教一个机器人拧瓶盖，过去工程师可能要编程三个月，现在只需要一段三秒钟的演示视频。8月20日北京时间凌晨，硅谷机器人公司Generalist AI发布了新一代具身智能基础模型GEN-1.5，让机器人观看3到12秒的人类动作演示后直接执行任务，不训练、不微调、零行代码。在10个操作任务的one-shot模式下，模型平均成功率59%，few-shot模式下达到83%。多位顶尖研究者将这一刻类比为2020年GPT-3的发布，认为具身智能终于走到了自己的"GPT-3时刻"，而黄仁勋的英伟达和李飞飞早已提前押注了这家公司。
GEN-1.5的核心突破，是把人类演示当作"文本提示"来对待。传统机器人技能习得需要成千上万次梯度更新，工程师围绕每个任务编写控制代码、设定奖励函数、反复训练验证，周期以周月计。GEN-1.5则把一段3到12秒的实时演示放进模型的上下文窗口，类似给大语言模型输入一段提示词，模型基于8个月连续预训练形成的物理交互能力，当场推演出执行策略，权重变化在few-shot模式下不到0.15%。这种"把演示当提示"的设计，让机器人技能获取的成本从工程问题变成了数据问题。
更令人惊讶的是模型展现出的即兴发挥能力。研究者做了一个实验：用5分钟的人类演示数据（仅1个梯度步骤微调）教机器人用刷子把积木扫进碗里，然后替换工具。给机器人一根香蕉，它把香蕉当成刷子横扫积木入碗；给它一个簸箕，它放弃"扫"的策略，改用另一只手把积木推上簸箕，抬起簸箕倒进碗里。"扫"和"铲起来倒"是两种完全不同的接触序列，训练数据里并没有教过这套动作。研究团队用最近邻语言搜索在约189万段预训练场景中检索，也没有找到类似的簸箕用法，这意味着模型在没有任何人指导的情况下，自己涌现出了全新的问题解决策略。
Generalist AI的资方阵容，早已预示了这个方向的分量。两个月前，斯坦福教授李飞飞以个人身份投资了Generalist AI的4亿美元融资，同轮天使投资人还包括小米联合创始人林斌和Zoom创始人袁征，英伟达也是股东。当黄仁勋的女儿黄敏珊8月19日飞抵北京逛世界机器人大会时，大洋彼岸的Generalist AI正在用一段演示视频震动整个硅谷。聪明钱和聪明人同时涌向同一个方向，背后是对具身智能技术路线的一次集体判断：机器人大脑的通用化，可能比硬件本体更早成熟。
GEN-1.5最重要的启示，是验证了具身智能领域同样存在Scaling Law。模型连续预训练超过8个月，下一步动作预测误差持续下降，这种"预训练规模越大、新任务上手越快"的曲线，与大语言模型的发展轨迹高度相似。如果大脑层面的通用模型成熟，躯体厂商的价值将取决于接入这颗大脑的速度，而非硬件参数和出货规模。这意味着具身智能的竞争焦点正在从"造出更好的身体"转向"训练更强的通用大脑"，而后者恰恰是英伟达、李飞飞这些算力和算法巨头最擅长的事情。当然，从演示成功到工业级稳定运行仍有距离，59%的one-shot成功率意味着机器人在真实产线上还需要更可靠的保障，但"看一遍就会"的能力一旦从实验室走向工厂，机器人部署的成本结构将被彻底改写。从技术路线上看，GEN-1.5代表的是"预训练加上下文学习"范式在物理世界的延伸，模型在8个月预训练中积累的物理交互知识，让新任务无需重新训练即可推理执行，这与GPT系列通过上下文提示解决新问题的机制一脉相承。
GEN-1.5带来的最直接变化，是机器人再部署的成本模型。过去工厂引入一台机器人执行新任务，需要产线停机、工程师进场、编写程序、反复调试，动辄数周数月；如果机器人学会"看演示就能换工作"，新任务的引入将变成录一段视频的时间，产线柔性化程度将大幅提升。这正好呼应了当前人形机器人从"技术验证"走向"规模化量产"的行业节点：智元机器人出货8400台登顶全球第一，宇树科技累计下线约1.8万台并登陆科创板，但整机厂商共同面临的痛点正是"换一个场景就要重新编程"，GEN-1.5这类基础模型正是解开这个死结的钥匙。
对产业格局的影响同样深远。如果通用机器人大脑成为类似操作系统的基础层，掌握它的公司将拥有对整个机器人生态的议价权，正如微软之于PC、谷歌之于移动互联网。英伟达投资Generalist AI并推出GR00T等具身模型，李飞飞布局空间智能，都是为了抢占这一层。对于中国机器人厂商而言，这既是威胁也是机会：一方面，海外通用大脑的成熟可能形成新的技术依赖；另一方面，中国厂商在硬件量产和场景落地上的优势，也为国产具身大模型提供了宝贵的迭代数据。多位研究者指出，如果这一范式持续验证，具身智能的数据飞轮将加速运转：机器人实际部署收集的数据越多，预训练模型越强，而更强的模型又让机器人能处理更复杂的任务，这种正循环一旦形成，人形机器人的商业化落地节奏可能远超市场预期。当然，物理世界的复杂性远高于文本，力反馈、环境不确定性、安全边界等问题仍待解决，但GEN-1.5已经证明了方向的有效性。无论竞争如何演变，"看一遍就会"的机器人时代已经拉开序幕，而这场变革的速度，可能比所有人预想的都要快。