在德国辛德芬根与匈牙利凯奇凯梅特的奔驰车间里，汽车零部件分拣线上最近多了一批特殊的“工人”。由Apptronik研发的Apollo 2人形机器人，搭载谷歌DeepMind的最新模型，能够独立从料箱中取出金属支架，再按生产顺序把零件放进指定托盘，为后续整车装配做好准备。这项概念验证合作交出的成绩，是96%的任务成功率。
支撑这些机器人运转的模型，名叫Gemini Robotics 2.5，被谷歌定位为迄今最强的视觉-语言-动作（VLA）模型。它的登场时机颇为微妙——就在一天前，具身智能圈子还在为自身的“生存权”发愁。
争议的源头是Anthropic推出的Claude Fable 5.2。在考察机器人操作能力的RoboDojo Sim基准中，这个通用大模型在42项任务里拿到64.9%的平均成功率，而GPT-6 Astra的得分只有29.8%，多数机器人专用模型也被甩在其身后。更让人吃惊的是，没有针对任务做专门训练，Claude已经能指挥真机拧瓶盖、还原魔方，甚至作画。
眼看通用大模型把手伸进了机器人领域，业界开始有人怀疑：还有必要继续烧钱训练专门面向机器人的具身模型吗？谷歌用一份来自工厂车间的成绩单，给出了另一种思路。
官方数据显示，Gemini Robotics 2.5在200多项任务上接受评估，不同类别的成功率相对提升30%到100%，执行速度加快20%到30%。
落到单项任务上，进步相当直观：用夹子夹取糕点的成功率从5%飙升到100%，解开蝴蝶结从完全无法完成跃升至70%，合上工具箱盖子也从0提高到93%。其余测试项目还包括夹取食物、给礼盒打结、使用移液管等对手部精细控制要求极高的动作。
这些动作可别小看。以打蝴蝶结为例，机器人既要双手配合，又要感知丝带的形态，还得依据材料的形变状况随时调整力度与轨迹，稍有差池，丝带便会滑脱，或者结打不成——对机器而言，这类任务属于十足的“硬骨头”。
新模型还能跨越硬件形态。无论是装配五指灵巧手的Apollo 2，还是采用双指平行夹爪的Franka Duo，同一套模型均可适配。谷歌的算盘不难理解：让机器人智能摆脱“换一副身体就重训一次”的模式，省下硬件平台切换带来的重复训练开支。
工厂端的技术方案也有讲究。谷歌把模型拆成了两层：上层负责理解任务要求与工作流程，下层则专注于操控机械臂和灵巧手，执行具体动作。零件分拣看似机械重复，实则考验机器人识别、抓取、摆放的准确度，以及出现偏差后的自我纠偏能力。
Apptronik联合创始人兼CEO Jeff Cardenas如此描述：短短几周的后训练，Apollo 2便在Gemini Robotics的加持下取得长足进步，搬上真实产线之后，性能也没有出现明显波动。
不过，96%并不意味着故事的终点。对工业场景而言，完成一次分拣与连续稳定工作数千小时，是两码事。谷歌方面并未公布测试总次数、连续运行时长、人工接管频率，以及机器人与工人之间的生产节拍差距。而在产线上，决定机器人能否留下的因素，还包括故障恢复能力、维护成本和投资回报。从这个角度讲，这次演示更像一场颇具说服力的技术验证，距离规模化商用，还有一连串问题待解。
比起机器人学会了多少新招式，另一个变化或许更值得留意——谷歌正在改造具身模型的训练方式。
过去，机器人想掌握一项新技能，研究人员得反复采集数据、设计训练任务，再借助真机测试不断修正。涉及灵巧操作时尤其麻烦：抓取力度的控制、物体形变的处理、接触过程中各种复杂变化的应对，样样都是难关；哪怕某项任务有了起色，换件物品、换个场景，又可能推倒重来。整个过程费钱又耗时。
如今，谷歌把Gemini 4 Argon引入机器人研发流程，让通用基础模型分担一部分训练工作。研究人员只需提供真实场景的摄像头画面，Argon便能搭建数字孪生环境，批量生成数千次不同条件下的模拟练习。
机器人操作失败时，Argon还能分析失败视频，给出可能的原因，并协助研究人员在仿真或真机环境中验证改进方案。相当于给机器人配了一位能反复组织练习、复盘错误的AI助手。
当然，这套方法现阶段仍离不开真机数据采集，真实世界的数据和动作示范依旧必不可少。但变化的方向已经清晰：一部分训练可以搬进虚拟环境完成，研究人员寻找有效改进路径的速度也会快得多。
具身模型的竞争维度，正随之一点点挪动。行业过去比拼的是谁手里的机器人数据多、谁建的数据采集中心规模大；往后，模型能否高效利用数据、能否自动发现问题、能否借仿真加速学习，同样会成为关键指标。手握通用基础模型、算力和仿真技术储备的科技巨头，在这方面天然占优。对谷歌而言，Gemini 4 Argon与Gemini Robotics 2.5已经形成一套相互咬合的研发体系：通用模型辅助机器人学习，专用模型持续沉淀真实世界的操作能力。
回到具身模型命运的争论，分歧核心在于两条技术路线。一条主张专门训练机器人模型，依靠海量真机数据、动作数据和物理交互经验堆出操作能力；另一条主张借通用基础模型现成的视觉理解、推理与规划本领，向机器人控制延伸。随着GPT-6 Astra、Claude Fable 5.2在机器人任务上接连突破，后者的声量越来越大——既然通用模型能理解环境、规划动作，何必再花重金从零打造一套具身基础模型？
谷歌的回应是：事情没那么简单。理解任务与在真实世界稳定完成操作，中间隔着一段不小的距离。模型或许能准确判断该怎么抓杯子，可真正动手时，手指与杯子的接触、抓取力度、机械臂运动、物体滑落等问题都要逐一处理。这类连续的物理交互，对控制频率、动作精度和环境反馈的要求极为苛刻，通用基础模型眼下还无法独立包办一切。也别忘了，Claude Fable 5.2那64.9%的成绩，主要是在特定仿真条件下取得的，不能直接等同于真实工业环境里的可靠性。
英伟达站在了相近的位置。其新近推出的GR00T 2采用了类似的分工逻辑：通用推理模型负责拆解任务、规划步骤、检查进度，GR00T 2则专注物理动作控制。在50项目标机器人从未见过的任务上，每项经5次示范加少量微调，GR00T 2的平均成功率达到95%。
两大巨头的路径选择渐渐清晰：通用模型管理解与推理，专用机器人模型管物理操作。对具身模型本身而言，这意味着短期内的技术价值依然站得住；可对专注此道的创业公司来说，处境就没那么轻松了。当谷歌、英伟达这类巨头同时握有基础模型、机器人模型和训练工具三张牌，初创者的竞争门槛正在被抬高。那些主要靠自研VLA构筑壁垒的企业，不得不直面一个尖锐的问题：比起直接调用巨头的基础模型，自家模型究竟强在哪？
好在巨头们也还没把这片市场彻底收入囊中。Gemini Robotics 2.5现阶段仅向谷歌的机器人合作伙伴开放，公共API服务尚未铺开。工业客户在场景需求、硬件配置和数据条件上千差万别，通用模型离全面适配还有相当的路要走，这给深耕专用具身模型的企业留出了回旋余地。
