# 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。

### TLDR

- **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）。
- **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**。
- **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%）。
- **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。
- **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。
- **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。

### SRC

主源为公司新闻稿 PR Newswire **2026-11-17** 发布稿（https://www.prnewswire.com/news-releases/genesis-ai-raises-500m-series-a-at-3-5b-valuation-to-master-human-level-dexterity-in-general-purpose-robots-and-deploy-at-scale-302941249.html ）；英文独立报道交叉核对三份：路透社 2026-11-17（https://finance.yahoo.com/technology/ai/articles/french-robot-maker-genesis-raises-140430999.html ，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（https://qz.com/genesis-ai-500-million-funding-nvidia-valuation-111726 ，含「手几周磨损」「硬件是主要瓶颈」与 30–40 台）、Crunchbase News 2026-11-17（https://news.crunchbase.com/venture/robot-factory-workers-genesis-ai-fundraise/ ，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（https://finance.sina.com.cn/stock/usstock/c/2026-11-17/doc-inizaitx2078200.shtml ）。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：①**35 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。

### BODY

<p>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。</p>

<p>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。</p>

<p>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：<strong>这笔钱定价的不是现在的产量，是那条还没跑起来的管道</strong>。</p>

<div class="sec">
<div class="eyebrow">一、82% 这个数，是这家公司自己算的</div>

<p>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%。</p>

<div class="jx-bars">
<div class="jx-bar-row"><div class="jx-bar-lab">单步成功率</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:100%"></div></div><div class="jx-bar-val">99%</div></div>
<div class="jx-bar-row"><div class="jx-bar-lab">20 步全对（重算 0.99²⁰）</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:82.6%"></div></div><div class="jx-bar-val">81.8%</div></div>
<div class="jx-bar-row"><div class="jx-bar-lab">若流程拉长到 30 步</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:74.7%"></div></div><div class="jx-bar-val">74.0%</div></div>
<div class="jx-legend"><div class="jx-lg">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</div></div>
</div>

<p>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：<strong>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</strong>。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。</p>

<p>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。</p>

<div class="keypoint">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。</div>
</div>

<div class="sec">
<div class="eyebrow">二、30 到 40 台，对应一条 100 人的数据线</div>

<p>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。</p>

<p>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。</p>

<p>但要注意 100 这个数字的另一面：<strong>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</strong>。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。</p>

<p>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。</p>

<div class="keypoint">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。</div>
</div>

<div class="sec">
<div class="eyebrow">三、最该被记住的一句话：手几周就磨坏</div>

<p>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。</p>

<p>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）。</p>

<p>把「几周」换算成运维账单，才看得出量级：</p>

<div class="jx-tl">
<div class="jx-tl-row"><div class="jx-tl-t">约 6 周</div><div class="jx-tl-b">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</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">30–40 台</div><div class="jx-tl-b">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」</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">2027 年</div><div class="jx-tl-b">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</div></div>
</div>

<p>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<strong>手就从备件变成了计价项</strong>：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。</p>

<p>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。</p>

<div class="keypoint">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。</div>
</div>

<div class="sec">
<div class="eyebrow">四、它选了和 Agility 相反的那条路</div>

<p>同一周里，行业里有两种完全相反的赌法。</p>

<p>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。</p>

<p>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。</p>

<p>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<strong>必须同时承担算法公司和制造公司的两类风险</strong>。</p>

<p>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。</p>

<div class="keypoint">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。</div>
</div>

<div class="sec">
<div class="eyebrow">五、给采购方和集成商的三个问题</div>

<p>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。</p>

<p><strong>第一，那只手多久换一次，换一次多少钱。</strong>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。</p>

<p><strong>第二，20 步的流程，你们的现场版本是几步。</strong>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。</p>

<p><strong>第三，如果按服务收费，故障停机算谁的。</strong>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。</p>

<p>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。</p>

<p>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。</p>
</div>

---

*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/genesis-ai-500m-82pct-20-steps-worn-hands/*
