融资法国

Genesis AI获Eclipse与Khosla领投1.05亿美元种子轮,以自研仿真引擎打造通用机器人大脑

发布 阅读约 1 分钟
原文
Genesis AI获Eclipse与Khosla领投1.05亿美元种子轮,以自研仿真引擎打造通用机器人大脑 (MEKAWIRE 示意图)

总部位于巴黎和帕洛阿尔托的物理AI实验室Genesis AI于2025年7月1日结束隐身状态,宣布获得1.05亿美元融资,由Eclipse与Khosla Ventures联合领投,法国公共投资银行Bpifrance、HSG、Eric Schmidt和Xavier Niel跟投。

公司后来将该轮定性为种子轮,计划依托融合自研物理仿真、生成式模型与真实机器人数据的数据引擎,开发通用机器人基础模型,估值未披露。

物理AI初创公司Genesis AI于2025年7月1日宣布完成1.05亿美元融资并正式亮相。公司在法国巴黎和美国加州帕洛阿尔托设有办公室,目标是打造通用机器人基础模型以及不绑定特定硬件的水平化机器人平台。本轮由美国风投Eclipse与Khosla Ventures联合领投,公告于美东时间上午9点发布,未披露估值。

融资结构

除两家领投方外,公告列出的投资方还包括法国公共投资银行Bpifrance、投资机构HSG、谷歌前首席执行官Eric Schmidt以及法国电信企业家Xavier Niel。公司在2026年3月11日发布的新闻稿中明确称这1.05亿美元为种子轮融资,并把AI学者Daniela Rus和Vladlen Koltun列为支持者。一家尚未发布产品、没有客户也没有自有机器人的公司在种子阶段拿到这一规模的资金,并不多见。

公司将自身定位为全球性的物理AI研究实验室和全栈机器人企业,使命是让通用机器人承担支撑经济运转的体力劳动,从而"释放无限的体力劳动"。公告援引的市场数据称,体力劳动对应全球GDP中30万亿至40万亿美元,其中95%以上尚未实现自动化;全球75%的企业面临招工难;在多数自动化程度较高的行业,机器人与人的比例也很少超过1比30。

先做数据引擎,再做模型

Genesis AI的核心资产是数据而非硬件。公司表示正在构建一个可扩展的数据引擎,把高保真物理仿真、多模态生成式建模和大规模真实机器人数据采集整合在一起。其仿真栈为自研,用于生成仅靠遥操作难以达到规模的合成训练数据。Khosla Ventures的Kanu Gulati称,这是一个让仿真数据与真实数据相互补充的持续闭环。

通俗地说,机器人基础模型要学会把"看到什么、被要求做什么"转化为具体动作,泛化能力需要数以百万计的样本支撑。依靠人工遥操作真实机械臂采集数据既慢又贵;高速物理仿真器能以接近零的边际成本生成大量尝试,包括失败样本,但纯仿真训练出的策略在真实摩擦、光照和杂乱环境中往往失效。Genesis AI押注的是,在同一管线中混合两类数据,能比任何单一来源更快缩小这一差距。公司还表示,计划开源数据引擎和基础模型的部分组件。

团队在仿真领域早有公开成果。根据项目文档,开源机器人学习物理平台Genesis World于2024年12月作为学术项目启动,目前由Genesis AI支持开发,代码采用Apache 2.0许可。现行文档介绍其通过统一的Python接口整合多物理场引擎、名为Nyx的照片级渲染器和名为Quadrants的跨平台编译器;截至2026年10月,其GitHub仓库获得约3万颗星。

创始团队

公司由首席执行官Zhou Xian领导,2026年3月的新闻稿将Théophile Gervet列为联合创始人。据发布公告,创始成员来自Mistral AI、英伟达、谷歌以及卡内基梅隆大学、麻省理工学院、斯坦福大学、哥伦比亚大学和马里兰大学,覆盖物理仿真、图形学、机器人学和大规模模型训练。运营主体为法国SAS公司,这在资金充裕的机器人大脑开发商中并不多见。

Zhou Xian在公告中表示,由物理AI驱动的通用机器人将开启人类历史的下一个重要篇章。Eclipse合伙人Charly Mwangi称,通用机器人有望影响各行业数万亿美元的劳动价值。Eclipse在自家博客中把制造、建筑、医疗和农业的劳动力短缺列为投资逻辑。

同业对比

凭借本轮融资,Genesis AI跻身通用机器人大脑赛道资金较充裕的阵营,但与头部仍有差距。Skild AI于2024年7月完成3亿美元A轮,投后估值15亿美元;Dyna Robotics于2025年3月完成2350万美元种子轮。人形机器人方面,Figure AI于2024年2月完成6.75亿美元B轮,1X Technologies于2024年1月完成1亿美元B轮。据MEKAWIRE计算,Genesis AI种子轮规模为Dyna Robotics种子轮的4.5倍,相当于Skild AI A轮的35%。

Genesis AI种子轮与主要机器人大脑及人形机器人企业此前融资对比
  • Genesis AI
    总部
    FR / US
    成立年份
    无数据
    轮次
    Seed
    公布日期
    2025-07-01
    金额(百万美元)
    105
    投后估值(十亿美元)
    无数据
  • Dyna Robotics
    总部
    US
    成立年份
    2024
    轮次
    Seed
    公布日期
    2025-03-25
    金额(百万美元)
    23.5
    投后估值(十亿美元)
    无数据
  • Skild AI
    总部
    US
    成立年份
    2023
    轮次
    Series A
    公布日期
    2024-07-09
    金额(百万美元)
    300
    投后估值(十亿美元)
    1.5
  • Figure AI
    总部
    US
    成立年份
    无数据
    轮次
    Series B
    公布日期
    2024-02-29
    金额(百万美元)
    675
    投后估值(十亿美元)
    无数据
  • 1X Technologies
    总部
    US
    成立年份
    2014
    轮次
    Series B
    公布日期
    2024-01-13
    金额(百万美元)
    100
    投后估值(十亿美元)
    无数据

各公司在2025年7月1日或之前公布的最近一轮融资,数据来自公司公告。金额单位为百万美元,投后估值单位为十亿美元,未披露为null。Genesis AI轮次为公司2026年3月11日新闻稿表述。正文倍数为MEKAWIRE计算:105 / 23.5 = 4.47;105 / 300 = 0.35。均为披露数据,非估算。

截至 2026年10月1日

对中国产业链的意义

国内人形机器人企业普遍走软硬一体路线,整机、关节模组和灵巧手供应链具有成本与规模优势,训练数据则多依赖自建采集场和遥操作。Genesis AI代表的是另一条路径,即以仿真合成数据为主、真实数据校正为辅,并以水平平台方式向多家硬件厂商供货。若这一路线被证明可行,国内整机厂可能多出一个外部大脑供应商,但也意味着数据与模型层的竞争将从"谁的采集场更大"转向"谁的仿真更逼真、更便宜"。

风险与疑问

发布时Genesis AI既未公布客户、硬件合作方和模型发布时间表,也未披露估值。关于仿真作用的说法均来自公司自述,而仿真与现实之间的性能落差曾让不少早期尝试受挫。开源部分技术的承诺也带来一个问题,即竞争对手可以使用同样工具时,公司如何保住价值。

后续进展

2026年3月,公司聘请曾任亚马逊自动驾驶负责人的Vivian Sun担任商业与战略副总裁,该新闻稿发布地为巴黎和加州圣卡洛斯。公司官网目前在推广名为Eno的产品,并计划在2026年底前完成面向目标客户的部署。

MEKAWIRE 分析

Genesis AI的1.05亿美元种子轮押注的是谁掌握最便宜的机器人训练数据来源,谁就掌握机器人大脑,欧洲也由此有了第一个真正的参赛者。

证据在于公司优先强调的内容。公告把数据引擎放在模型之前,把自研仿真列为核心资产;团队在引入外部资本前就已发布开源仿真器。两家美国深科技基金联合领投,Bpifrance和Xavier Niel则提供了法国背景。

最有力的反驳是,仿真被视为机器人捷径已近十年,但决定落地的仍是真实场景数据。已在工厂和家庭部署机器人的对手可以在有偿作业中顺带积累数据,而没有现场机器人的实验室只能购买或自建。

乐观情形:如果Genesis AI证明其混合管线训练出的策略在大幅减少遥操作数据的情况下仍能迁移到真实机器人,其单个训练样本成本将低于对手,开源仿真器也将成为吸引开发者和硬件厂商的入口。若2026年底推出首个商业产品,更大规模的后续融资将顺理成章。

悲观情形:如果仿真到现实的迁移效果依旧薄弱,Genesis AI在仿真器层面要面对英伟达和谷歌DeepMind的免费工具,在大脑层面要面对资金更雄厚的模型公司,种子资金最终可能用于对手可以直接从其开源成果中复制的研究。

值得关注的三个信号:

  • 2026年12月31日前:官网承诺的Eno目标客户部署是否落地,以及合作的机器人厂商是谁。
  • 2026年内:公司是否兑现2025年7月1日开源数据引擎和基础模型组件的承诺。
  • 2027年上半年:是否出现披露估值的后续融资,这将检验欧洲机器人大脑相对Skild AI和Physical Intelligence的定价。

这条消息是利好还是利空?

 

要点
融资金额
1.05亿美元
轮次
种子轮(据公司2026年3月表述)
发布时间
2025年7月1日美东时间9:00
联合领投
Eclipse、Khosla Ventures
其他投资方
Bpifrance、HSG、Eric Schmidt、Xavier Niel
估值
未披露
管理层
CEO Zhou Xian;联合创始人Théophile Gervet
办公地点
巴黎、帕洛阿尔托
核心资产
融合自研物理仿真、生成式模型与真实机器人数据的数据引擎
来源
MEKAWIRE 情报版
  1. 01

    为何重要

    Genesis AI这笔融资是2025年年中投资者开始把机器人数据层视为独立资产定价的最清晰信号。当时多数机器人大脑公司凭模型演示或现场机队融资,而Genesis AI凭团队和仿真器拿到1.05亿美元,公告也先讲数据引擎再讲模型。如果这一排序成立,机器人行业真正稀缺的就不是算力或模型架构,而是廉价、多样且物理上准确的训练样本。

    地缘层面同样有意义。一家在巴黎设有办公室的法国SAS公司,获得Bpifrance和Xavier Niel以及Eclipse、Khosla Ventures支持,进入此前由美国Skild AI、Physical Intelligence和软硬一体的中国企业主导的领域。对重视欧盟司法管辖的欧洲工业客户而言,这是一个值得跟踪的候选供应商;对中国企业而言,则是海外市场上又一个以仿真为核心的竞争者。

  2. 02

    竞争对手分析

    在雄心上最接近的是Skild AI,其2024年7月完成3亿美元A轮,投后估值15亿美元,主打可适配多种机器人本体的通用模型。Physical Intelligence追求类似目标。两者更多依赖从多种机器人上采集的大规模真实数据,而Genesis AI以自研仿真为主要数据来源,再用真实数据校正。

    英伟达既是这些公司的合作方,也是竞争者。其Isaac仿真工具和GR00T模型与Genesis AI的数据引擎直接重叠,而且英伟达可以为卖芯片而免费提供。谷歌DeepMind的MuJoCo在研究界也扮演类似角色。2025年3月完成2350万美元种子轮的Dyna Robotics代表另一条路径,即以低成本机器人和真实部署快速商业化。

  3. 03

    估值背景

    Genesis AI未披露估值,因此只能按融资规模比较。据MEKAWIRE计算,1.05亿美元为Dyna Robotics种子轮的4.47倍、Skild AI A轮的0.35倍。Skild AI在2024年7月15亿美元的投后估值可作参照,但无法据此推算Genesis AI的估值。

    "种子轮"标签影响后续稀释。种子阶段即拿到1.05亿美元,意味着已释放高价信号,下一轮需要模型发布、付费客户或硬件合作等证据支撑。2026年3月新闻稿仍将融资总额表述为1.05亿美元种子轮,显示截至当时尚未公布新的定价轮次。

  4. 04

    供应链影响

    Genesis AI位于机器人整机厂上游,主要投入是仿真和训练所需的GPU算力、用于采集数据的真实机器人以及物理和图形学人才。公告未披露算力或硬件合作方。仿真高度依赖算力,能否以可持续价格获得GPU直接决定成本。

    下游需要愿意搭载第三方大脑的机器人厂商。Figure和1X等人形机器人公司自研模型,因此Genesis AI的天然客户是缺乏大型AI团队的机械臂、移动操作机器人和工业单元制造商及系统集成商。中国庞大的协作机器人和服务机器人厂商群体同样属于潜在客户,但也最有能力自建同类能力。

  5. 05

    后续看点

    第一是商业化。官网承诺2026年底前完成Eno的目标客户部署,若公布客户名称、机器人类型和场景,商业模式即可落地;若到2027年初仍无消息,将拖累后续融资。

    第二是技术。2025年7月1日承诺的数据引擎和模型组件开源,以及展示仿真到真实迁移效果的基准,将是最有力的证据。截至2026年10月GitHub星标约3万的Genesis World的普及程度,是开发者需求的先行指标。第三是披露估值的后续融资。

  6. 06

    分析师观点

    核心判断:Genesis AI是一项可信但仍处早期的押注,即最廉价的机器人训练数据将来自经真实数据校正的仿真,而拥有仿真器将构成持久优势。团队的开源记录和领投方的分量支撑这一判断。

    置信度为中等。发布时公司没有客户、硬件伙伴、模型时间表和估值,仿真与现实的差距也曾让类似策略失败;但仿真器真实存在、公开且关注度高,公司已引入亚马逊自动驾驶部门出身的商业化负责人,并给出产品时间表。若出现无需大量真实数据微调即可在第三方硬件上运行的模型,将上调判断;若Eno时间表推迟或转向自研整机,则下调。

  7. 07

    值得追问的问题

    首个模型的训练数据中仿真与真实数据各占多少,公司是否会公开这一比例?首个模型支持哪些机器人本体,硬件由公司自供还是交给合作方?

    具体开源哪些内容、采用何种许可?若数据引擎与Genesis World一样采用Apache 2.0,公司如何对采用它的竞争对手保持商业优势?下一轮由谁领投、估值几何?