机器人一夜之间”觉醒”了。就在昨天，谷歌 DeepMind 正式发布新一代机器人 AI 模型 Gemini Robotics 2，首次实现对人形机器人的全身控制——从走路、下蹲、伸手，到双手操作物件，全部由同一个模型完成。官方演示视频里，Apptronik 的人形机器人 Apollo 2 听从语音指令穿过房间，拿起洒水壶，走到置物架前把壶稳稳放好，中途还会主动避障；更夸张的是，它还能叫上另一个机器人，两个”人”分工合作干同一件活。

这不再是展示，而是实操。16 个月前，初代 Gemini Robotics 还只能控制机器人的上半身，做做桌面抓取；如今，控制范围已经从双脚延伸到手指。谷歌用一套三款模型的组合拳，正式宣告重新杀回机器人赛道，与 OpenAI、英伟达正面交锋。

一夜之间，谷歌亮出三款机器人模型

这次发布不是单一模型，而是一整套产品矩阵。据快科技报道，谷歌 DeepMind 在官方博文中一口气推出了三款模型，它们既可以协同工作，也可以独立运行：

Gemini Robotics 2 负责”动手”——将摄像头画面和自然语言指令转换为机器人的电机控制指令，是全身动作的执行层。

Gemini Robotics ER 2 负责”动脑”——充当机器人的推理系统，理解环境、与人沟通、规划多步骤任务，并协调多个机器人共同完成同一目标。谷歌称其为面向机器人的最强具身推理模型。

Gemini Robotics On-Device 2 负责”离线”——可以直接在机器人装置上运行，减少对网络连线的依赖，数小时内就能适配不同品牌及形态的机器人。

开放方式也有讲究。据观点网报道，Gemini Robotics ER 2 即日起通过 Gemini API 和 Google AI Studio 向开发者提供，并开放私人预览；另外两款模型则先向早期合作伙伴开放，包括 Apptronik、Agile Robots 和波士顿动力等头部机器人公司，同时接受百余家测试机构的候补申请。

全身控制：从”手巧”到”腿脚灵”

这次发布最大的突破，在于”全身”二字。过去的人形机器人演示，大多是上半身表演：机械臂抓取、桌面操作，看起来挺唬人，但腿是”死”的。Gemini Robotics 2 把腿、腰、手臂和手指连成了一个整体。

在谷歌公布的演示视频中，工作人员下达”把洒水壶放进底层架子的绿色收纳箱里”这一指令后，Apollo 2 自行走到桌边拿起浇水壶，再步行至货架前，把它放进底层的绿色箱子。走路、抓取、放置，单独拿出来都不是新能力，但关键是谷歌让机器人把这些动作连贯起来：理解目标、找到目标、规划路线、控制双腿、走到目标面前、调整身体姿态、伸手抓取——中间任何一步失败，后面的动作都无法继续。

更妙的是它的应变能力。据猎云网报道，在演示中，工作人员故意把机器人要拿的篮子拉到另一边，Apollo 2 并没有停止工作，反而主动寻找篮子并继续执行指令。它不是背剧本，而是真正在理解任务、适应变化。

Gemini Robotics On-Device 2 的适配速度同样惊人：适配全新双臂结构，仅需少于 200 个范例，且支持离线运行。这意味着机器人厂商拿到模型后，不用再像过去那样为每台设备定制大量训练数据，几个小时内就能让新机型”上岗”。

硬核数据：拧灯泡 92%，但精细活仍不灵

既然是模型，就要拿数据说话。据观点网和快科技报道，谷歌官方测试数据显示：

  • 拧下灯泡成功率 92%，但安装灯泡只有 36%
  • 绑垃圾袋、封密实袋、使用畚箕等需要手指精细控制的工作，成功率介于 32% 至 44%
  • 机器人从地面拾取物件的成功率约 46%

推理层 ER 2 的表现更亮眼。相比上一代 ER 1.6，ER 2 可以分析连续视频流，机器人据此跟踪自身任务进度，在动作出错时调整或重试，并判断何时进入下一步骤。官方测试中：

  • 任务进度分类准确率 57.4%，可帮助机器人在不重启整个工作流的情况下修正失败步骤
  • moment-finding（关键时刻定位）准确率 91.3%，平均绝对时间误差仅 0.96 秒——比如判断何时该停止往杯里倒咖啡
  • 模型可原生调用 Google Search 或开发者自定义函数，还能接入 Gemini Live API 的双向流式端点，面向对延迟敏感的机器人任务

坦白说，这些数字喜忧参半：粗活已经像模像样，细活还差得远。Google DeepMind 机器人部门总监 Kanishka Rao 自己都承认：追求真正的机器人灵活性是长期挑战，目前机器人动作仍显缓慢与刻意，学习效率与人类差距很大。

安全与规划：让机器人”知难而退”

机器人越来越聪明，安全问题就越来越重要。谷歌这次同步推出了新的安全基准，ER 2 能够识别不确定性并拒绝危险指令——遇到拿不准的情况，它不会硬上，而是停下来。

同时，ER 2 在物理智能体方面也有针对性优化：当机器人处于执行任务状态时，它可以同步推理后续步骤，减少传统机器人”停止—思考—再行动”带来的停顿。这种”边干边想”的能力，正是机器人从实验室走向真实世界的关键。

副总裁 Parada 的表态很直白：谷歌的目标是构建”通用物理智能层”——不是做某一台机器人，而是做所有机器人的”大脑”。

推理大脑 ER 2：看得懂视频，想得到下一步

如果说 Robotics 2 是机器人的”四肢”，那 ER 2 就是它的”大脑”。作为谷歌面向机器人的最强具身推理模型，ER 2 的核心能力是持续观看视频、理解任务进度、预测下一步动作。据快科技报道，相比此前的 ER 1.6，ER 2 可以分析连续视频流，机器人据此跟踪自身运行进度，在出现问题时调整或重试，并准确把握进入下一步的时机。

官方测试给出了两组硬核数据：在任务进度分类测试中，ER 2 的准确率为 57.4%——别小看这个数字，它意味着机器人能在不重启整个工作流的情况下，发现”哪一步做错了”并就地修正；在 moment-finding（关键时刻定位）测试中，准确率高达 91.3%，平均绝对时间误差仅 0.96 秒，比如判断何时应该停止往杯子里倒咖啡，机器人能精确到秒级。

更关键的是，ER 2 不是”闭门造车”的推理。它可以原生调用 Google Search 或开发者自定义函数，遇到不确定的信息直接查证；还能接入 Gemini Live API 的双向流式端点，面向对延迟敏感的机器人任务。这意味着机器人在干活时，可以实时”查资料”、”调工具”，而不是只靠训练时见过的东西硬撑。

从上半身到全身：16 个月的进化

回看时间线，这轮突破的速度相当惊人。据猎云网报道，16 个月之前，初代 Gemini Robotics 还只是局限在控制机器人的上半身，完成桌面抓取等任务；而现在的 Gemini Robotics 2，控制范围已经扩展到从双脚到手指。

这种进化的意义，远比”多控制几条关节”更深。过去的机器人是”预设程序执行器”——按照写好的指令机械运动，遇到陌生场景就抓瞎；而 Gemini Robotics 2 具备更强的泛化能力：看到桌上有杯子，它知道杯子应该放回杯架；看到地上有衣服，它知道衣服应该放进洗衣篮。这不是预设的规则，而是模型自己推理出来的。 机器人第一次真正”理解”了世界的一部分。

竞争格局：三条技术路线的正面交锋

谷歌重启机器人战略的时机，正值人形机器人赛道最拥挤的时刻。此次发布基于 2025 年的 Gemini Robotics，标志着谷歌正式向 OpenAI、英伟达的机器人产品线发起正面竞争。

三条技术路线的思路各有侧重：OpenAI 通过投资 Figure、1X 等明星机器人公司，叠加自研多模态模型，走”资本 + 模型”双轮驱动；英伟达押注 Isaac 机器人平台和 GR00T 基础模型，走”芯片 + 生态”路线，卖铲子给所有机器人厂商；谷歌则依托 Gemini 的多模态能力和端到端控制技术，试图打造”通用物理智能层”——不绑定特定硬件，让模型适配 Apptronik、波士顿动力、Agile Robots 等各家的机器人。

谷歌的差异化优势在于”模型即服务”：Gemini Robotics ER 2 通过 Gemini API 和 Google AI Studio 直接向开发者开放，相当于把机器人”大脑”变成了云服务。开发者不需要自研机器人模型，调用 API 就能让自家机器人获得规划、推理、协作能力。这种打法，和当年 Android 开放系统抢移动市场有异曲同工之处。

产业震动：人形机器人要从小批量走向规模化

谷歌这一脚油门，踩在了人形机器人产业的关键节点上。每日经济新闻报道，相关研究机构认为，人形机器人产业正从小批量验证迈向规模化发展阶段，上游零部件凭借成本优势将率先受益，包括关节模组、丝杠、减速器等高价值量部件，以及电机、传感器、新材料等技术迭代领域；主机厂及相关产业链企业也有望因放量加速迎来估值重估。

从产业链角度看，这一轮技术突破的传导路径很清晰：模型能力上台阶 → 机器人”能干”的活变多 → 下游应用场景打开 → 整机量产放量 → 上游零部件需求爆发。 对国内供应链企业来说，这既是机会也是挑战——谁能率先卡进头部机器人厂商的供应链，谁就能吃到下一轮产业红利。

未来展望：机器人进家，还差几步？

从”能走路”到”会干活”，Gemini Robotics 2 迈出了一大步，但也诚实暴露了差距：精细操作成功率还停留在三成到四成，动作依然缓慢笨拙。业内普遍认为，人形机器人真正进入家庭和工厂，还需要跨过灵巧手、成本、安全三道坎。

不过，方向已经清晰：大模型正在从”数字世界”走向”物理世界”。当 Gemini 这样的多模态模型学会了控制身体、规划任务、与人协作，机器人的进化速度可能会远超所有人的预期。

值得注意的是，谷歌这次把”开源生态”的玩法也带进了机器人领域——通过 API 和 AI Studio 开放模型，配合 On-Device 2 的离线适配能力，本质上是在降低整个行业的机器人开发门槛。过去，机器人公司要养一支算法团队才能做出”会思考”的机器人；未来，可能只需要调用一个 API。这种”基础设施化”的趋势，或许比单款模型的能力提升更具颠覆性：当机器人大脑像云服务一样随取随用，行业的创新速度将被重新定义。

最后留个互动话题：人形机器人全身控制突破后，你觉得它最先进入哪个行业——工厂、仓库、家庭还是医院？欢迎在评论区聊聊你的看法。