谷歌联合创始人谢尔盖·布林对人形机器人的观点 - 机器人硬件炫酷但软件系统存在短板 目前离真正实用仍有距离 [1] - 不看好人形机器人形态 认为执着于人形可能低估AI的适应能力 [1][2] - 认为AI可通过仿真模拟快速适应环境 不一定要拥有人类数量肢体才能有效工作 [2] - 曾表示机器人技术虽神奇但未达日常使用水平 看不到具体前景 [2] 具身智能赛道主要参与者 - 特斯拉是人形机器人赛道引领者 Optimus是行业标杆 [3] - 英伟达从芯片和中间件层面入局 打造底层开发生态 [3] - 谷歌Deepmind是具身智能大模型研究引领者 最早布局大模型 [3] - 谷歌2017年提出Transformer架构 成为大语言模型底层基座 [3] - 谷歌模型从Saycan迭代到RT-H 在软件层面步步为营 [3] 谷歌DeepMind最新机器人模型进展 - 2025年3月推出基于Gemini 2.0的两个机器人模型 [5] - VLA模型Gemini Robotics可让机器人理解执行新任务 [5] - VL模型Gemini Robotics-ER增强对物理世界理解 特别是空间推理 [5] - 已与Apptronik、Agile Robots、Boston Dynamics等展开合作 [8] - 依托Gemini多模态世界理解能力 加入物理行动新模态 [9] 人形机器人行业现状与问题 - 炫技视频多为预设动作序列 依赖遥控器和预先编程 [10][11] - 国内企业陷入"炫技"死循环 展示功夫、空翻等与商业化关联不大 [11][13] - 运动能力展示收效佳但实际技术未达生产力时代要求 [10][11] - 国内发展乱象包括重"运动"轻"大脑" 商业化路径不清晰 [11][15] - 部分企业通过ToG和ToB展示场景实现现金流 但持续价值存疑 [15][16] 人形机器人技术发展方向 - 需要实现四个可达：移动、操作、语义、价值和智慧 [11] - 关键突破在于手眼脑协调 才能赋能千行百业 [10] - Gemini Robotics模型特点包括通用性、交互性、灵巧性等 [12] - 采用云端与本地端结合方式 主干网络在云端 Action decoder在机器人芯片 [12] 行业资本与商业化现状 - 赛道受资本和政策扶持 但出现"揠苗助长"趋势 [16] - 商业化核心在于创造持续价值 而非研究或展示需求 [15] - 技术突破和场景探索是关键 但"大脑"突破仍道阻且长 [16] - 部分企业凭借低价策略和营销迅速出圈 但面临流量反噬风险 [15][24]