机器人演示视频大多是剪过的。这次配了一张柱状图，这要勇敢得多。
7月30日，Google DeepMind 发布 Gemini Robotics 2——它第一次不只管上半身，而是从脚到指尖控制整台人形机器人。旗舰演示是 Apptronik 的 Apollo 2：一句「把洒水壶放进下层货架的绿色箱子里」，机器人走过去、蹲下、拿起来、再走几步、放进去。这次一起发的是三个模型：负责动身体的视觉-语言-动作模型，负责规划的具身推理模型 ER 2，以及断网也能跑的端侧版本。
以上是通稿。下面看图。
DeepMind 自己愿意印出来的数字
Apollo 2 配 Inspire 手，全身操作那一组：从货架上拿，76.3%；从桌上拿，68.4%；从地上拿，45.7%。
Apollo 2 配五指、22 自由度的 SharpaWave 手，精细操作那一组：拧下灯泡，92%；把灯泡拧回去，36%；系垃圾袋，44%；密封袋，40%；用簸箕，32%。
再看 Franka Duo——双臂平台，末端是一只无聊的二指平行夹爪，一根手指都没有：精密插装，89.6%；工具分拣配盘，78.9%；通用抓放，74.2%。
DeepMind 自己在图注里把话说了：多指精细操作「仍然困难」。它还提了一句机器人「在移动速度上还有待提升」，翻译过来就是：慢。
先在灯泡那一对数字上停一会儿。拧下来成功率 92%，拧回去成功率 36%。同一只手、同一个灯泡、同一个模型，只是反过来做一遍。拆是抓住加旋转；装是要摸到一根你看不见的螺纹，把角度对到零点几度以内，还要靠手感判断有没有拧滑丝。92 对 36 这个落差，其实是一次相当精确的测量：人类的手上功夫里，有多大一块既不是眼睛，也不是脑子，而是触觉。
夹爪正在赢过手
下面这部分没人写进标题。全场最便宜、最笨的那个末端——一只像是从上世纪九十年代产线上拆下来的二指钳子——精密插装拿到 89.6%。而那只拟人的、22 自由度、五根手指的手，在「把灯泡拧回去」这种同类问题上是 36%。
这个行业一直相信手是那把钥匙：手指做得够好，机器人就白捡了人类设计过的全部工具。这张图给出的暗示正好相反：手是最难的那一块，而夹爪在真正付钱的那些活儿上已经够用了。仓库不需要系垃圾袋，仓库需要插装、配盘、抓放，而夹爪今天就能在一个具备泛化能力的模型上做到 74% 到 90%。
所以要判断哪些岗位先动，别再问这活儿需不需要「手」。问它需不需要手指。配一盘工具，现在就暴露了；在别扭的角落里重接一个灯座，暂时还没有——不是因为它像我们自我恭维的那样「有技术含量」，而是因为它需要靠手感摸到一根螺纹，而那件事今天是 36%。
真正要命的是再培训那个数
被夹在两组灵巧度图表之间的，是影子拖得最长的一行字。端侧版 Gemini Robotics On-Device 2 迁移到一具全新的机器人身体上——外形不同、传感器不同、自由度不同——只需要几个小时，通常不到 200 条样本。
两百次演示。几个小时。这是让一台机器学会一副新身体的价格。
对照一下让一个人学会一份新工作的价格：以月计，而且账单是这个人自己付。模型今天还不如人会拧灯泡。但迁移这一项已经领先了三个数量级，而迁移正是把一次漂亮演示变成一支机队的那个环节。DeepMind 同时还发了 ASIMOV-Agentic 基准，用来测规划模型会不会拒绝自家动作模型发来的危险指令、以及会不会在没把握时主动叫人——这说明他们预期这些东西很快就要站在人旁边干活，并且已经在为这件事做预算了。
7月30日这件事的诚实读法，不是「机器人现在什么都会了」。而是：脑子能泛化了，夹爪能干活了，手还不行，再培训的账单以小时计。四条里有三条，记在机器那一边。
