谷歌旗下DeepMind于近期发布了Gemini Robotics 2系列智能套件，旨在为各类机器人提供通用的“智能层”。该套件由三款AI模型组成，能够跨机型快速适配不同硬件躯体，仅需数小时的数据训练即可让模型适应全新机身。这一特性被视为其核心价值：若仿人机器人未来普及度达到笔记本电脑水平，谁能提供可在不同机身间顺畅迁移的通用“大脑”，谁就可能掌握整个行业的核心话语权。
三款模型各司其职
Gemini Robotics 2系列包含三款模型：Gemini Robotics 2是一款视觉-语言-动作模型（VLA），可将视觉信息与指令转化为运动指令，驱动完整仿人机器人实现从足部到指尖的动作，同时适配常规双臂机器人系统；Gemini Robotics ER2是具身推理模型，能够规划持续数分钟的多步骤任务，在操作失败后自主恢复，并支持多机器人分工完成整套作业流程；Gemini Robotics On-Device 2则是轻量化版本，可直接在机器人硬件本地运行，适用于网络云连接不稳定或无法联网的场景。
演示与性能表现
当地时间7月30日，DeepMind公开演示了用同一参数模型控制三台硬件结构互不相同的机器人，包括搭载两套不同机械手的Apptronik Apollo 2机器人，以及一台配备夹爪的独立双臂设备。与2025年推出的初代Gemini Robotics（仅能控制上半身）相比，新版实现了全肢体动作控制，支持仿人机器人同步完成行走、下蹲、弯腰、伸展等动作。演示中，一台Apollo 2机器人走向洒水壶，并将其放置于低层货架。
不过，业内指出该模型效果仍不稳定：在Apollo 2的全身拾取测试中，机器人从桌面拾取物体准确率约68%，货架取物准确率76%，地面取物准确率仅46%。多指灵巧操作仍是尚未攻克的难题，简易夹爪的表现依旧优于结构复杂的仿人机械手。同时，机器人运动速度与稳定性也有待提升。
开放程度与安全性
目前，三款模型的开放程度不尽相同：具身推理模型Gemini Robotics ER2已经开放；但真正实现全身控制的Gemini Robotics 2模型本体，以及轻量化的On-Device 2版本，目前仍处于早期内测阶段，短期内无法大规模投入实际使用。DeepMind表示，基于遵守安全约束、主动避让人类等评测指标，Gemini ER2是公司迄今安全性最高的机器人模型。
行业竞争格局
业内指出，Alphabet、英伟达，以及一批中国科技企业，都在争相抢占“物理AI”技术栈的主导权，即建立一套可用于不同厂商机器人的通用软硬件平台，进而掌握行业标准。这一布局逻辑与当初移动操作系统创造巨大产业价值的思路一致。典型代表是安卓：谷歌并未大规模自产手机硬件，而是将安卓系统开放给三星、小米等众多厂商；海量用户与开发者持续涌入形成网络效应，平台借此掌握应用分发渠道、用户流量入口与增值服务体系，不靠销售硬件盈利，长期从整个移动产业持续获取生态收益。
市场含义
从产业视角看，Gemini Robotics 2的发布标志着机器人“大脑”正从专用走向通用，类似安卓在手机生态中的角色。若这一趋势确立，掌握通用智能层的公司可能成为机器人时代的“安卓”，而硬件厂商则可能沦为“手机品牌”。然而，当前模型在复杂操作、稳定性和速度上的短板，以及开放程度有限，意味着距离大规模商业化仍有距离。对于关注AI与机器人赛道的投资者而言，这场围绕“物理AI”标准制定权的竞争，其进展值得持续跟踪。