Genesis AI sammelt 500 Millionen Dollar für Roboter mit geschickter Greifmanipulation
Genesis AI gibt eine Series A über 500 Millionen Dollar bekannt, angeführt von Khosla Ventures, Premji Invest und Eclipse. CEO und Mitgründer Zhou Xian präsentierte in der Silicon-Valley-Niederlassung ein physisches KI-Modell an zwei handelsüblichen Roboterarmen: Es hob zwei kleine Kartons, scannte sie, setzte sie in einen größeren Karton, faltete ihn, verklebte ihn und klebte ein Etikett von einem Druckerband darauf. Beim zweiten Lauf, den das Unternehmen nach der ersten Vorführung zuließ, ließ der Arm einen Karton fallen und hatte Mühe, das kleine Klebeetikett abzuziehen – ein Fehler, den ein Manager als „hiccup data“ zur Modellverbesserung bezeichnete. Eingriffe in die Anordnung des Roboters ließ Genesis nicht zu.
Xian und Präsident Théophile Gervet hatten sich als Graduierte in einem Labor der Carnegie Mellon University kennengelernt und 2024 gegründet; die Seed-Runde über 105 Millionen Dollar folgte im Juli 2025. Die Strategie ist vertikale Integration: eigene Trainingsdaten, eigenes generatives Modell und parallele Entwicklung eines humanoiden Roboters. Gegenüber Wettbewerbern wie Figure oder Agility betont Genesis Geschicklichkeit. Kraftsignale kommen von sensorbestückten Handschuhen und Headset-Kameras, die mehr als 100 Arbeiter weltweit tragen; die Roboter nutzen dieselben Handschuhe, die Hände folgen menschlichen Proportionen, etwa für Sortieren und Drahtarbeit. Berater Minchen Li ist Mitautor eines Physik-Algorithmus, mit dem Millionen hochauflösender Simulationsmodelle entstehen.
Das Flaggschiff-Humanoid Eno steuere das Modell besser, war für TechCrunch aber nicht vorführbereit. Statt eines Terminator-Skeletts soll Eno eher wie ein iMac auf Rädern wirken. Gebaut wurden 30 bis 40 Exemplare; wie viele im kommenden Jahr folgen, blieb offen. Ein Massenfertiger soll nächstes Jahr in den USA starten, das Seriendesign sei fertig, Pilotkunden ungenannt. Engpass sei die Hardware: die geschickten Hände halten nur wenige Wochen regulärer Arbeit. Für allgemeine Roboterintelligenz fehle vor allem Datenqualität; Architekturunterschiede zwischen Vision-Language-Action- und World-Action-Modellen hält Xian für zweitrangig gegenüber Trainings- und Dateninfrastruktur.
Weiter in der App — abstimmen & mitreden ➔