谷歌DeepMind于7月31日发布其最新视觉-语言-动作（VLA）模型Gemini Robotics 2，宣称这是迄今最先进的同类模型，能够控制从桌面机械臂到全身人形机器人的各种机器人形态。VLA模型结合图像识别、语言处理与动作控制，使机器人能够在物理环境中执行任务。DeepMind将Gemini Robotics 2描述为新一代自适应机器人的“智能层”，据称可管理全身运动、执行精细操作任务，并协调多台机器人协同工作。开发者现可通过候补名单申请早期访问权限。

同时，谷歌DeepMind还推出了Gemini Robotics ER 2，这是一个专为“具身推理”设计的模型，即理解物理世界并根据该信息决定采取何种行动。ER 2作为机器人的更高层级控制系统，取代了4月发布的Gemini Robotics ER 1.6。新模型现已在Google AI Studio中提供。

此次发布标志着谷歌在机器人AI领域的持续加码。VLA模型被视为机器人智能化的关键路径，其发展直接关系到机器人能否在复杂真实环境中灵活应对。Gemini Robotics 2的推出，意味着谷歌正试图为不同形态的机器人提供统一的智能基础，从工业场景的机械臂到服务场景的人形机器人，都可能受益于这一技术。

从产业角度看，这一进展可能对机器人硬件制造商、AI模型提供商以及下游应用开发者产生连锁影响。更强大的VLA模型有望降低机器人编程的复杂度，推动机器人更广泛地进入制造业、物流、家庭服务等领域。同时，谷歌将ER 2开放于AI Studio，降低了开发者实验和部署的门槛，可能加速生态系统的形成。

不过，目前该模型仍处于早期访问阶段，实际性能与可靠性尚待验证。机器人技术从实验室到大规模商用仍面临成本、安全性和环境适应性等挑战。谷歌DeepMind此次发布，无疑为机器人AI赛道注入了新的变量，其后续进展值得产业观察者持续关注。