200 多项任务,成功率提升 30%–100%;但在工厂里,96% 只是一个开始。
11 月 10 日,Google DeepMind 发布 Gemini Robotics 2.5。
这是谷歌目前最强的视觉-语言-动作(VLA)模型。官方给出的数字很直接:在 200 多项不同任务中,成功率比上一代提升 30% 到 100%,完成任务的速度提升 20% 到 30%。
更抓眼球的,是它在奔驰工厂里的表现。
DeepMind 与 Apptronik、梅赛德斯-奔驰合作,让搭载 Gemini Robotics 2.5 的 Apollo 2 人形机器人在匈牙利凯奇凯梅特和德国辛德尔芬根的奔驰产线上,完成汽车零部件的拣选和分装,成功率达到 96%。
这不是实验室里的演示。机器人面对的是真实产线上的散料箱、金属支架、分装托盘,以及每一辆车不同的装配顺序。
但 96% 也不等于“机器人已经可以全面进厂”。
这篇文章想拆清楚三件事:Gemini Robotics 2.5 到底强在哪,谷歌在机器人赛道走的是什么路线,以及这 96% 离真正的规模化还有多远。
一、它强在哪
Gemini Robotics 2.5 是一个 VLA 模型。
拆开看,VLA 要做三件事:看见环境,理解指令,然后把它变成动作。它不是一个“会聊天的机器人大脑”,而是直接控制机械臂、手爪和移动底盘的运动系统。
谷歌这次重点讲了三件事:灵巧、可靠、安全。
先看灵巧。
在官方评测里,Gemini Robotics 2.5 完成了 200 多项任务,包括用夹子夹取糕点、给礼盒系蝴蝶结、用移液器转移液体、折叠衣物。这些任务有一个共同点:它们都要求机器人处理“不规整”的东西。
据澎湃新闻援引官方评测数据,用夹子夹取糕点的成功率从 5% 提升到 100%;解开丝带蝴蝶结的成功率从 0% 提升到 70%;悬挂开衫从 0% 提升到 62%;折叠裤子从 0% 提升到 40%。
这些数字说明了一件事:机器人在“可变形物体”和“精细工具”上的能力,确实在跨台阶。
再看泛化。
Gemini Robotics 2.5 不绑定某一种机器人。官方测试了两种完全不同的形态:
- • Apptronik 的 Apollo 2 人形机器人,配五指、22 自由度的 SharpaWave 灵巧手;
- • Franka Duo 平台,配两指平行夹爪。
同一套模型,既能控制灵巧手,也能控制简单的夹爪。这是谷歌“跨 embodiment”路线的关键:模型不只为某一台机器人服务,而是要为不同形态的机器人提供一个通用的大脑。
最后看速度。
官方说,任务完成速度快了 20% 到 30%。对工厂来说,这个数字比“会不会系蝴蝶结”更重要。因为产线算的是节拍,不是演示效果。
二、奔驰工厂的 96%
这次最值得看的,不是礼盒,而是奔驰。
在凯奇凯梅特和辛德尔芬根的产线上,Apollo 2 做的是“汽车零部件拣配”:从散料箱里取出金属支架,按照每辆车对应的顺序,放进分装托盘。
这个工作听起来简单,实际上很麻烦。
零件在箱子里的位置不固定,形状有差异,托盘格口有偏差,产线节拍又不能停。机器人必须一边看、一边判断、一边调整。
DeepMind 的架构是两层:
- • Gemini Robotics ER 负责理解任务和工作流,跟踪当前做到哪一步;
- • Gemini Robotics 2.5 负责控制手臂和手指的具体动作。
ER 像“规划者”,2.5 像“执行者”。
Apptronik CEO Jeff Cardenas 说,Apollo 2 与 Gemini Robotics 结合后,模型在短短几周的后训练中就明显改进,迁移到奔驰产线时性能下降很小。
这句话比 96% 更值得注意。
因为它说明模型不是只能在训练场里工作。它可以在一个新场景里快速适应,并且把能力带到真实产线上。
但也要看清边界。
这是一个概念验证项目,不是全面部署。96% 是在特定任务、特定产线、特定物料和特定节拍下取得的成功率。它证明“这条路能走”,还没有证明“所有工厂都能用”。
从 PoC 到规模化,中间还隔着可靠性、维护、成本、节拍、异常处理和一整套安全认证。
三、安全是另一条产品线
机器人进厂,安全问题绕不过去。
Gemini Robotics 2.5 这次把“物理安全”单独拿出来讲。
官方说,模型使用推理时的安全引导,在遇到障碍物和附近人员时实时调整动作。评测中,绕开障碍物的安全任务完成率提升了 33%,在人员附近的安全完成率提升了 43%。
这不是一个小改进。
因为人形机器人真正进入工厂,最大的阻力往往不是“能不能做”,而是“出了事谁负责”。安全能力的提升,决定了机器人能不能从隔离围栏里走出来,和人共享同一个空间。
谷歌还发布了一个新的开源安全基准:ASIMOV-Jailbreak。
它包含数百条提示词,分布在几十个场景里,专门测试机器人会不会被恶意指令或“越狱”攻击骗去执行危险动作。
官方数据是:Gemini 4 Argon 在这个基准上的越狱抵抗率达到 99.5%,此前的 Gemini Robotics ER 2 是 82%。
这个基准的意义,不是给谷歌发一张安全证书,而是把“机器人安全”从各家自己说了算,变成一个可以公开比较的测试集。
当然,基准分数不等于真实世界安全。真实工厂里的风险,比几百条提示词复杂得多。
四、谷歌到底想做什么
把这次发布放回谷歌的机器人战略里,会发现它走的不是“造机器人”的路。
谷歌不造 Apollo,也不造 Franka。它做的是模型层:让不同厂商的机器人,都能调用 Gemini Robotics 的能力。
这更像 Android,而不是 iPhone。
Apptronik 提供人形硬件,Franka 提供研究平台,奔驰提供真实产线,谷歌提供大脑。谁拥有机器人本体不重要,重要的是谁定义了机器人的“操作系统”。
这条路线的优势是规模。
机器人硬件市场会碎片化,但模型层可以横向覆盖。只要合作伙伴越多,谷歌能拿到的真实场景和数据就越多,模型迭代也越快。
这次发布里,Gemini 4 Argon 扮演了关键角色。
DeepMind 说,Argon 可以充当“仿真引擎”:从真实相机画面生成成千上万个不同的模拟练习,构建数字孪生,再结合真实演示数据,让机器人更快适应新场景和新物体。
Argon 还能看视频,分析任务失败的原因,然后在仿真和真机上测试改进方案。
这就形成了一个飞轮:
- • 真实场景产生数据;
- • 仿真放大数据;
- • 模型在仿真里快速试错;
- • 再把能力带回真实机器人。
谷歌的优势,不只是模型参数,而是它同时拥有 Gemini 的通用推理能力、仿真工具、TPU/GPU 算力和一批机器人合作伙伴。
五、竞争刚刚开始
Gemini Robotics 2.5 不是唯一的选择。
Figure 在做 Helix,Physical Intelligence 在做通用机器人基础模型,英伟达在用 GR00T 和 Jetson 构建另一套物理 AI 基础设施。中国的宇树、智元、优必选则在硬件成本和量产速度上推进。
谷歌的差异化,是“通用模型 + 跨形态 + 大厂生态”。
但这条路线也有明显的软肋。
第一,它依赖合作伙伴。模型再强,最终还是要靠 Apptronik、Franka 这样的硬件公司去交付。硬件成本、维护和产能,不在谷歌手里。
第二,它目前只向机器人合作伙伴开放,不是面向开发者的通用 API。谁能用、怎么用、多少钱,都还没有完全公开。
第三,工厂里的 96% 仍然是 PoC。真正的规模化,需要把成功率、节拍和异常处理做到可预测,而不是“跑一次很好看”。
第四,安全基准只能证明模型在测试集上的表现,不能替代真实世界的责任体系。
六、96% 之后
Gemini Robotics 2.5 最重要的意义,不是机器人会系蝴蝶结了。
而是谷歌把机器人竞争的重点,从“谁的演示更酷”推向了“谁能在真实产线上连续工作”。
会系蝴蝶结,是灵巧。
能在奔驰工厂分拣零件,是可靠性。
能绕开人和障碍物,是安全。
这三件事加在一起,才是物理 AI 真正难的部分。
96% 是一个不错的开始。
但离“机器人全面进厂”,还差最后那 4%,以及 4% 背后的成本、维护、责任和规模。
信息来源
- • Google DeepMind 官方博客:Gemini Robotics 2.5 · deepmind.google
- • Automate:Google DeepMind Releases Gemini Robotics 2.5 · automate.org
- • Interesting Engineering:96% factory trial · interestingengineering.com
- • Ars Technica:Gemini Robotics 2.5 与 ASIMOV-Jailbreak · arstechnica.com
- • 澎湃新闻:谷歌 DeepMind 发布新一代 VLA 模型 · ncsti.gov.cn
- • 智东西:Gemini Robotics 2.5 提升灵巧度与工业能力 · zhiding.cn
注:任务成功率、速度提升和工厂 96% 均为 Google DeepMind 公布的评测/试点数据;ASIMOV-Jailbreak 为公开基准,本文未做独立复现。
将入围名单转化为决定
写下任务、操作条件、成功标准和总拥有成本。请入围供应商展示您的代表性任务,包括故障恢复。对每个候选人使用相同的验收测试。
探索完整的机器人目录 →