AI跨出屏幕谷歌让机器人从头动到脚

2026年7月31日，三件事同时发生。

谷歌DeepMind发布Gemini Robotics 2，第一次让AI从头到脚控制一整台人形机器人。OpenAI宣布GPT 5.6最高降价80%，数字AI正在变成白菜价。英伟达黄仁勋半个月前刚在日本喊出"物理AI时代已经到来"。

三件事看似各不相干，但拼在一起，指向同一个事实：AI正在跨出屏幕，走进物理世界。

而这一次，谷歌走在了最前面。

一、从头到脚的控制

7月31日，Google DeepMind发布Gemini Robotics 2。这个名字听起来像是一次常规升级，但实际变化是质变级的。

上一代Gemini Robotics只能控制机器人的上半身——手臂、夹爪、头部的运动。新一代做到了一件事：从脚趾到指尖的全身协调控制。

这意味着什么？意味着机器人不再需要"走过去→停下来→再伸手"这种割裂的分步操作。它可以在行走的同时下蹲、在蹲伏的同时伸手、在伸手的同时放置物体——一个指令，一条链路，全身联动。

在DeepMind发布的演示视频中，Apptronik公司的Apollo 2人形机器人收到一条自然语言指令："把浇水壶放到底层架子的绿色箱子里。"

然后Apollo 2做了这些事：观察房间布局，规划路径，迈步穿越房间，自主绕开地面障碍物，弯腰捡起浇水壶，蹲低身体以通过架子的高度限制，把壶放进指定位置，完成。

整个过程中，行走、平衡、蹲伏、伸手、放置——这些动作没有分段，没有"导航模式"切换到"操作模式"的手动交接。一个模型，一次决策链，全程流畅执行。

谷歌DeepMind机器人部门副总裁Carolina Parada在发布会上说了一句话："我们的目标是将AI带入物理世界，并构建一个可供每台机器人使用的智能层。"

这句话的野心比产品本身更大。她说的不是"控制Apollo"——她说的是"每台机器人"。

二、不是单兵作战是三件套

Gemini Robotics 2不是一个模型，是三个。

第一个是Gemini Robotics 2（VLA）——视觉-语言-动作模型，核心引擎。它负责把摄像头看到的画面和人类说的指令，直接翻译成电机控制信号。这是"大脑→肌肉"的直连通道。

第二个是Gemini Robotics ER 2——具身推理引擎。它不直接动机器人，而是做高层规划：把复杂任务拆成多步骤、追踪执行进度、在需要时调用Google搜索等外部工具。它还能协调多台机器人同时作业，避免碰撞和重复劳动。据DeepMind的数据，ER 2在关键事件识别上达到91.3%的准确率，速度比上一代ER 1.6快了四倍。

第三个是Gemini Robotics On-Device 2——端侧模型。它跑在机器人本地的芯片上，不联网就能工作。更关键的是，它能让新机器人在几小时内适配新模型，只需要不到200个演示样本。

三个模型各司其职：ER 2做战略规划，VLA做战术执行，On-Device 2做本地备份和快速适配。这套架构让人联想到Android——一个操作系统，适配无数硬件。

DeepMind CEO Demis Hassabis此前就表达过这个愿景：做机器人的Android操作系统。谷歌不做机器人本体，做的是让所有机器人都能跑的那层"智能系统"。

目前，已经有四家硬件厂商在测试这套系统：Apptronik的Apollo 2、波士顿动力的Atlas和Spot、Agile Robots、以及Franka的F3 Duo平台。

三、十年沉浮谷歌的机器人情结

谷歌做机器人不是新鲜事。新鲜的是，它又回来了。

2013年前后，谷歌一口气收购了Boston Dynamics、Schaft、Redwood Robotics等七八家机器人公司，野心是做机器人的安卓生态。但好景不长，此后数年，这些资产被逐一出售或解散。Boston Dynamics卖给了软银，后来又被现代汽车接手。2023年，谷歌关闭了内部机器人部门Everyday Robots。

十年投入，折戟沉沙。

但2025年，谷歌推出初代Gemini Robotics，重新点燃了这条路线。当时它还只能做桌面级别的物体操控。到了2026年7月的Gemini Robotics 2，突然就能控制全身了。

一年时间，从桌面到全身。这个速度超出行业预期。

谷歌的竞争对手也没有闲着。OpenAI正在探索融合视觉、语言与动作的通用机器人基础模型。英伟达则为开发者提供训练AI机器人的全套软件工具。但谷歌有一个独特优势：它在机器人AI研究领域的学术积累，比任何一家公司都深。

Wired杂志在报道中写道："虽然Anthropic和OpenAI在聊天机器人和AI编程工具上领先，但谷歌在机器人研究领域拥有更强的记录。"

不过，谷歌自己也坦承了差距。DeepMind机器人部门总监Kanishka Rao在发布会上直言："真正意义上的灵活性，仍是一个遥远的目标。"

数据也支持这个判断。Gemini Robotics 2在桌面拾取任务上的成功率是68.4%，从货架拾取是76.3%，精确插拔任务达到89.6%。

这些数字对于一个实验室产品来说已经不错，但如果要进工厂、进家庭，还有很大距离。人类做这些事，成功率接近100%。

机器人动作仍然缓慢且刻意。原因在于，它必须停下来思考人类凭直觉就能做出的判断。

四、灵巧手与安全红线

Gemini Robotics 2另一个突破在"手"上。

上一代主要适配两指平行夹爪——就是那种看起来像大钳子的工业夹具。新一代已经能操控五指高自由度灵巧手。

在演示中，机器人用Sharpa公司的22自由度触觉灵巧手完成了几项精细操作：拧灯泡、系垃圾袋、封保鲜袋、打结。

这些任务对人类来说不费脑子，但对机器人来说极难。因为它们需要指尖级别的力反馈控制和微操精度——不是"抓住"而是"拧转"，不是"夹起"而是"穿插"。

值得注意的是，Sharpa的22-DoF灵巧手同时出现在了英伟达的Isaac GR00T参考设计中。同一款硬件，同时被谷歌和英伟达选中。这说明两家公司在物理AI领域的路线虽不同，但对硬件能力的判断高度一致。

安全方面，DeepMind发布了ASIMOV-Agentic基准测试，用于评估多个AI系统协作控制机器人时的安全性。它的工作方式是：检测一条指令是否会导致有害或不确定的结果。同时，ER 2增加了人体接近感知功能——检测到人离得太近时，机器人会自动平稳停止。

Carolina Parada专门提到了安全问题。她说，把前沿AI模型装进机器人，让它在工作场所或家庭中走动并操作物体，"安全问题更加紧迫，因为你在把它们放进很多其他场景中。"

她还说了一句值得玩味的话："这里有很多不确定性会暴露出来，所以你需要能更深入地理解安全问题。"

这句话的背景是，最近OpenAI一个未发布的AI智能体黑进了多个系统，引发了巨大争议。数字世界的AI失控已经让人不安，物理世界的AI如果失控，后果完全不同。

一个能思考的机器人，和一个能聊天的AI，出事时的量级不是一个级别。

五、英伟达的物理AI版图

如果说谷歌在软件层攻城拔寨，英伟达则在基础设施层布下重兵。

7月15日，黄仁勋现身东京秋叶原——英伟达梦开始的地方。三十年前，英伟达在世嘉《VR战士》的3D技术上押注失败，濒临倒闭，是世嘉500万美元的救命钱让它活了下来。

三十年后，黄仁勋回到这里，不是为了怀旧，而是为了物理AI。

7月16日，英伟达宣布与日本22家企业合作，共建物理AI生态。阵容豪华：发那科、安川电机、川崎重工——日本工业机器人三巨头悉数在列，加上富士通、NEC、软银、丰田。

黄仁勋的原话是："下一波AI浪潮——物理AI已经到来。日本顶尖的工业机器人技术与物理AI融合，将推动制造业跨入下一个世纪，成为下一次产业革命的起点。"

这套合作的底层是英伟达的完整技术栈：Cosmos世界模型、Omniverse仿真平台、Isaac机器人开发框架、Newton物理引擎、Jetson边缘芯片。

日本方面则以国家级力量响应。由索尼、软银、NEC、本田牵头成立的Noetra公司（日本"物理AI模型国家队"），宣布将在2027年4月启动AI计算平台建设，配备27500块英伟达Rubin GPU，2028年6月投入运营。

这座数据中心的规划功耗达140兆瓦，堆叠13750块Vera CPU和27500块Rubin GPU，通过Spectrum-X以太网高速互连。这是一座为训练物理AI模型而建的国家级工厂。

日本的选择有其深层逻辑。日本在AI算法和大模型迭代上相对滞后，但在汽车制造、工业机器人、半导体材料、精密加工方面拥有无可替代的**"产业现场经验"**。英伟达的算力和模型，加上日本的制造know-how，这正是黄仁勋眼中的致胜组合。

六、数字AI白菜价物理AI新边疆

7月31日同一天，OpenAI宣布GPT 5.6系列全面降价。

最便宜的Luna模型价格暴跌80%，每百万输入代币仅0.20美元。Terra下调20%，代码自动批准模式成本降十倍。降价的核心原因不是慷慨——是竞争压力。DeepSeek、Kimi、Gemini的价格在挤压OpenAI的企业客户。

OpenAI还用AI给自己省了钱：Sol模型自主重写了底层生产内核，使端到端运行成本降低20%，token生成效率提高15%。AI优化AI的基础设施，然后降价。

这条新闻和谷歌的机器人发布放在同一天看，意味深长。

数字AI正在迅速商品化。价格战已经开打，利润空间在被压缩。而物理AI——让AI理解并作用于物理世界——还是一片几乎空白的处女地。

谷歌、英伟达、OpenAI三家在同一天的动作，勾勒出AI产业的分水岭：

OpenAI降价，是在数字AI的存量市场中抢份额。谷歌发布全身机器人控制模型，是在物理AI的增量市场中抢先手。英伟达绑定日本制造产业链，是在物理AI的基础设施层卡位。

三家公司的共同判断是：数字AI的天花板正在逼近，物理AI的天花板还没看见。

欧盟也在同一天前后宣布投入114亿美元建设7座AI超级工厂，每座配备至少10万块AI芯片。这个规模已经不是"追赶GPT"的级别——是奔着物理AI训练去的。

写在最后：物理AGI还有多远

Carolina Parada把Gemini Robotics 2称为通向"物理AGI"的又一个里程碑。物理AGI——就是让机器人做到人类能做到的任何事。

这个目标还有多远？

看看数据：桌面拾取成功率68.4%，精确插拔89.6%。机器人动作缓慢，需要停下来思考。它不能像人一样自然地躲避突然出现的障碍，不能在陌生环境中自如操作。

但方向已经确定了。从控制上半身到控制全身，只用了一年。从桌面操作到穿越房间完成多步骤任务，也是一年。

谷歌做了一件事——它证明了AI可以像控制聊天机器人一样控制机器人的全身。这不是PPT，是跑通的Demo。

黄仁勋说物理AI时代已经到来。谷歌用Gemini Robotics 2给出了佐证。日本的22家企业在排队入场。欧盟的114亿美元在路上了。

唯一还没准备好的，可能是我们自己。

当AI跨出屏幕、走进物理世界的那一刻，安全、伦理、就业、监管——所有在数字世界被推迟的问题，都将在物理世界加速到来。