Google物理AI迈过真实产线门槛

来源：港美通讯

2026年11月10日，Google DeepMind发布Gemini Robotics 2.5，并同步披露Gemini 4 Argon对机器人研发的赋能进展。将这两件事放在一起看，比单独审视任何一项模型升级都更有信息量：机器人大脑的竞争，正在从“实验室里刷成功率”转向“真实产线上能不能稳定干活”，而决定这一转向速度的，不只是VLA模型本身，更是通用大模型能否系统性地压低真机数据的获取成本。

一、96%的意义不在数字本身，而在“跑在在用产线上”

Gemini Robotics 2.5在超过200项任务中，成功率较前代基线提升30%至100%，完成速度提升20%至30%。灵巧操作层面的进步是显著的：用夹子盛取糕点、系丝带蝴蝶结、移液操作等涉及可变形物体和精细力控的任务，此前是VLA模型的传统弱项，而2.5在这些任务上出现了量级式的改善。

但真正值得产业界关注的，是奔驰产线的试点设置。Apptronik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两处正在生产汽车的产线上，完成了金属零部件的配套拣选任务，成功率达到96%。任务本身是“kitting”——从散装料箱中按每辆车装配所需的严格顺序拣取金属支架，放入对应排序容器。零件形状相似、摆放杂乱、顺序不可出错，这对视觉识别和动作精度的要求并不低。

更关键的是模型的协作结构：Gemini Robotics ER负责监控整体工作流程，承担任务调度和状态感知；Gemini Robotics 2.5负责手臂和双手的具体动作生成与执行。这揭示了一个容易被忽略的事实：当前“机器人大脑”并非单一模型包打天下，而是“高层任务推理+底层动作生成”的分层架构。DeepMind官方也将这一代模型的进步归纳为灵巧性、可靠性和安全性三个维度，其中安全性方面引入了针对机器人越狱攻击的ASIMOV-Jailbreak基准，Argon的越狱抵抗率达到99.5%。

然而，96%需要被精确地定位。DeepMind董事Kanishka Rao坦承，人类完成同类重复性任务几乎不会出错，弥合最后4%的差距是一条“陡峭的路”。InfoQ的分析也指出，配套拣选是结构化任务，零件种类和摆放规则由产线预先设定，96%反映的是受限工业场景下的表现，不能直接外推到家庭服务或户外作业等开放环境。这恰恰划定了当前VLA模型的产业坐标：在结构化工业场景中已经跨过可部署的门槛，但距离通用物理智能仍有实质距离。

二、Argon才是理解2.5进步速度的关键变量

如果说Gemini Robotics 2.5展示的是“大脑能做到什么”，Gemini 4 Argon揭示的则是“大脑为什么能进步得这么快”。

真机数据的稀缺，一直是具身智能最硬的约束。文本和图像数据可以从互联网上近乎无限地获取，但机器人操作物理世界的每一个训练样本都需要真实硬件、真实场景和真实时间。Argon的核心能力，正是从供给侧拆解这一约束：它可以根据机器人相机画面、第一人称人类视频甚至手绘草图，重建物理校准的数字孪生仿真环境（Real2Sim），并在其中生成数千段随机化训练数据。在一个公开案例中，仅凭一张桌面照片构建仿真环境并生成超过4500段训练数据后，真实机器人的任务成功率从56%提升至75%，平均完成时间从35秒缩短至24秒。

DeepMind明确将Gemini Robotics 2.5的进步归因于Argon对机器人研究加速的贡献。这意味着Google正在形成一条“通用模型降低数据成本 → 专用VLA加速迭代 → 真实场景验证 → 反馈回仿真”的闭环。在这条链路中，Argon不直接控制机器人动作，但它决定了VLA模型迭代的速度和成本结构。谁拥有更强的物理仿真与数据生成能力，谁就能以更低的边际成本逼近真实场景的泛化能力。这对产业的含义是深远的：机器人大脑的竞争壁垒，将逐渐从“谁有更多真机数据”向“谁能用更少真机数据达到同等泛化水平”迁移。

三、全球竞品路线分化，但收敛方向已经清晰

将Google的动作放在同期竞品格局中观察，可以看到三种有代表性的技术路线：

Anthropic代表的“通用模型直接越界”路线。 其Fable 5.2在RoboDojo双臂仿真评测中取得64.9%的成功率，且宣称未接受专门的机器人训练，直接以通用多模态能力生成运动指令。这条路径省去了专用具身模型的中间层，泛化潜力大，但算力成本和推理延迟在实时机器人控制场景中构成硬约束。

NVIDIA代表的“世界模型+仿真基础设施”路线。 GR00T 2定位为世界-动作模型（WAM），基于Cosmos平台，依赖大规模人类第一人称视频学习物理规律，再迁移到不同机器人本体上；Isaac Lab 3.0则提供配套的训练与评测基础设施。NVIDIA的策略更接近“修路”：不执着于单一模型是否最强，而是让尽可能多的机器人开发者跑在自己的计算栈和仿真平台上。

Google代表的“通用模型+专用VLA协同”路线。 Argon负责物理理解、仿真构建和数据生成，Gemini Robotics 2.5负责动作执行与实时控制，形成分工明确的层级体系。与NVIDIA的“平台化”路径相比，Google更倾向于用自身前沿通用模型能力直接压降机器人研发成本；与Anthropic的“单模型端到端”路径相比，Google保留了专用VLA作为动作执行层，在实时性和精细操作上更有针对性。

三条路线的收敛方向已经显现：都在向“利用仿真和合成数据跨越真机数据瓶颈”靠拢，都在追求跨机器人本体的泛化能力。Gemini Robotics 2.5同时适配Apollo 2的22自由度五指灵巧手和Franka Duo的双指平行夹爪，正是这一收敛趋势的注脚。路线差异决定的是节奏和成本结构，而非终局形态。

四、产业链含义：大脑迭代加速，但卡位仍然在物理层

浙商证券新兴产业团队维持的判断值得重视：人形机器人板块主线正从硬件量产验证，逐步向具身模型、数据采集、物理AI方向延伸，形成“硬件量产确定性”与“大脑及数据采集远期主线”的双线格局。Gemini Robotics 2.5的发布，恰恰是这两条主线的交汇点——大脑在真实产线上证明了可用性，但大脑的迭代速度越快，对物理层核心零部件的精度、响应和量产一致性要求就越高。

在物理层卡位清晰的标的中，四条线索值得跟踪：

峰岹科技的卡位在驱控芯片与关节核心方案。公司已发布业界首款基于32位RISC-V双核架构的电机驱动专用MCU（FU75XX系列），融合第二代电机控制引擎，适配机器人应用场景；同时与三花控股设立合资公司聚焦空心杯电机，切入人形机器人关节核心技术方案。VLA模型对灵巧操作和实时控制的要求提升，直接抬高了底层驱控芯片的性能门槛和单机价值量。

新泉股份正从汽车精密制造向机器人总成延伸。公司已设立全资子公司常州新泉智能机器人，推进谐波减速器、执行器模组及机器人减速器专用轴承的量产；特斯拉团队已完成审厂并下达订单，关节模组全链条布局正在落地。总成能力在机器人从“演示”走向“量产”的阶段具有稀缺性——大脑负责“怎么动”，总成决定“动得是否可靠、成本是否可控”。

科达利形成了减速器、直线关节、灵巧手三类产品的协同体系，泰国谐波减速器产能预计2027年起量，同时通过子公司向物理AI数据采集方向延伸。科达利的特殊之处在于，它同时踩在“硬件量产”和“数据/仿真”两条线上，与Google Argon所代表的Real2Sim趋势存在逻辑上的呼应。

恒立液压的卡位在行星滚柱丝杠和线性驱动器。行星滚柱丝杠是人形机器人直线关节的核心部件，技术门槛高、扩产周期长；公司线性驱动器已批量供货，精密丝杠、电动缸覆盖千家新客户，行星滚柱丝杠完成初步量产。线性关节在人形机器人中的用量确定性较高，一旦大脑侧的泛化能力推动整机产量上行，丝杠环节的弹性将直接兑现。

五、风险与边界

Gemini Robotics 2.5的提升数据均来自Google DeepMind自评基线，并非行业统一的第三方基准，外推时需要保留折扣。96%的产线成功率对应的是结构化工业拣选任务，开放环境下的泛化能力尚未被验证。Argon的Real2Sim能力虽然展示了可观的效率提升，但从仿真到真机的迁移损失（sim-to-real gap）仍是行业性的未解难题。人形机器人产业链的进展、特斯拉Optimus的量产节奏，以及核心零部件降本速度，均存在不及预期的可能。

Google此轮发布的核心信号，不是“机器人大脑已经成熟”，而是“机器人大脑的迭代成本正在被系统性压低”。 当通用模型开始为专用VLA提供数据基础设施，物理AI的商业化出口就从“卖更聪明的模型”转向“卖更便宜、更可靠的真实场景部署能力”。在这个转向中，大脑的赢家未必是单一模型最强的公司，但物理层的卡位者——驱控芯片、总成、减速器、丝杠——将率先承接大脑迭代外溢出的确定性需求。