机器人

生成式 AI

新闻

Google DeepMind发布 Gemini 2 人形模型

尽管 Google 表示此次发布让其更接近“物理 AGI”，但安全性和现实部署仍是重大障碍。

2026年8月6日

Google DeepMind 已发布 Gemini Robotics 2，这是其以人形机器人形态实现的视觉-语言-行动模型的最新版本。

在一篇博客文章中，该公司表示，此次发布是迈向“physical AGI”（人工通用智能）的重要一步——这种 AI 能通过机器人等物理系统与现实世界交互并在其中运行，使机器人本质上能够执行人类可以完成的任何物理任务。

通过结合多个 AI 模型，该系统实现了 DeepMind 所称的“intelligent whole-body control”（智能全身控制）。公司表示，这使机器人能够感知周围环境、推理多步骤任务，并协调全身动作。集成该系统的机器人还可以与其他机器人协作，凸显出机器人系统正越来越多地围绕协同而非单一任务自动化来构建。

DeepMind 机器人业务负责人 Carolina Parada 曾将这一长期目标描述为让“机器人能够执行人类可以做的任何任务”。

上周发布的视频演示显示，Apptronik 的 Apollo 2 机器人和 Sharpa 的机器人手在经过遥操作、视频演示和仿真相结合的训练后，能够自主完成系垃圾袋、拧入灯泡等家务和工业任务。

相关： 中国初创公司主导人形机器人专利排名

Forrester 分析师 Paul Miller 表示，此次发布建立在 Google 早期机器人研究的基础上，通过改善机器人之间的协作、帮助机器从失败动作中恢复，并让模型更好地理解整个机器人，而不仅仅关注手臂或夹爪等单个组件。

然而，这种跨越机器人“大脑”与“身体”之间鸿沟的重大进展也伴随着自身风险。

“机器人是物理机器，”他说。“它们可能很强壮，也可能很重。与这些机器打交道的人，以及在现实世界中遇到这些机器的人，都需要确信这些机器是安全的。”

他指出了相关挑战，包括当传感器或供电系统出现故障时，如何确保机器人能够安全失效，并认为要实现与人类的大规模共处部署，关键在于证明稳健的安全保障措施。

“在机器人真正能够与人并肩部署之前，安全论证必须被令人信服且可信地证明，”他说。

谈及 Google 实现 physical AGI 的目标时，Miller 认为目前这一前景仍然是“aspirational”（愿景性的）。

“最终能在任何环境中做任何人类能做的事情的机器人，也许是一个合理的研究目标，但我们距离它还很远，”他说。

他表示，短期内他预计物理 AI 的价值主要会在工厂和仓库等受控环境中体现。

相关：FCC 因安全风险阻止中国人形机器人进口

“物理 AI 可能比以往的自动化形式更具适应性，也更灵活，但在能够将风险最小化、将不确定性最小化并将利用率最大化的环境中，部署自动化仍然更容易、也更便宜，”他说。“工厂或仓库可能嘈杂、肮脏或混乱，但对机器人来说，它们比家庭环境要简单得多。”

关于作者

Scarlett Evans

特约撰稿人

Scarlett Evans 是一名自由撰稿人，关注新兴技术和矿产行业。此前，她曾担任 IoT World Today 的副编辑，专注于机器人和智慧城市技术。Scarlett 也拥有采矿和资源行业背景，曾在 Mine Australia、Mine Technology 和 Power Technology 任职。她于 2022 年 4 月加入 Informa，之后转为自由撰稿。

想在 Google 搜索结果中查看更多 AI Business 文章？

最新新闻

想在 Google 搜索结果中查看更多 AI Business 文章？

热门文章

2026年8月7日

2026年8月6日

生成式 AI 私募市场中的 AI 到来 Business 2026年7月28日

私募市场中的 AI 到来 Business

代理式 AI 使用 AI 代理与人类员工协作 2026年7月10日

使用 AI 代理与人类员工协作

生成式 AI 中小企业如何利用生成式 AI 2026年6月29日

中小企业如何利用生成式 AI

生成式 AI Rebellions 旨在在 AI 推理芯片竞争中挑战 Nvidia 2026年6月15日

Rebellions 旨在在 AI 推理芯片竞争中挑战 Nvidia

由 Google Cloud 赞助

选择你的首批生成式 AI 用例

要开始使用生成式 AI，首先应聚焦于能够改善人们获取信息体验的领域。

The AI Summit New York 2026

连接企业领袖、技术创新者和 AI 决策者，探索商业 AI 的最新发展。