，连起来看才是她的完整棋局。最近两个月，她下了三步方向一致的棋：
一步是6月个人参投 Generalist AI——押注真实数据喂养的通用机器人大脑；
一步是7月21日，她创办的 World Labs 宣布收购机器人仿真公司 SceniX，这是公司成立以来首笔公开收购，一周后双方公布 Real-to-Sim-to-Real 研究——把真实场景重建成可交互的仿真世界，让机器人在里面练技能，再把学到的东西迁回真实机器人。知乎世界模型从「生成能逛的空间」走向「模拟动作的后果」，直接给机器人当训练场；
还有一步就是8月19日的彭博访谈，她把话说透了：世界模型和空间智能是ChatGPT之后的下一站。那句反问已经在网上传开了——「文字能扑灭火灾吗？文字能煎蛋饼吗？」语言模型再能聊，也接不住物理世界的锅铲。钛媒体
她自己的 World Labs 弹药也足：2026年2月官宣新一轮10亿美元融资，累计公开募资约12.3亿美元，英伟达、AMD、Autodesk（单家2亿）、a16z 都在名单里。钛媒体旗舰产品 Marble 已经能用一张图或一段文字生成可以走进去、可以编辑的3D世界，影视虚拟制片和游戏行业在用，也在和英伟达合作给机器人造训练环境。
同一时间，硬件那边宇树科技8月19日登陆科创板，市值约610亿元，成为「人形机器人第一股」。知乎软件、硬件、资本，这周罕见地朝物理AI同一个方向汇合。
顺带一提，这次彭博访谈里她还捅了硅谷一刀：「造AI的人比用AI的人更分裂」——一边喊人类灭绝，一边把算力和方向锁在少数人手里，公众怕的不是算法，是叙事和权力叠在一起。皮尤研究中心2025年春季跨25国调查的数字也能对上：中位34%的成年人对AI日常使用增加「更担忧而非兴奋」，只有中位16%更兴奋。钛媒体她没把锅甩给公众，反而承认「我们这代研究者在与公众沟通上做得不够好」。这话从AI教母嘴里说出来，比任何辟谣都有分量。
接下来值得盯什么
如果你只是关注这条赛道：别急着畅想「明年机器人进家门」，59%离可靠干活还远。但这条曲线值得持续追：GEN-2 能不能把一次示范的成功率再往上抬、Generalist 肯不肯发论文、30亿估值这轮能不能落地，都是未来几个月的明确信号。
如果你在行业里：真正的看点不是某个演示，而是「每增加一种新用途都要重新教一遍机器人」的成本结构开始松动——教一个机器人干新活，正在从工程师三个月变成一段三秒演示。部署成本里最难砍的那块，第一次出现了裂缝。
世界模型现在大概相当于2019年的语言模型，「密码还没破」——这是李飞飞自己的原话。知乎在一个人人恨不得把Demo包装成通用突破的周期里，一个敢公开说「我们还很早」、同时把钱、公司、收购全部押上去的人，她的每一个动作都值得放进关注列表。
这次，她押的方向刚刚交出了第一张阶段性成绩单。59分，不及格，但卷面写法对了。
