深度 · 神机百见-具身解读

20 步各 99%、整段只剩 82%:这笔 5 亿美元,花在最容易磨坏的那只手上

5 亿美元 A 轮、35 亿美元投后、累计 6.05 亿美元,而 Eno 至今只造了 30 到 40 台。训练数据来自全球 100 多名工人戴的手套;CEO 自己承认「手在几周常规使用后就磨损」。全栈能让它改得快,也意味着耗材账单全记在自己账上——而这家公司正在谈按服务收费的租赁模式。

一分钟速览
  1. 融资:巴黎/加州圣卡洛斯的 Genesis AI 于 2026-11-17 宣布完成 5 亿美元 A 轮,投后估值 35 亿美元;Premji Invest、Khosla Ventures、Eclipse 联合领投,英伟达、AMD Ventures、三星 Next、Bpifrance 等参投。此前 2025 年 7 月种子轮 1.05 亿美元,累计披露融资 6.05 亿美元,公司现约 100 名员工(Crunchbase 口径)。
  2. 产量:Eno 至今造出 30 至 40 台,客户试点数量「少数且不具名」;已选定美国代工厂,明年开始生产,CEO 称更广的客户铺开要到 2027 年。
  3. 可靠性算术(公司自己的口径):一串 20 步的流程,每步 99% 成功率,整段只成功 82%(0.99 的 20 次方≈81.8%)。
  4. 最诚实的数字:CEO 周贤对 TechCrunch 承认,机器人的手在几周常规使用后就会磨损;同一篇里他说硬件(机械设计与供应链)才是当前主要瓶颈。另外「手套比常规方案便宜约 100 倍、采集效率高约 5 倍」亦是公司口径,无第三方测试条件。
  5. 判断一:这笔钱买的不是产能,是「数据管道 + 迭代速度」。30 到 40 台对应 35 亿美元估值,说明估值锚在管道,不在台数。
  6. 判断二:一旦改成按服务收费的租赁模式,手就从「备件」变成「计价项」——手的更换周期会直接写进毛利率,而这条数字官方现在一个都没给。
数据来源与边界
主源为公司新闻稿 PR Newswire 2026-11-17 发布稿(PR Newswire ↗ );英文独立报道交叉核对三份:路透社 2026-11-17(finance.yahoo.com ↗ ,含「2027 年更广铺开」与不去做头部的设计理由)、TechCrunch 稿件经 Quartz 转述(qz.com ↗ ,含「手几周磨损」「硬件是主要瓶颈」与 30–40 台)、Crunchbase News 2026-11-17(news.crunchbase.com ↗ ,含累计 605M、约 100 名员工、Q3 全球机器人融资 99 亿美元)。中文对照源为新浪财经/环球市场播报 2026-11-17 23:52(新浪财经 ↗ )。素材时间窗为前一日 18:00 → 当日 09:00(2026-11-17 18:00 → 2026-11-18 09:00);本条为公司美东时间 11-17 日间发布、北京时间当晚 23:52 中文稿落地,落在窗内。 边界与不确定:①35 亿美元估值为「投后」,由公司新闻稿给出,路透与 Quartz 均采信该口径,但 Singularity.Kiwi 的评述稿提示「截至发稿,3.5B 的独立核验来自二次报道而非公司自身披露之外的第三方」,本文按公司自报处理;②「30 至 40 台 Eno」来自 TechCrunch 对公司的采访,非官方产量公告;③「手套比常规方案便宜 100 倍、采集效率高 5 倍」是公司口径,无第三方测试条件披露,本文仅作转述并标注;④「手在几周内磨损」为 CEO 接受采访时的定性表述,未给具体周数、未给更换成本、未给 MTBF 数据,本文据此推算的「每年约 8.7 次更换」是按 6 周假设计算的示意值,不是官方数字;⑤客户名称、单价、已付费客户数、营收全部未披露,周贤明确拒绝披露收入与付费客户数量(Crunchbase);⑥「租赁模式」为公司在探索中的模式,未公布定价与合同结构;⑦「20 步各 99% 得 82%」是公司自己用来讲可靠性缺口的算术示例,本文重新计算复核为 81.79%,与其口径一致;⑧所有关于成本结构、租赁定价与耗材年化的推断均为作者判断,以「判断:」开头。版权与免责声明由模板自动附加。
本文事实信息来自上方标注的公开来源;解读、判断与延伸部分为作者个人见解,写作过程使用了 AI 工具辅助整理,已由作者人工核实,不代表信息来源方立场。如有雷同纯属巧合;如涉及版权或权益问题,请联系 shenjibailian@shenjibailian.com,我们将在核实后及时删除或更正。

先把三组数字摆在一起,因为它们的量级关系本身就是一个结论。

5 亿美元 A 轮。35 亿美元投后估值。累计披露融资 6.05 亿美元。而 Eno 这台机器,到今天为止造出来 30 到 40 台。

按最粗的除法,每台已造出的机器对应约 900 万到 1200 万美元的估值。这个除法当然没有商业意义——但它的荒谬感恰好说明了一件事:这笔钱定价的不是现在的产量,是那条还没跑起来的管道。

一、82% 这个数,是这家公司自己算的

Genesis 在融资材料里反复讲一个算术:如果一个流程要走 20 步,每一步的成功率是 99%,那么整段流程全部走对的概率只有 82%。

单步成功率
99%
20 步全对(重算 0.99²⁰)
81.8%
若流程拉长到 30 步
74.0%
柱长按 99% 归一化;82.6%=81.8÷99,74.7%=74.0÷99。第三行为本文按同一算法外推(0.99³⁰),非公司口径

这个算术的价值不在 82% 本身,在于它给出了一个行业通用的换算尺:演示视频里的「一次成功」,和产线上的「一天两百次不出错」,是两个完全不同的指标。前者可以剪出来,后者只能靠步数与单步可靠性的乘积硬算。

Genesis 敢把这个数写进融资叙事,是因为它同时给了一个答案:把失败样本喂回训练。TechCrunch 的记者在它硅谷实验室看的那次演示里,第二遍就掉了一个箱子、卡在打印机吐出的那张小标签上——公司管这类叫「hiccup data」,说是正是这些磕碰让训练闭环转起来。

判断:把 20 步 99% 换算成 82%,是这一轮具身融资里最诚实的一句话,因为它主动承认了「演示=不能交付」。但它同时也是最容易被投资叙事利用的一句话——只要把「我们会把 82% 抬到 99%」当成承诺,融资逻辑就闭合了;而真正的问题是那个抬升过程要不要换硬件。
二、30 到 40 台,对应一条 100 人的数据线

这家公司的训练数据不来自遥操作机器人,而来自人。全球有 100 多名真实在岗的工人,戴着装了传感器的采集手套、头上戴摄像头,一边干自己原本的活,一边把自己的手部动作和接触力录下来。机器人装的是按人手比例做的手,理论上形成「人手—手套—机器手」的一比一映射,仓库老师傅的肌肉记忆可以直接变成模型的输入。

这个设计的巧妙之处,是把采集成本从「雇人遥控机器人」换成「给在岗工人发一副手套」。公司的说法是手套成本比常规方案低约两个数量级、采集效率高约五倍——这两个倍数都是公司口径,没有第三方测试条件,本文只当转述。

但要注意 100 这个数字的另一面:所谓「大规模数据采集」,当前的物理规模是一百多人,不是一万多人。这是很扎实的起步,但它和「覆盖制造、物流、实验室全场景」之间还隔着数量级的差距。而且这 100 多人分布在「全球」,意味着每一副手套背后都有一个当地的用工、隐私、数据出境安排——这些成本不写在融资稿里。

再看钱花在哪。约 100 名员工,6.05 亿美元累计融资,人均对应六百余万美元。这不是一家把钱花在人头上的公司,是把钱压在算力、仿真和产线上的公司。路透的表述是:扩大 Eno 产量、扩大数据采集与 AI 训练、提升手部操作能力,另外招人。

判断:全栈自研在这类公司嘴里是「整合优势」,在财务上其实是「每一层都要自己交学费」。芯片用英伟达的、算力要买、仿真自己做、手自己做、代工外包——这意味着它的固定成本结构接近一家制造企业,而收入模型想按软件讲。这两件事的估值倍数差得很远。
三、最该被记住的一句话:手几周就磨坏

整篇报道里最有信息量的一句,不是 5 亿也不是 35 亿,是周贤对 TechCrunch 说的:机器人的手目前「在几周常规使用后就会磨损」。同一段里他说,硬件——机械设计和供应链——才是主要瓶颈。

为什么这句话重要?因为手是具身智能里唯一一个「既决定能力上限、又决定运维成本」的部件。它同时是算法入口(力控、触觉、灵巧度全在这一层)和耗材(摩擦、冲击、疲劳全落在这一层)。

把「几周」换算成运维账单,才看得出量级:

约 6 周
本文采用的示意更换周期(官方只说「几周」,未给具体值)。一年 52 周 → 单台约 8.7 次更换
30–40 台
当前存量。按 8.7 次/年计,这条存量一年需要 260 到 350 只手的更换量,且这还只是「常规使用」
2027 年
公司口径的更广客户铺开时间点。若届时装机体量上一个数量级,手的年更换量同比例放大

如果这门生意是按台卖硬件,手的磨损只是售后成本,可以摊进保修。但如果按租赁/服务收费——Crunchbase 明确写到 Genesis 正在探索「客户为机器人加软件付一笔合并服务费」的模式——那么手就从备件变成了计价项:客户付的是「这台机器一年能干多少活」,而手每换一次,都是服务方自己吃掉的成本。

这时候「几周」这个数字的杀伤力就出来了。假设一只手(含指节模组、传动、触觉层)的成本落在四位数到五位数人民币区间,单台一年换近九次,光是手这一项的年度成本就可能逼近甚至超过一台轮式底盘的折旧。而这个区间官方一个数都没给。

判断:租赁模式真正的门槛,不是机器人能不能干活,是「耗材年化成本能不能算进月费」。这件事在工业机器人里早有答案——本体卖给你,易损件按次收费;机器人厂商的毛利率主要靠备件和服务撑着。人形机器人想跳过这一步直接做「按小时收费」,就必须先把手的寿命从「几周」抬到「几个月」,否则月费定得再高也是在补贴磨损。
四、它选了和 Agility 相反的那条路

同一周里,行业里有两种完全相反的赌法。

一种是平台派:把本体做好、把 API 开出去,智能交给买家或第三方去装。这条路的天花板是「成为机器人的安卓」,好处是轻、可复制、不背场景。

另一种是全栈派,Genesis 站这边:模型(GENE)、仿真(Genesis World)、手、手套、整机、部署运营,全部自己做。周贤的说法是,只有全部自研,才能在同一个闭环里打磨每一处细节、改得更快。

全栈的真实代价,写在它自己的瓶颈描述里:手几周磨坏、硬件是主要瓶颈、美国代工厂明年才开工、量产蓝图刚刚定稿。这四件事说明,全栈并没有让它跳过制造业的规律,只是让它必须同时承担算法公司和制造公司的两类风险。

它换到的是速度。一个失败样本今天在客户现场发生,明天可能就改动到模型里,后天改动到手的设计图上——只要这三层都在自己手里。这是平台派做不到的:本体不是你的,手不是你的,你能改的只有模型。

判断:「全栈」这两个字在 2026 年的融资语境里被当成了褒义词,但它其实是一个风险敞口的选择。全栈意味着任何一个环节掉链子,整机就交付不了;平台派则可以把责任切给集成商。哪一种更值钱,2027 年铺开之后看两件事就够了:谁的机器人在客户现场连续跑满一个季度没换过手,以及谁的客户续约。
五、给采购方和集成商的三个问题

这家公司现在的公开信息,恰好构成一组很好用的提问模板。不是因为它在隐瞒,而是因为这个阶段所有同行都只能给到这么多。

第一,那只手多久换一次,换一次多少钱。这是唯一一个把「能力」和「成本」同时锁住的参数。厂商谈灵巧度时讲自由度,谈运维时讲寿命,两个数很少出现在同一张纸上。

第二,20 步的流程,你们的现场版本是几步。82% 是按 20 步算的。真实仓库的一个包裹流程可能只有 6 步,也可能有 40 步——步数一变,同样的单步成功率会给出完全不同的整段可靠性。这个数客户自己能数。

第三,如果按服务收费,故障停机算谁的。租赁模式把「买设备」变成「买产能」,责任划分就从「交付验收」变成「SLA」。而 SLA 的前提是厂商能远程看到故障、能快速换件、能承受备件库存。三样缺一样,租赁就是把自己变成客户的设备部。

回到那 5 亿美元。它买的是一条还在成形的闭环:手套进来的动作数据、仿真里跑出来的失败样本、手上改掉的结构、代工厂定下的蓝图。这条闭环如果跑通,30 到 40 台会变成几千台;如果跑不通,35 亿美元估的就是一个 100 人团队加几十台样机。

而这条闭环上最脆弱的一环,不是模型,是那只几周就磨坏的手。因为它同时决定了这台机器能干什么、能连续干多久、以及租赁这门生意到底算不算得过账。