德国辛德芬根和匈牙利凯奇凯梅特，奔驰的两处汽车生产线上出现了一批特殊的“工人”。Apptronik制造的Apollo 2人形机器人守在工位前，从装满金属支架的料箱里逐件取出零件，再按装配顺序码放进托盘，供后续工序取用。这套分拣配套作业由Google DeepMind最新的机器人模型驱动，概念验证阶段的任务成功率达到96%。
驱动它们的，是被谷歌称为其迄今最强的视觉-语言-动作模型（VLA）——Gemini Robotics 2.5。它的亮相时机颇为微妙：就在发布前一天，Anthropic的Claude Fable 5.2刚在机器人圈掀起一阵波澜，不少人开始怀疑，专门训练的具身模型是不是要被通用大模型取代了。谷歌用一次进厂实战，交出了自己的答卷。
先看这份答卷的成色。谷歌围绕新模型展开了200多项任务评测，内容涵盖用夹子夹取食物、给礼盒系蝴蝶结、操作移液管等精细活。与此前基准相比，多个类别的任务成功率相对提升30%到100%，执行速度加快20%到30%。
几组具体数字更能说明问题：用夹子装取糕点，成功率从5%直接拉到100%；解开蝴蝶结，从完全不会到拿下70%；给工具箱合盖，同样从零起步做到93%。
这些动作对人类轻而易举，对机器却是难关。以系蝴蝶结为例，机器人必须双手协同，实时感知丝带形状，还要随材料形变不断微调力度和动作，稍出差错，丝带就可能滑脱，或者干脆打成死结。
手上功夫之外，谷歌这次还亮出一项工程能力：同一套模型可以驱动不同的机器人本体。无论配五指灵巧手的Apollo 2，还是装双指平行夹爪的Franka Duo，都能直接调用这套智能。机器人换个“身体”，不必再从零训一遍模型，切换成本被大幅压低。
奔驰工厂的合作是整场发布中最受瞩目的落地案例。谷歌与Apptronik、奔驰三方联手，把零部件分拣与配套的活交给了Apollo 2。这类工作重复度极高，却容不得半点马虎——识别、抓取、摆放，每一步都得准，出了偏差还要能自行纠正。
技术方案上，谷歌采取双模型分工：一个负责理解任务和生产流程，另一个专门控制机械臂与灵巧手，执行具体操作。Apptronik联合创始人兼CEO Jeff Cardenas透露，Apollo 2只经过几周后训练就有了明显长进，搬到奔驰真实产线后，性能也没有出现明显下滑。
不过，96%这个数字还换不来工业订单。谷歌没有公布完整的测试次数、连续运行时长、人工接管频率，也没有说明机器人与人类工人在生产节拍上的差距。对汽车工厂来说，完成一次分拣和连续稳定运转数千小时，完全是两个量级的考验。真正决定机器人能否留在产线上的，除了操作成功率，还有故障恢复能力、维护成本和投资回报。这次验证的价值，更多在于证明了具身模型的能力确实能走出实验室，摸到真实工业环境的门槛。
这次发布还有一个容易被忽略的变化，藏在训练环节。以往机器人学一项新技能，研究员要反复采集数据、设计训练任务，再上真机试错修正，成本高、周期长。灵巧操作尤其麻烦，抓取力度、物体形变、接触过程中的复杂变化都要顾及，换个物品或场景，可能就得推倒重来。
现在，谷歌把通用基础模型Gemini 4 Argon引入了机器人研发流程。研究员只需提供一段真实场景的摄像头画面，Argon就能搭起数字孪生环境，批量生成数千次不同条件下的模拟练习。机器人操作失败后，它还能分析失败视频，给出可能的原因，并协助在仿真或真机上验证改进方案。相当于给研发团队配了一个会组织练习、会复盘错误的AI助手。
这套流程眼下仍离不开真实数据和示范，真机采集暂时省不掉。但它改变了具身智能竞争的衡量尺度——过去业内比的是谁家机器人数据多、谁的数据采集中心规模大，今后，模型消化数据的效率、自动定位问题的本事、借仿真加速学习的水准，同样要摆上台面。手握通用模型、算力和仿真技术的科技巨头，在这些维度上占尽先机。
对谷歌而言，Argon与Gemini Robotics 2.5正在咬合成一套相互配合的研发体系：通用模型帮机器人学得更快，专用模型则在真实世界里持续积累操作经验。这套打法，也为近期的路线之争添了一个新的观察角度。
所谓路线之争，指的是具身智能行业近两年并行的两条路径：一条靠真机数据、动作数据和物理交互经验，专门训练机器人模型；另一条借通用大模型已有的视觉理解、推理和规划能力，向机器人控制延伸。
Claude Fable 5.2的表现让第二条路径声势大涨。在考察机器人操作能力的RoboDojo Sim基准中，它在42项任务上拿到64.9%的平均成功率，远超GPT-6 Astra的29.8%，也比多数机器人专用模型更亮眼。更让研究人员吃惊的是，未经专门训练，Claude已经能操控真实机器人拧瓶盖、解魔方，甚至画画。
顺着这个逻辑推下去，问题变得相当尖锐：如果通用模型连环境理解、动作规划乃至机器人操控都能胜任，企业还有必要砸重金从头训练一套具身基础模型吗？不少机器人研究人员一度被这个问题动摇。
谷歌的判断是：不行，至少现在不行。理解任务与稳定完成物理操作之间隔着一条鸿沟。模型或许能准确判断该怎样抓起一只杯子，但真正执行时，手指与杯面的接触、抓握力度的拿捏、机械臂的轨迹、物体打滑的风险，环环相扣。这类连续物理交互对控制频率、动作精度和环境反馈的要求，通用基础模型眼下还难以独立扛下来。何况Claude Fable 5.2那份64.9%的成绩单出自特定仿真条件，与真实工业环境的可靠性并不能画等号。
正因如此，谷歌保留了专用VLA模型，让它与推理模型协作来控制机器人。英伟达走的是同一条路：最新发布的GR00T 2在系统中扮演“动手”的角色，通用推理模型负责拆解任务、规划步骤、检查进度，GR00T 2接管具体的物理动作控制。在50项目标机器人从未见过的任务上，GR00T 2每项只需5次示范加少量微调，平均成功率便达到95%。两大巨头殊途同归——通用模型管理解与推理，专用模型管物理执行。
这种分工对专门做具身模型的创业公司来说，恐怕算不上好消息。当谷歌、英伟达们同时握有基础模型、机器人模型和配套训练工具，初创公司的竞争门槛被进一步抬高。主打自研VLA的企业必须回答一个更尖锐的问题：比起直接调用巨头的基础模型，自家模型到底强在哪？
巨头也谈不上稳操胜券。Gemini Robotics 2.5目前只向谷歌的机器人合作伙伴开放，公共API服务尚未全面提供。工业客户的场景需求、硬件配置和数据条件五花八门，通用模型要做到全面适配，还有很长的路要走。这片尚待填补的空间，给专业具身模型企业留出了喘息余地。
