一个让机器人在虚拟世界里颠勺、折纸、套垃圾袋的开源仿真平台，正在把机器人模型的评测周期从200多个小时压缩到半小时以内。
5月28日，凭借机器人做番茄炒蛋视频走红网络的Genesis AI，正式发布并开源了Genesis World 1.0平台。这是一套为机器人和Physical AI准备的全栈仿真基础设施，底层编译器、渲染器和物理引擎全部由团队自研。
Genesis World 1.0开源了三大核心项目：Genesis World物理仿真平台、Quadrants跨平台GPU编译器，以及Nyx写实渲染器。物理引擎负责还原真实物理交互，Nyx渲染器可生成符合机器人摄像头特性的逼真画面，Quadrants编译器则支持CUDA、ROCm、Apple Metal、Vulkan等多硬件后端。三者整合在一个Python化的仿真接口背后，形成了一个完整的机器人开发操作系统。
对机器人基础模型来说，真实世界一直是最慢、最贵、也最难规模化的评测环境。一个模型的改动，最终都要回到真实硬件上验证。但真实机器人只能以一倍速运行，测试还受到硬件数量、场地、人工、磨损、校准误差的限制。
Genesis AI给出的对比很直接：一次覆盖数百个任务、每个任务重复数百次的模型评测，如果放在真实世界里，需要一台机器人和一名操作员连续运行200多个小时。而在Genesis World 1.0仿真中，数万次测试可以在不到0.5小时内完成。
更关键的是仿真结果的可信度。Genesis AI披露，其仿真评测结果和真实硬件运行的相关性达到89%。团队在14个任务上测试了三种不同规模和架构的模型，在真实世界和仿真环境中各运行200个回合，经过100万次自助法迭代验证，相关系数达到0.8996。
这个数字意味着什么？意味着开发者可以在虚拟环境里完成绝大部分验证工作，只在最后阶段才需要碰硬件。
Genesis AI最初设想的路径是用仿真平台自动生成训练数据，但后来转向了另一个方向：先建立仿真评测和真实硬件运行的强相关性。模型从真实世界学习，在仿真中做闭环评测，而不是依赖静态数据集上的离线指标。
Genesis World 1.0最直观的变化，是把很多机器人头疼的物理细节放进了同一个仿真框架里。
它展示了一个完全由接触物理驱动的yoyo系统——涉及绳子、旋转、缠绕、张力变化和持续接触。类似的还有垃圾袋撑开、折纸、颠勺这类任务。垃圾袋demo里，机器人要用双手把袋口撑开再套进垃圾桶——袋口会塌陷，薄膜会折叠，手指和袋子之间不断发生滑动、拉扯和重新接触。
平台还支持刚体、软体、流体及其相互作用的统一多物理场仿真。一个仿真步进中，多个物理求解器各自推进，再通过耦合器处理不同物理类型之间的交互——比如机器人抓取软体物体。
更难得的是对不同末端执行器的统一支持。Genesis World 1.0展示的不是单一机械臂或单一夹爪任务，而是把Wuji/Sharpa五指灵巧手和传统夹爪放进同一套仿真框架里。它们面对的不是标准化的刚体抓取，而是垃圾袋、纸张、绳子、锅里的食材这类接触状态不断变化的对象。
Genesis AI由卡内基梅隆大学机器人学博士周衔与法国Mistral AI前研究科学家Théophile Gervet于2024年底联合创立。公司在美国硅谷和法国巴黎设有办公室。2025年7月，Genesis AI完成1.05亿美元种子轮融资，由Eclipse和Khosla Ventures领投，前谷歌CEO埃里克·施密特参投。这支平均年龄不到28岁的20人团队，拿下了硅谷具身智能领域最大规模的种子轮融资。
Genesis AI不做传统的人形机器人，而是走全栈路线：自研AI模型、训练手套、仿真器和机器人本体。CEO周衔在博士期间的研究方向涵盖世界模型、模仿学习、强化学习，提出了生成式仿真的新范式，并发起和领导了Genesis开源项目。
2026年，机器人基础模型的竞争已经从谁的数据更多转向谁能更快迭代。Genesis World 1.0开源的是一整套从物理引擎到渲染器到编译器的全栈工具链。当仿真评测与真实硬件的相关性被拉到89%，机器人研发正在从手工作坊转向自动化工厂。而Genesis AI想证明的是：仿真的核心价值不是生成训练数据，而是成为评估和迭代的加速器。
