11 月 10 日，谷歌 DeepMind 发布 Gemini Robotics 2.5，在奔驰位于匈牙利凯奇凯梅特和德国辛德尔芬根的两条产线上，Apptronik 的 Apollo 2 人形机器人自主完成了汽车零件分拣，成功率 96%。同一周，机器人的”手”也被补上：蚂蚁灵波开源了触觉基础模型。两件事放一起，能看出具身智能正在换一条路走。
96% 是怎么跑出来的：两层模型分工
先看任务本身。产线上的活儿并不复杂：从散装料箱里按生产顺序拣出金属支架，放进对应的排序容器，为后续整车装配备料。难在料箱是散装的，零件姿态杂乱、互相遮挡，拣错一个顺序，后面整条线都要等。
谷歌给出的方案是把模型拆成两层。上层 Gemini Robotics ER 负责理解任务要求、跟踪整个流程进行到哪一步；下层 Gemini Robotics 2.5 负责控制机械臂和灵巧手的具体动作。一个管”现在该干什么”，一个管”这只手怎么伸过去”。
据官方博客，Gemini Robotics 2.5 在超过两百项真实任务上做过评估，涵盖用食品夹分餐、给礼盒系蝴蝶结、液体移液这类需要复合技能的动作。相比上一代，部分任务的成功率提升最高达到 100%，执行速度最快加快 30%。单项数据更能说明问题：用夹子夹取糕点从 5% 提升到 100%，解蝴蝶结从完全做不了到 70%，合上工具箱盖从 0 到 93%。
Apptronik 联合创始人 Jeff Cardenas 的说法是，模型只经过几周的后训练，性能就有明显跃升，迁移到奔驰真实产线之后性能下降幅度也很小。但要说清边界：这套试点目前仍处于概念验证阶段，官方没有披露任务时长、试验次数和产线节拍。也就是说，96% 是一个成功率数字，不是一个产能数字。
通用大模型已经把手伸进来了
这次发布的时间点很微妙。就在前一天，行业里还在争论另一个问题：既然通用大模型已经能指挥真机，还有必要专门训练具身模型吗？
争论的起点是 Anthropic 的 Claude Fable 5.2。在考察机器人操作能力的 RoboDojo Sim 基准上，这个通用模型在 42 项任务里拿到 64.9% 的平均成功率，而 GPT-6 Astra 只有 29.8%，不少专门为机器人训练的模型也被甩在后面。更让圈内意外的是，它没有针对这些任务做专门训练，就已经能指挥真机拧瓶盖、还原魔方，甚至作画。
谷歌的回答不是”通用模型不行”，而是”分层”。让擅长推理的模型去想流程，让专门训练的模型去控制手，成本可控，也便于替换。这条路线能不能站住，取决于一个工程问题：动作层的模型能不能跨硬件复用。
同一天，手也被补上了
视觉练得再好的机器人，拧瓶盖时仍然像个戴棉手套的人。瓶盖是松了，还是指腹在盖壁上打滑，画面里几乎看不出区别，只有指尖的接触位置和受力变化能分辨。这就是触觉的价值。
11 月 10 日，蚂蚁集团旗下的灵波科技开源了触觉基础模型 LingBot-Touch。它基于近五千小时真实触觉数据预训练，把磁触觉、视触觉、压阻式三类主流传感器的信号，统一编码成一种触觉 Token：每种传感原理单独开一个编码入口，不同布局的触点映射到统一的指尖坐标空间，再输出同一套表示。
效果写在真机测试里。团队用 Sharpa Wave 和 XHand1 两款灵巧手做了 26 项任务，接入这个触觉表示之后，LingBot-VLA、π0.5、Diffusion Policy、T-Rex 四种动作模型的平均任务成功率提升约 14 到 26 个百分点。最有说服力的是拧瓶盖：T-Rex 控制 Sharpa Wave，不给触觉时成功率 56.25%，直接灌传感器原始信号是 62.5%，接上 LingBot-Touch 的触觉表示之后达到 90%。
更有意思的是参数量。26 项测试全部用约 530 万参数的轻量版完成，接进现有动作模型后，整体参数量只增加约 0.13% 到 0.16%。模型、代码和技术报告已经在 Hugging Face、GitHub 和魔搭开放。
跨本体，才是真正省钱的地方
把这两件事放在一起看，共同点不是”更强”，而是”可迁移”。
谷歌那边，同一套 Gemini Robotics 2.5 既跑装配五指灵巧手的 Apollo 2，也跑用双指平行夹爪的 Franka Duo。灵波那边，一副手攒下的手感，换一只手、换一种传感器还能接着用。两家的目标一致：让能力脱离具体硬件，别再”换一副身体就重训一次”。
英伟达在 CoRL 2026 上发布的 GR00T 2 走的是同一条路，而且把数据账本摊开了：预训练混合了约 40.27 万小时人类第一视角视频、约 1.02 万小时手持夹爪演示（覆盖 2897 项任务）、约 2.35 万小时机器人遥操作。团队做过一组对照实验，人类视频从零加到全量，72 项任务上的平均任务进度从 50% 提到 70%。在 Dexter-50 评测里，零样本成功率 40%，每项任务给一次示范提到 71%，给五次到 95%，而这五次示范合计不到三分钟。
这件事对行业的意义，比单个跑分大得多。过去教机器人干一件新活，要工程师带着设备到现场采数据，一采几周，项目制交付。现在变成”少量示范 + 短时微调”，技能开发从手工作业变成可以排期的工程环节。
96% 到量产之间还隔着什么
第一个是节拍。实验室里算成功率，产线上算的是每小时多少件、故障后多久恢复。96% 意味着每一百次里有四次失败，人工干预的成本、停机的影响，都要算进去。
第二个是长时稳定性。演示通常跑几分钟到几小时，产线要连续跑几个月。传感器漂移、夹具磨损、光照变化，这些在短测试里暴露不出来。
第三个是异常处理。料箱空了、零件卡住、相邻工位换型，这些非标准情况才是真实车间的日常，而它们恰恰最难用数据覆盖。
第四个是责任与安全。人机同场作业时，谁来决定机器人该不该停、出了事故怎么界定，目前还没有成熟答案。
这也是为什么谷歌强调”概念验证”。去年到今年，机器人演示视频的密度高得惊人，但真正进入量产工位的仍是少数。判断一条消息的价值，不妨看它有没有给出可复现的工程指标，而不只是成功率。
结语
把 96% 这个数字拆开，会看到三层东西：上层模型负责理解流程，下层模型负责控制手，触觉这类感知补上最后一块短板。三者都在同一周有了进展，这不是巧合，而是行业在从”做一个更聪明的模型”转向”拼一套能迁移的系统”。
对普通读者来说，短期内更值得关注的不是机器人何时进厂，而是这些能力会以什么形式外溢：工厂里的分拣、仓储里的搬运、实验室里的重复操作，往往比家庭场景更早落地。想了解这类模型背后的世界模型路线，可以看 谷歌 Genie 4 发布 时那句”一句话走进可探索世界”到底指什么；通用模型一侧的能力跃升，参考 Fable 5.2 发布 里的评测拆解；国产模型在长程智能体上的进展，见 美团 LongCat-2.5 的算力账本；而谷歌这一代旗舰 Gemini 4 Carbon 的定位与定价，这篇讲得更细。机器人进厂这件事，进度条大概才走到第一格。