谷歌的机器人赌局：不卖本体，只卖大脑

当所有人都以为人形机器人的终极战争是谁先造出更好的“本体”时，谷歌的答案是把赌注押在了“大脑”上。

当地时间7 月 30 日，Google DeepMind 发布了 Gemini Robotics 2系列模型，这套东西试图定义整个机器人行业的操作系统。谷歌 DeepMind 机器人高级总监Carolina Parada，在官方博客里写下了第一句话：

“从脚到指尖——我们正在教机器人智能地控制全身、精细灵巧操作，以及团队协作。”

同一时间，谷歌在社交平台 X 上的官方账号抛出了更直白的九个字：“一个大脑。适用于任何机器人。”

造机器人的宣言和造“机器人之脑”的宣言，是两回事。想象一个场景，特斯拉在弗里蒙特工厂里让 Optimus 练习跑步，Figure AI 的 BotQ 工厂正以每小时一台的速度下线 Figure 03……谷歌站在旁边掏出了三个模型问了一句：你们的机器人，要不要试试我的系统？

谷歌的“机器人之脑”

Gemini Robotics 2 其实不止一个模型，是三个。

第一个，Gemini Robotics 2，视觉-语言-动作模型，把视觉和语言输入直接转成电机指令。从脚到指尖，完整控制一台人形机器人的每一个关节。以前谷歌的模型只能控上半身在桌面上干活，现在能让人形机器人走路、下蹲、伸展、抓取，完成“把水壶放进底层柜子的绿色收纳箱”这种需要先走过去、再弯腰、再精确放置的完整任务。

第二个，Gemini Robotics ER 2，具身推理模型。它不直接控电机，而是充当机器人的“高级大脑”，负责看视频、理解环境、规划多步任务，然后把执行指令交给底层的 VLA 模型。它能调用工具，包括 Google 搜索和用户自定义的函数，能同时“思考下一步”和“执行当前动作”。此外，它首次引入了多机器人协作——不同类型的机器人可以实时沟通、分工配合，完成单个机器人做不了的活。

第三个，Gemini Robotics On-Device 2，在机器人本地运行的轻量 VLA。给它几小时的数据，就能适配一个全新的机器人本体。

三个模型，三种分工。

动作、规划、部署各司其职，这个架构本身就是谷歌的竞争宣言。

回看整个人形机器人赛道，几乎所有玩家都在走同一条路：垂直整合。

Figure AI 是最极端的代表。2024 年发布 Figure 02 时还挂着 OpenAI 的模型，2025 年 2 月直接宣布分手，转向自研 Helix VLA 模型。Figure 03 在 2025 年 10 月亮相，用的是 Helix 的升级版。他们要什么有什么，自己的模型、自己的手、自己的执行器、自己的 BotQ 工厂，2025 年 9 月融了超过 10 亿美元，估值冲到 390 亿美元。

到 2026 年 4 月，BotQ 生产了超过 350 台 Figure 03，从每天 1 台加速到每小时 1 台，良率超过 80%。到 2026 年 7 月，Figure 已宣布第 1,000 台 Figure 03 下线。

创始人 Brett Adcock 的目标是四年内交付 10 万台。

Tesla Optimus 走的是另一条垂直整合的路。用 Tesla 自研的视觉 AI 系统，自研执行器，在自己的超级工厂里先用起来。2025 年底 Optimus 2.5 在弗里蒙特工厂跑了起来，有 22 个自由度的五指灵巧手。

马斯克曾计划三代 Optimus 在 2026 年 Q1 亮相，但实际在 4 月 23 日财报电话会上才正式宣布通过量产节点。公共销售预计在 2027 年启动。到 2026 年中，特斯拉制定的全年生产目标为 5 万台 Optimus，但实际量产在 2026 年下半年才开始启动，截至年中尚未大规模交付。Q2 交付报告里没有出现过 Optimus 的独立数据。

NVIDIA 则在 2025 年 3 月发布了 Isaac GR00T N1，号称“首个开放式人形机器人基础模型”，采用快慢双系统架构，用合成数据加模拟训练。它开源，但它的商业模式跟机器人本身没什么关系。它卖的是训练这些模型所需的 GPU 集群。

现在，谷歌加入了，带着完全不同的逻辑。

全栈还是平台？

谷歌不拥有自己的机器人产线，也不销售机器人硬件。

它和 Apptronik 合作让 Apollo 2 做人形机器人本体，和波士顿动力合作让 Atlas 做人形机器人的“运动员”，然后自己专心做“大脑”。三种模型覆盖三种能力，VLA 管动作执行，ER 管推理规划，On-Device 管本地部署。而且，一个 VLA 模型就可以直接控三种不同的机器人形态——Apollo 2 配 SharpaWave 手、Apollo 2 配 Inspire 手、Franka Duo 配 Robotiq 夹爪——用同一个模型参数就能完成全身操控、多指灵巧操作和夹爪操作三大类任务。

这才是关键。谷歌的路线是，模型做一次，适配所有机器人。Figure AI 和 Tesla 则倾向于每个机器人从头做一套。

更锋利的刀藏在 ER 2 的开放策略里。VLA 和 On-Device 只对早期合作伙伴开放，但 ER 2 直接上了 Gemini API 和 Google AI Studio。任何开发者现在就可以接入，用这个模型为自己的机器人写推理和规划层。甚至不需要自己的 VLA，可以人手遥控，让 ER 2 做决策，然后把指令发给人类操作者。

谷歌正在把机器人行业最关键的一层，理解和推理物理世界的能力，变成 API 调用的商品。如果这个策略跑通，Figure AI 费尽心血自研的 Helix 推理层，突然就要面对一个很直接的问题：凭什么比谷歌的 API 更好？凭什么更便宜？

Gemini Robotics 2 目前展示的能力距离“替代人工”还有明显差距。谷歌自己在博客里坦诚，在多指灵巧操作上，成功率仍然明显低于全身控制和夹爪操作任务，机器人的移动速度也“有待提升”。On-Device 2 虽然宣称几小时就能适配新身体，但实际适配质量、不同硬件平台的兼容性边界，谷歌没有给出详细数据。

更重要的是，谷歌这条路历史上走过，而且结果参差不齐。

Android 在手机市场的成功是平台策略的教科书案例。但当谷歌把类似的思路搬到物联网、智能家居和可穿戴设备上，Nest 和 Wear OS 用了十几年也没有复制出 Android 的统治力。机器人比手机复杂至少一个数量级——物理交互、安全约束、实时性要求、异构硬件的驱动兼容——每一个维度都可能成为平台策略的滑铁卢。

另一重风险在商业层面。把核心大脑做成开放 API，确实能快速铺量，但也意味着主动放弃了最厚的利润层。Figure AI 估值 390 亿美元的逻辑，不是因为它卖了多少台机器人，而是因为它同时掌握大脑和身体，有望在未来吃下整条价值链。如果机器人行业最终走向垂直整合，就像苹果在手机行业证明的那样，谷歌今天的平台策略，可能是在为别人做嫁衣。苹果一度拿走全球手机市场超过 80% 的利润，靠的就是“不开放”。

这取决于一个根本问题，人形机器人行业最终会变成“Windows-Intel 时代”还是“苹果时代”？

刀也有钝的一面

如果是硬件标准化、软件平台化、各家拼组装，谷歌这套三模型架构就是天选之子。

三星、LG、丰田、奔驰，任何一个想做机器人但没能力自研 AI 的公司，都可以直接接入 Gemini Robotics，把精力放在硬件设计、供应链和渠道上。届时，Figure AI 和 Tesla Optimus 就会像当年的黑莓和诺基亚，以为自己全栈是壁垒，结果被一个开放系统加一群硬件厂商围殴。

如果是后者，硬件和软件深度耦合才能产生最优体验，那 Figure AI 和 Tesla 的垂直整合就是对的。模型再好，如果控制不了执行器的延迟、传感器的精度、散热和功耗管理，就不可能给出超越原厂的表现。

截至 2026 年年中，这个答案还不明朗。但谷歌这场发布至少暴露了一件事，人形机器人的竞争已经不再是“谁的机器人更厉害”。它变成了“谁有权定义机器人行业的技术栈”。

Figure 和 Tesla 押的是“硬件+软件”全栈，做一个伟大的产品，吃掉整个市场。谷歌押的是“模型即平台”，做一个伟大的大脑，让所有人替你造本体。NVIDIA 则站在更上游，给所有人卖训练这些模型所需的计算卡。

三家巨头，三层博弈，一张牌桌上只有一件事是一致的，他们都认定人形机器人会是 AI 之后下一个万亿级市场。Fortune Business Insights 的预测是，全球人形机器人市场到 2034 年将达到 1,651 亿美元，从 2026 年到 2034 年的年复合增长率约为 50.6%。2025 年这个数字是 48.9 亿美元。也就是说，十年要走完从“玩具”到“基础设施”的距离。

在这场牌局里，谷歌今天打出的三张牌有一个共同的名字，不卖机器人，卖系统。不建工厂，建标准。

人形机器人行业需要的不是一个“机器人界的苹果”。它需要的是一个能跑通的“机器人界的安卓”。至于这个安卓最后会不会由谷歌来做，这是另一个问题了。

但至少今天，谷歌是唯一一个掏出了完整三模型架构，并且敢把推理层直接开放给所有开发者的人。它赌的，就是自己的大脑，能让所有的机器人都跑起来。

（本文首发钛媒体APP，作者 | 硅谷Tech-news，编辑 | 秦聪慧）