機器人展示影片大多是剪過的。這次配了一張長條圖，這要勇敢得多。
7月30日，Google DeepMind 發表 Gemini Robotics 2——它第一次不只管上半身，而是從腳到指尖控制整台人形機器人。旗艦展示是 Apptronik 的 Apollo 2：一句「把澆水壺放進下層層架的綠色箱子裡」，機器人走過去、蹲下、拿起來、再走幾步、放進去。這次一起發表的是三個模型：負責動身體的視覺-語言-動作模型，負責規劃的具身推理模型 ER 2，以及離線也能跑的裝置端版本。
以上是新聞稿。以下看圖。
DeepMind 自己願意印出來的數字
Apollo 2 搭 Inspire 手，全身操作那一組：從層架上拿，76.3%；從桌上拿，68.4%；從地上拿，45.7%。
Apollo 2 搭五指、22 自由度的 SharpaWave 手，精細操作那一組：轉下燈泡，92%；把燈泡鎖回去，36%；綁垃圾袋，44%；夾鏈袋，40%；用畚箕，32%。
再看 Franka Duo——雙臂平台，末端是一支無聊的二指平行夾爪，一根手指都沒有：精密插裝，89.6%；工具分揀配盤，78.9%；一般抓放，74.2%。
DeepMind 自己在圖說裡把話講了：多指精細操作「仍然困難」。它還補了一句機器人「在移動速度上還有待提升」，翻成白話就是：慢。
先在燈泡那一對數字上停一下。轉下來成功率 92%，鎖回去成功率 36%。同一隻手、同一顆燈泡、同一個模型，只是反過來做一遍。拆是抓住加旋轉；裝是要摸到一條你看不見的螺紋，把角度對到零點幾度以內，還要靠手感判斷有沒有滑牙。92 對 36 這個落差，其實是一次相當精確的量測：人類的手上功夫裡，有多大一塊既不是眼睛，也不是腦袋，而是觸覺。
夾爪正在贏過手
以下這段沒人寫進標題。全場最便宜、最笨的那個末端——一支像是從上世紀九〇年代產線上拆下來的二指鉗——精密插裝拿到 89.6%。而那隻擬人的、22 自由度、五根手指的手，在「把燈泡鎖回去」這種同類問題上是 36%。
這個產業一直相信手是那把鑰匙：手指做得夠好，機器人就白撿了人類設計過的全部工具。這張圖給出的暗示正好相反：手是最難的那一塊，而夾爪在真正會付錢的那些活兒上已經夠用了。倉庫不需要綁垃圾袋，倉庫需要插裝、配盤、抓放，而夾爪今天就能在一個具備泛化能力的模型上做到 74% 到 90%。
所以要判斷哪些職務先動，別再問這份工作需不需要「手」。問它需不需要手指。配一盤工具，現在就暴露了；在彆扭的角落裡重接一個燈座，暫時還沒有——不是因為它像我們自我恭維的那樣「有技術含量」，而是因為它需要靠手感摸到一條螺紋，而那件事今天是 36%。
真正要命的是再訓練那個數
夾在兩組靈巧度圖表之間的，是影子拖得最長的一行字。裝置端版本 Gemini Robotics On-Device 2 遷移到一具全新的機器人身體上——外形不同、感測器不同、自由度不同——只需要幾個小時，通常不到 200 筆樣本。
兩百次示範。幾個小時。這是讓一台機器學會一副新身體的價格。
對照一下讓一個人學會一份新工作的價格：以月計，而且帳單是這個人自己付。模型今天還不如人會鎖燈泡。但遷移這一項已經領先了三個數量級，而遷移正是把一次漂亮展示變成一支機隊的那個環節。DeepMind 同時還發了 ASIMOV-Agentic 基準，用來測規劃模型會不會拒絕自家動作模型發來的危險指令、以及會不會在沒把握時主動叫人——這說明他們預期這些東西很快就要站在人旁邊做事，而且已經在為這件事編預算了。
7月30日這件事的誠實讀法，不是「機器人現在什麼都會了」。而是：腦袋能泛化了，夾爪能幹活了，手還不行，再訓練的帳單以小時計。四條裡有三條，記在機器那一邊。
