Google 發布 Gemini Robotics 2.5：最強視覺-語言-動作模型登上 Mercedes-Benz 產線，人形機器人揀選汽車零件成功率 96%

11 月 10 日，Google DeepMind 發布 Gemini Robotics 2.5——它稱是迄今最強的視覺-語言-動作（VLA）模型，能同時「看懂畫面、理解語言指令、再把兩者變成機器人的實際動作」。這次發布最震撼的不是賽事分數，而是一場真實工廠現場測試：DeepMind 與 Apptronik、Mercedes-Benz 合作，在匈牙利 Kecskemét 與德國 Sindelfingen 兩座正式運行的汽車產線上，讓 Apollo 2 人形機器人自主執行「汽車零件揀選分裝（automotive kitting）」——把散裝的金屬汽車托架從供應箱撈起、按每台車所需序依序放進物流盤，成功率達 96%。對香港企業而言，這代表「實體 AI」已真正跨出實驗室，開始在需要高可靠度的生產現場取代重複性體力工作。

Gemini Robotics 2.5 做什麼：能「想、推理多步驟、再動手」的實體模型

Gemini Robotics 2.5 的本質是把AI 的推理能力延伸到物理世界：

• 能力範圍：DeepMind 測試橫跨 200 種以上的任務，從用夾子盛裝薯條、幫禮物盒綁蝴蝶結，到用滴管轉移液體等精細操作；相比前代 Gemini Robotics 2，成功率提升 30% 至 100%，完成速度加快 20% 至 30%（因任務類型而異）；
• 分工架構：工廠場景由兩顆模型協作——Gemini Robotics ER（embodied reasoning）負責追蹤工作流程與規劃，Gemini Robotics 2.5 則控制手與手臂，在抓取或放置出錯時即時修正；
• 安全升級：DeepMind 以「即時控制」讓機器人執行任務時避開物理危險；自家評測顯示，靠近障礙物時安全完成任務提升 33%、靠近人類時提升 43%；
• 推出管道：已開始向合作夥伴Agile、Apptronik、Mercedes-Benz 等展開部署。

值得強調的是，DeepMind 坦言「從 96% 走到接近人類水準仍是漫漫長路」，但在真實產線上以 96% 成功率自主運行，已是實體 AI 落地的重要里程碑。

趨勢：從「理解世界」到「改變世界」——實體 AI 進入產線

Gemini Robotics 2.5 放在更大的產業脈絡裡看，是「軟體 AI 已成熟、下一步是實體化」的具體證明：

• VLA 模型成主戰場：Google、OpenAI、Tesla、Figure 等都在押注「看懂→想清楚→動手」的單一模型，取代過去「感知模組＋控制程式堆疊」的舊架構；
• 真實商採用績說話：Mercedes-Benz 產線上的 96%，加上 Apptronik 執行長證實「只需數週後訓練就能上線、且轉移損失極小」，說明這種模型已能扛住需要高可靠度的工業現場，而非只是展示影片；
• 重複性體力工作最先被接棒：像 kitting 這種「枯燥、重複、耗體力」的工序，正是自主機器最適合先承接的對象，好讓技術人員專注在更複雜的組裝任務。

對香港企業與在職人士的啟示

• 用「重複性體力/操作工序」評估自動化：香港製造與物流多屬高密度、流程明確。若你的作業能拆成「看→判斷→抓放→依序擺放」這類可編寫的循環，正是 VLA 型機器人的首選切入點，值得先做可行性評估與投資回報試算；
• 別只看 96%，要算「剩下 4% 的處理成本」：DeepMind 自己都說「到接近人類仍是陡坡」。導入前務必把異常處理機制（人工接手、重試邏輯、品檢閘口）一起設計，機器人才是「能交給它、總能在品質內完成」的資產，而非需要人隨時盯著的負擔；
• 重視數據與後訓練：Apptronik 經驗顯示，數週的後訓練就能把模型調到堪用上線。這意味著導入實體 AI 的關鍵不在「買多貴的機器人」，而在「你有沒有自己的作業數據與場景資料來做調校」；
• 分層人機協作是預設架構：VLA 模型最適合先承接枯燥重複工作，讓技術人員專注高價值的複雜組裝與決策。對香港企業，跑通「機器做重複工序＋人做例外與品質判斷」的分層，是通往實體 AI 最務實的路線。

Gemini Robotics 2.5 的發布，加上 Mercedes-Benz 產線上 96% 的真實成績，顯示「機器人不再只是被預先寫死的機械，而是能看懂、能推理、能即時修正的自主體」。對身在製造、物流與服務業匯集的香港，這是一個明確提醒：重複性、體力型工作的自動化門檻正在快速下探——現在開始盤點自家工序、累積場景數據並設計人機分工，才能在下一波「實體 AI」落地時站在領先位置。