把Google物理AI理解成“Google发布了一台机器人”会漏掉真正的技术结构。2026年8月的核心是两类模型：ER 2负责理解、规划和任务编排，On-Device 2在机器人本地输出动作，具体移动与操作由合作伙伴的机体和接口完成。
因此，Google当前更接近智能层与开发平台提供者，而不是通用消费机器人卖家。先读什么是物理AI与什么是VLA模型，就能从输入、输出和执行位置识别每一层。
Google的重点在智能层，不在单一机器人本体
Google官方发布把ER 2放在复杂任务的高层：理解现场、拆解目标、选择工具、跟踪执行。导航、抓取和关节控制仍由机器人自身能力承担。
这种分层有利于连接四足机器人、固定机械臂和人形机器人，但并非即插即用。每种机体都要定义函数、坐标、权限、速度限制、失败状态与停止条件。
公开材料没有显示Google正在向普通消费者销售一台完成的“Gemini机器人”。现阶段可验证的是模型、API、受限测试计划以及在伙伴硬件上的研究演示。
| 组成部分 | 角色 | 当前状态 |
|---|---|---|
| Gemini Robotics ER 2 | 高层具身推理与任务编排 | Gemini API公开预览 |
| Gemini Robotics On-Device 2 | 机器人本地数值动作 | Trusted Testers |
| 机器人API与SDK | 执行移动、感知和操作 | 由厂商与开发者提供 |
| 控制与安全系统 | 稳定控制、限制、急停 | 部署方负责验证 |
ER 2承担云端高层具身推理
Gemini Robotics ER 2详解说明了它的VLM定位。模型接收文字、图像、视频和音频，返回文字或函数调用，用于计划、工具选择和进度判断。
标准端点适合在任务节点进行深度分析，流式端点适合持续传入观察。两者都通过网络服务提供，不应接管伺服周期、关节稳定或紧急碰撞响应。
云端模型可连接搜索和其他工具，但同时带来网络时延、调用费用和视频数据治理问题。安全相关的快速响应必须保留在机器人本地和独立安全层。
On-Device 2负责本地动作生成
On-Device 2本地VLA读取指令、图像和机器人本体状态，输出数值动作。把推理放在机体上，可减少云端往返对操作延迟和连通性的影响。
Google DeepMind官方页面报告，团队用少于200个示例和数小时训练适配了新机器人。这是特定平台和任务中的结果，不是对所有机器人的数据量承诺。
On-Device 2截至2026年8月6日仅面向Trusted Testers，并非可在AI Studio直接选择的公开模型。ER 2已公开预览，不代表本地VLA的模型权重或SDK也已公开。
| 比较 | ER 2 | On-Device 2 |
|---|---|---|
| 模型类型 | VLM | VLA |
| 主要输出 | 文字、函数调用 | 数值机器人动作 |
| 运行位置 | Gemini API | 机器人本地 |
| 公开范围 | 公开预览 | Trusted Testers |
| 核心问题 | 计划与监督 | 动作生成 |
.jpg){kind=link}
伙伴机器人展示了跨机体编排思路
Google用Boston Dynamics Spot演示了“取来爆米花”的任务。ER 2理解自然语言并调用Spot已有的导航与机械臂接口；Google没有制造Spot，也没有宣布一款ER 2版Spot商品。
Apollo 2与Franka F3 Duo的演示则让不同机体分担步骤。高层模型可以根据各自能力安排任务，但这仍是研究示例，不能推出统一的机器人互操作标准已经商用。
Spot与ER 2取物演示专门分析了这条链路。判断时应把“技术上演示过”“开发者可以试”“客户可以买到”分成三件事。
| 官方示例 | 硬件 | 展示内容 | 没有证明 |
|---|---|---|---|
| 取物任务 | Boston Dynamics Spot | 自然语言到API编排 | 商业集成与量产商品 |
| 多机器人协作 | Apollo 2与Franka F3 Duo | 任务分配与交接 | 通用互操作标准 |
| 连续视频评测 | Google评测环境 | 进度和关键时刻定位 | 所有现场的成功率 |
公开、申请与演示是三种不同状态
ER 2的标准版和流式版可在Gemini API与AI Studio公开预览；Enterprise Agent Platform上的相关能力属于私有预览。开发者能够接触到的功能会因产品路径不同而变化。
On-Device 2要申请Trusted Testers，Spot、Apollo和Franka的案例主要由发布文章与视频说明。没有公开下载、价格或部署合同的信息，就不能把它们写成随时可采购的方案。
接入公开API时，也应只给模型必要的函数权限。应用在执行前检查参数与状态，控制器执行动作，独立安全系统负责限制和停止，模型只承担经过边界约束的高层决策。
| 状态 | 代表内容 | 开发者能做什么 |
|---|---|---|
| 公开预览 | ER 2标准版与流式版 | 按文档创建项目并测试 |
| 私有预览 | Enterprise Agent Platform相关能力 | 等待资格与单独条款 |
| Trusted Testers | On-Device 2 | 提交申请，等待筛选 |
| 研究演示 | Spot、Apollo、Franka | 分析方法，不能当作采购证明 |
接下来判断Google机器人布局的三条证据
第一条是公开范围：On-Device 2何时扩大测试，ER 2的预览接口是否稳定。第二条是跨机体成本：接一台新机器人需要多少函数、数据和工程时间。
第三条是现场证据：连续运行次数、人工介入、失败恢复、延迟和安全事件是否公开。剪辑后的成功片段适合说明架构，却不能代替长期运行数据。
Google当前的优势在于把Gemini推理接到不同身体，而不是已经拥有最多机器人销量。持续跟踪模型、API、机体、控制与安全的接口变化，比寻找一台所谓“Google机器人”更准确。
常见问题
Google已经发布面向消费者的物理AI机器人了吗？
官方资料显示，目前重点是Gemini Robotics模型、API、受限测试计划和伙伴机器人演示，没有面向普通消费者销售的完整Google机器人。
Google物理AI中ER 2和On-Device 2如何分工？
ER 2是通过API提供的高层VLM，负责理解、计划和任务编排；On-Device 2是本地VLA，输出数值动作，目前仅供Trusted Testers。
Spot和Apollo是Google制造的机器人吗？
不是。Spot来自Boston Dynamics，Apollo来自Apptronik。Google用这些机体展示ER 2如何调用现有工具并协调不同机器人。
已核验的官方资料
- Google：Gemini Robotics ER 2发布
- Google DeepMind：Gemini Robotics On-Device 2
- Google DeepMind：On-Device 2模型卡
- Google AI for Developers：机器人任务编排
最后核对：2026年8月6日