Gemini Robotics 2.5进奔驰工厂：零件分拣96%成功率，人形机器人开始真正上班

机器人行业等这一天等了很多年：AI大脑真正走进工厂，替人干活。

当地时间11月10日，谷歌DeepMind发布机器人模型Gemini Robotics 2.5，官方称这是迄今最强的视觉-语言-动作（VLA）模型。同一时间，一段来自奔驰工厂的视频传遍业内：Apptronik的Apollo 2人形机器人站在产线旁，从散装料箱里按装配顺序拣出金属支架，放进对应的排序容器，任务成功率96%。

这一次，机器人不再是发布会上的表演嘉宾。

双模型架构：一个想，一个动

Gemini Robotics 2.5的架构拆成两层。上层是Gemini Robotics ER，一个视觉-语言模型，负责”想”：接收口头或书面指令，观看实时视频流，规划整个任务的流程。下层是VLA模型，负责”动”：把计划翻译成手臂和手部的具体动作。

奔驰试点里，两个模型同时发力。ER模型盯着全局，跟踪任务进度；VLA模型控制Apollo 2的手臂完成抓取和打包。分工明确，各干各的。

DeepMind团队在200多项真实任务上评估了这套系统，任务清单相当挑剔：用食品夹分餐、给礼盒系蝴蝶结、液体移液。这些活儿共同点是难——要操作可变形物体，要精细控制力度处理易碎品，要会使用高级工具。

对比前代模型，Gemini Robotics 2.5在部分任务上的成功率提升高达100%，执行速度最高提升30%。Apptronik联合创始人兼CEO Jeff Cardenas透露，只用了几周的后训练，模型性能就有显著提升，迁移到奔驰真实产线后，性能下降幅度很小。仿真到现实的鸿沟，一直卡着机器人行业，这次似乎真的窄了。

匈牙利和德国的两条产线

试点选在奔驰的两座工厂：匈牙利凯奇凯梅特、德国辛德尔芬根。这两处都是奔驰的核心整车基地，辛德尔芬根更是S级轿车的老家。

选料箱分拣这个环节有讲究。它看着简单，实际是装配线最枯燥、工伤最集中的岗位之一，工人长期弯腰伸手，重复动作上万次。让机器人先吃下这块硬骨头，商业逻辑最顺。

需要说明的是，试点目前停在概念验证阶段。官方没有披露任务时长、试验次数、产线节拍这些工程化指标。TechTimes等媒体也点名了这一点：96%的成功率缺一个分母。真实产线和演示环境之间隔着温度、光照、零件公差等一堆变量，数据全不全，决定这项技术多久能规模复制。

ASIMOV-Jailbreak：机器人会被骗吗

这次发布还有一个容易被忽略的重头戏：DeepMind同步开源了ASIMOV-Jailbreak基准，专门测试机器人会不会被”说服”去干危险的事。

场景很具体：一条指令伪装成无害请求，实际会让机器人做出危险动作。基准衡量模型能否识破并拒绝。评测结果显示，用于训练的Gemini 4 Argon抗越狱成功率达到99.5%，此前基线只有82%。

这件事分量很重。桌面大模型被骗，最多输出一段不该说的话；工厂里的机器人被骗，机械臂可能砸伤旁边的工人。把测试基准开源，等于给全行业一个统一的尺子——其他实验室、机器人厂商、监管机构都能拿它检验同一件事：”这台机器有多容易被操纵。”

物理AI的牌桌上坐满了人

Gemini Robotics 2.5上线的时间点，机器人赛道已经挤满选手。特斯拉Optimus在10月启动量产，宇树G1在全球热卖，苹果刚刚靠纯仿真数据训练出91%成功率的HALO系统，英伟达押注世界模型，Figure、1X在各自融资路上狂奔。

DeepMind的打法有自己鲜明的特点：不做硬件，只做大脑。合作伙伴名单里有Apptronik、Agile Robots这些本体厂商。谷歌提供通用的认知能力，硬件公司专注机器本体，双方各赚各的钱。这个分工模式和安卓时代的手机产业有几分神似。

对开发者来说，还有一层信号：具身智能的技术栈正在分层固化。感知、规划、控制被拆成独立模块，接口逐渐清晰。做机器人应用的门槛，正在从”造一台机器人”降到”调一个模型”。

96%之后是什么

96%的成功率离工业级的99.9%还有距离，但从演示视频到奔驰产线，这一步的含金量远超数字本身。

AI行业2026年的主线越来越清楚：语言模型卷完榜单，卷智能体；智能体卷完软件，卷物理世界。大模型的下一个万亿级市场，可能长在工厂车间里，长在机械臂的关节上。

奔驰的产线只是起点。凯奇凯梅特和辛德尔芬根的灯光下，Apollo 2每天在料箱前站的那几个小时，正在替整个行业回答一个问题：机器人上班的时代，到底来没来。

答案越来越接近”来了”。