Google 物理 AI 策略與 Gemini Robotics

Google 的實體 AI（Physical AI／物理 AI）策略不是一台自有品牌機器人，而是把 Gemini Robotics、具身推論、世界模型、資料工具與機器人合作夥伴連成技術堆疊。評估時要分清楚模型展示、可供開發者使用的介面、合作測試與真正的商業部署。

因此，Google 目前更接近智慧層與開發平台提供者，而不是通用消費機器人賣家。先讀什麼是物理 AI與什麼是 VLA 模型，就能從輸入、輸出和執行位置識別每一層。

Google 的重點在智慧層，不在單一機器人本體

Google 官方公告把 ER 2 放在複雜任務的高層：理解現場、拆解目標、選擇工具、追蹤執行。導航、抓取和關節控制仍由機器人自身能力承擔。

這種分層有利於連接四足機器人、固定機械臂和人形機器人，但並非即插即用。每種機體都要定義函式、座標、權限、速度限制、失敗狀態與停止條件。

公開材料沒有顯示 Google 正在向一般消費者銷售一台完成的「Gemini 機器人」。現階段可驗證的是模型、API、受限測試計畫以及在夥伴硬體上的研究展示。

Gemini Robotics ER 2 詳解說明了它的 VLM 定位。模型接收文字、影像、影片和音訊，返回文字或函式呼叫，用於規劃、工具選擇和進度判斷。

標準端點適合在任務節點進行深度分析，流式端點適合持續傳入觀察。兩者都透過網路服務提供，不應接管伺服週期、關節穩定或緊急碰撞回應。

雲端模型可連線搜尋和其他工具，但同時帶來網路延遲、呼叫費用和影片資料治理問題。安全相關的快速響應必須保留在機器人本機和獨立安全層。

On-Device 2 本機 VLA 讀取指令、影像和機器人本體狀態，輸出數值動作。把推論放在機體上，可減少雲端往返對操作延遲和連線穩定性的影響。

Google DeepMind 官方頁面報告，團隊以少於 200 個案例與數小時訓練，讓模型適用於新機器人。這是特定平台和任務中的結果，不是對所有機器人的資料量承諾。

On-Device 2 截至 2026 年 8 月 14 日僅面向 Trusted Testers，並非可在 AI Studio 直接選擇的公開模型。ER 2 已公開預覽，不代表本機 VLA 的模型權重或 SDK 也已公開。

Google 用 Boston Dynamics Spot 展示了「取來爆米花」的任務。ER 2 理解自然語言並呼叫 Spot 已有的導航與機械臂介面；Google 沒有製造 Spot，也沒有宣佈一款 ER 2 版 Spot 商品。

Apollo 2 與 Franka F3 Duo 的展示則讓不同機體分擔步驟。高層模型可以根據各自能力安排任務，但這仍是研究案例，不能推出統一的機器人互操作標準已經商用。

Spot 與 ER 2 取物展示專門分析了這條鏈路。判斷時應把「技術上展示過」「開發者可以試」「客戶可以買到」分成三件事。

ER 2 的標準版和流式版可在 Gemini API 與 AI Studio 公開預覽；Enterprise Agent Platform 上的相關能力屬於私有預覽。開發者可以使用的功能會因產品路徑不同而變化。

On-Device 2 要申請 Trusted Testers，Spot、Apollo 和 Franka 的案例主要由官方公告與影片說明。沒有公開下載、價格或部署合約的資訊，就不能把它們寫成隨時可採購的方案。

接入公開 API 時，也應只給模型必要的函式權限。應用在執行前檢查參數與狀態，控制器執行動作，獨立安全系統負責限制和停止，模型只承擔經過邊界約束的高層決策。

狀態	代表內容	開發者能做什麼
公開預覽	ER 2 標準版與流式版	依官方說明建立專案並測試
私有預覽	Enterprise Agent Platform 相關能力	等待資格與單獨條款
Trusted Testers	On-Device 2	提交申請，等待篩選
研究展示	Spot、Apollo、Franka	分析方法，不能當作採購證明

第一條是公開範圍：On-Device 2 何時擴大測試，ER 2 的預覽介面是否穩定。第二條是跨機體成本：接入一台新機器人需要實作多少函式、準備多少資料與投入多少工程時間。

第三條是現場證據：連續執行次數、人工介入、失敗恢復、延遲和安全事件是否公開。剪輯後的成功片段適合說明架構，卻不能代替長期執行資料。

Google 目前的優勢在於把 Gemini 推論接到不同機器人本體，而不是已經擁有最多機器人銷量。持續追蹤模型、API、機體、控制與安全的介面變化，比尋找一台所謂「Google 機器人」更準確。

官方資料顯示，目前重點是 Gemini Robotics 模型、API、受限測試計畫和夥伴機器人展示，沒有面向一般消費者銷售的完整 Google 機器人。

ER 2 是透過 API 提供的高層 VLM，負責理解、計畫和任務編排；On-Device 2 是本機 VLA，輸出數值動作，目前僅提供給 Trusted Testers。

不是。Spot 來自 Boston Dynamics，Apollo 來自 Apptronik。Google 用這些機體展示 ER 2 如何呼叫現有工具並協調不同機器人。

Google 物理 AI 官方資料最後查核：2026 年 8 月 14 日