七月末的南京，暑气还压在软件园的玻璃幕墙上。我在办公室里复盘雷科技WAIC2026报道团带回的素材，屏幕里是一段段热闹的展台视频。超过200家机器人相关企业、300多台真机摆在一起，宇树三米高的载人变形机甲来回切换形态，智元的机器人用镊子夹起2毫米电阻并焊到电路板上。后空翻和机械舞仍然能围住观众，但厂商真正想证明的已经变成另一件事：机器人不只会动，还能干活，甚至能干更多活。

站在企业经营和设计管理的角度，这种转向很值得警惕。过去评价一台机器人，容易被单个高光动作带走，觉得它走得稳、跳得高、手臂灵活，就离商业化不远了。可是工厂、仓库和家庭不是舞台，客户不会为一个孤立动作长期付费。他们要的是机器人在杂乱环境里理解任务，移动到合适位置，稳住身体，再把最后几厘米的操作做对，并且在失败之后知道如何重试。这已经不是某一个关节或某一条算法的问题，而是整副身体的协同效率问题。

造出一副能跑、能跳、能伸手的身体，当然仍然重要，但它不再是当下稀缺的能力。真正的瓶颈在大脑，在机器人怎样看懂混乱环境，决定下一步做什么，再把决定稳定地送到几十个关节。WAIC结束一周多后，Google DeepMind推出Gemini Robotics 2。这个主打全身智能的机器人通用模型适用于不同形态的机器人，也把行业竞争从上半身桌面作业推向了全身移动操作的新阶段。

所谓全身智能，用人类动作就能理解。人弯腰捡起地上的水壶，会自然前倾、屈膝、伸手，同时调整重心。封一只自封袋，会先对齐两侧封口，再用手指从一端捏到另一端，并根据塑料形变随时改变力度。这些动作在人身上毫不费力，机器人却要连续算对一串彼此牵制的决策。身体零件越齐全，腿、腰、臂、手之间的耦合越强，控制难度越容易滚雪球。

谷歌这次发布包含三个模型。Gemini Robotics ER 2负责理解环境、规划长任务和与人沟通；名为Gemini Robotics 2的VLA模型把视觉与语言直接转成动作；On-Device 2则把动作模型压缩到本地，并能用少于200个样例、几小时数据适配新的机器人本体。核心在于，谷歌开始用一组模型协调一台人形机器人的双腿、躯干、双臂和手指，让它一边思考推理，一边移动操作。

这背后解决的是一个长期存在的演示断层。过去不少机器人视频都有很强的回合制游戏感：机器人先走到桌边，停下，站稳，然后调用机械臂抓取物体；抓完以后，再切换到行走控制器，去往下一个位置。每一段动作单独看都可以很漂亮，但只要桌子偏了一点、物体滑了一下，或者必须边走边维持抓握，几个独立模块之间的接缝就会暴露出来。

上一代Gemini Robotics主要控制机器人上半身，处理桌面任务。到了Gemini Robotics 2，官方视频中的Apptronik Apollo 2会走向放在地上的绿色水壶，弯腰把它提起来；另一段画面里，Apollo 2走到货架前，取出一只棒球手套，随后转身离开。这些动作看起来平平无奇，背后却同时依赖视野、可达范围、步态和重心。手臂伸得更远，身体就要跟着前倾；身体前倾，双腿又必须及时补偿。

全身的实际含义，是模型不再把腿当作运输工具、把手当作作业工具，而是把整副身体视为一个相互耦合的动作空间。谷歌称，同一个模型已经用于搭载不同灵巧手的Apollo 2，以及使用两指夹爪的Franka Duo。Apollo走路、下蹲和摆放物体的速度都不快，官方测试中，它从桌面、地面和货架取物的平均成功率分别为68.4%、45.7%和76.3%。地面取物最能考验全身控制，成绩也偏低，这恰好说明平衡、步态、视野和伸手范围之间的联动还远未轻松。

全身控制解决的是机器人怎么抵达、怎么站稳，而真正决定它能不能进入家庭和工厂的，往往还是最后几厘米。Apollo 2使用一只拥有22个自由度的五指SharpaWave灵巧手，尝试拧灯泡、封自封袋、给垃圾袋打结。Franka Duo的两只夹爪负责把形状各异的工具紧密装进工具箱。过去常见的抓取演示只是把硬物从A点搬到B点，这些任务却涉及连续接触、双手配合和材料形变：塑料袋会塌，绳结会滑，灯泡既要对准螺纹，又不能捏得太用力。

谷歌公布的成绩很有参考价值。两指夹爪在通用抓放、工具配套和精密插入上的平均成功率达到74.2%、78.9%和89.6%。多指灵巧手的差距则迅速拉开：拧下灯泡达到92%，拧上灯泡只有36%，扎垃圾袋为44%，使用簸箕和封自封袋分别只有32%和40%。这说明大模型已经能接管相当复杂的手部动作，但多指灵巧操作距离人类级稳定仍有明显距离。对CEO来说，这些数字不是宣传材料，而是判断产品化节奏的设计输入。

协作能力同样被放进同一套体系。Apollo与Franka Duo共同整理工具箱时，Apollo发出任务，Duo把工具装入盒内。两台机器人各自运行一套模型，通过高层推理分配和衔接工作。ER 2还会持续查看视频，判断任务进度，发现失败并决定是否重试。这样的场景意味着未来生产线或家庭环境里，机器人未必是单兵作战，不同形态的本体需要像同事一样交接任务。

具身智能行业普遍把机器人架构概括成大脑和小脑。大模型负责看懂指令、拆解任务，小模型和传统控制器负责导航、平衡、抓取。这种分层有工程上的合理性，但物理世界并不喜欢整齐的模块边界。抬起重物会改变平衡，向前迈步会改变手臂可达范围，手里的杯子一滑，原来的路径规划马上作废。如果身体控制仍被切成一堆互不相干的小脑，系统就不得不在接缝处反复补丁。

谷歌没有放弃大小脑。ER 2依然是高层大脑，负责看、想、规划和调用工具，再把动作执行交给VLA。它真正改变的，是动作层的组织方式：Gemini Robotics 2用一个VLA统一全身动作，让走路、平衡、躯干和手臂不再彼此割裂；ER 2则可以一边观察执行，一边思考后续步骤。这条分界线很清楚：高层仍然分层，身体开始端到端。

这种架构选择会直接影响研发组织和投入产出比。如果企业把导航、手臂、灵巧手和平衡分别外包或各自立项，短期看模块清晰，长期就要承担大量集成成本。全身智能要求设计团队从立项之初就共同定义动作空间、传感器时序和失败恢复策略。它考验的不只是算法工程师的水平，更是设计管理能否把机械、电子、软件、数据和安全拉进同一张时间表。

安全是全身智能绕不开的保障力。ER 2引入安全约束、可行性判断和请求人类介入，底层仍保留传统物理安全机制。这条路并非谷歌独有。Figure的Helix 02同样把所有传感器接入一个全身视觉运动策略，让System 1以200Hz输出全身关节目标，System 0以1kHz处理平衡和接触，System 2负责语义推理。智元的GO-2把问题称为语义—执行鸿沟，用动作思维链与异步双系统连接低频规划和高频执行。不同公司的命名不同，但方向正在趋同。

把视野放宽，全身智能竞争大致沿着三条线展开：更多本体、更长任务和更少专用数据。英伟达GR00T N1.6吃进数千小时遥操作数据，在智元Genie-1、宇树G1和不同双臂平台上进行后训练。Physical Intelligence的π0.5混合不同机器人、网页知识和高层子任务数据，任务时长达到10到15分钟。蚂蚁灵波LingBot-VLA 2.0用6万小时数据覆盖20种机器人构型，把手臂、灵巧手、腰、头和移动底盘映射进统一动作空间。

Gemini Robotics On-Device 2给出的答案是用不到200个样例适配新本体。这对成本维尤其关键。机器人企业不能每进入一款新本体、一个新场景，就重新采集海量演示数据。本地运行还能降低网络延迟和云端依赖，让工厂在弱网环境下保持节拍。当然，少样本适配不等于少工程，真实部署仍要面对磨损、电量、碰撞、人类突然闯入和网络中断。

从工业设计战略看，好看维不再只是静态外壳和姿态展示，而是动作是否可读、节奏是否可信、协作时是否让人安心。机器人弯腰取物时如果重心变化突然，旁边的人会本能后退；它递工具时如果没有减速和迟疑，操作员也难以信任。全身智能让运动设计成为体验设计的一部分，好看与安全、效率在这里是同一件事。

专利维也会随之迁移。未来的关键资产未必只是某款灵巧手的机械结构，还可能包括跨本体动作表示方法、高层任务监控与重试机制、少样本适配流程、安全约束生成方式以及多机协作协议。企业如果只在硬件外观上申请保护，却忽略模型与身体协同的核心方法，很容易在新一轮系统竞争中失去议价权。

合规维要求企业把安全做成可审计的设计，而不是事后声明。ER 2的可行性判断、请求人类介入和底层物理安全机制说明，商用机器人需要多层防线：模型知道自己不能做什么，控制器在危险姿态下及时限制，实体机构在碰撞发生前提供保护。涉及人类同事、老人或儿童时，数据采集、远程监控和网络中断后的降级策略也必须前置。

成本维上，Gemini Robotics 2给出了两个相反信号。一方面，统一VLA和On-Device 2可以减少重复开发，压低新本体适配成本；另一方面，拧灯泡、封自封袋等任务成功率偏低，意味着真实客户还要为失败重试、人工介入、物料损耗和售后维护买单。设计投入产出比不能只看演示成功率，还要算单位有效作业时间内的综合成本。

量产维则提醒我们，实验室里一台机器人跑通，并不等于一百台机器人稳定交付。不同零件的公差、电机发热、减速器磨损、传感器漂移，都会改变模型原本熟悉的身体感受。全身智能越依赖端到端动作，越需要企业建立可复制的数据采集、仿真验证、硬件标定和远程更新流程。量产能力最终会把算法优势转化为交付能力。

这也对应企业转型的深层命题。创新力体现在能否用统一模型重新定义身体控制，而不是继续堆叠单点功能；专业力体现在能否把拧灯泡、装工具、整理货架这类任务拆解成可训练、可评估、可恢复的工序；控制力体现在步态、平衡、接触力度和双臂配合能否在扰动下保持一致；保障力则体现在安全、合规、维护和供应链能否支撑长期运行。

对南京以及长三角的制造企业而言，这种变化既是压力也是机会。这里有丰富的工厂场景、自动化供应链和硬件工程人才，但如果只把机器人当作传统设备的延伸，继续比拼单个动作或低价本体，就可能错过系统工程的窗口期。真正值得投入的，是把客户工艺、真实环境数据、本体设计和模型迭代连成闭环，让机器人在连续任务中越用越稳。

判断一家机器人公司的价值，也不能只看发布会视频里它会不会后空翻。更应该问：它能否在行走中操作？能否在物体滑动时调整姿态？能否在拧不上灯泡时判断原因并重试？能否把一套模型迁移到不同手部和本体？能否让安全、数据、成本和量产同时成立？这些问题的答案，决定它是展品供应商，还是生产力工具提供者。

Gemini Robotics 2的关键意义，不是让Apollo 2立刻走进千家万户，而是让具身智能模型开始越过桌面和上半身，把走路、平衡、精细操作、长任务与多机协作放进同一张考卷。下半场的竞争不会奖励某一块肌肉特别发达的选手，而会奖励那些能让骨骼、神经、经验和安全机制协同工作的团队。机器人能否从展台走进真实生产，最终取决于整副身体的协同效率，而这正是工业设计与系统工程必须共同回答的问题。