Gemini 机器人在奔驰产线的 96% 够上岗吗？

Google DeepMind 把通用机器人模型放上了奔驰在产的车间，交出 96% 的成功率。这个数说明模型能干活了，还不说明它能顶一个工位。

标题的问题，答案是不够。据 DeepMind 11 月 10 日的博客，搭载 Gemini Robotics 2.5 的 Apptronik Apollo 2 人形机器人在奔驰产线上做配料，成功率 96%。换算下来，大约每 25 次就有 1 次要人来补，这是编辑按 96% 计算的。

我们的判断是：这份成绩单适合机器人厂商拿去当底座，车厂还不该按它重排工位。

两座工厂里的金属支架配料

配料是把零件从散装料箱里挑出来，按每辆车需要的顺序放进排序托盘。DeepMind 博客写明，试点在匈牙利凯奇凯梅特和德国辛德尔芬根的在产线上进行，机器人抓的是金属支架。

两个模型分工：Gemini Robotics ER 盯住流程还剩哪几步，Gemini Robotics 2.5 控制手和手臂，托盘出现空位时自己补上。

DeepMind 把这次试点称为概念验证，不是商业部署。博客里只有 Apptronik 首席执行官 Jeff Cardenas 的表态：几周后训练，模型就迁移到奔驰产线，表现几乎没有下降。奔驰方面没有给出任何数字或引语。

96% 的分母没有公开

博客没写 96% 按什么算，可能是单次抓取、装满的托盘，也可能是整轮试运行。口径不同，「每 25 次补 1 次」落到产线上的返工量完全不同。

博客也没给节拍、班次时长和成本。机器人和人工配料谁更快，公开材料里算不出来。

Ars Technica 的报道补了两处细节：工厂视频按 2 倍速播放；Gemini Robotics 2.5 目前跑在云端服务器上，不在机器人本体里，延迟和网络依赖都还在。

同一篇报道写到，人做这种重复活几乎每次都对。DeepMind 总监 Kanishka Rao 称，补上最后 4% 会是一段陡坡。模型也还没有正式开放，只推给了 Agile Robots、Apptronik 和 Boston Dynamics 等合作方。

实验室数字同样是自家口径。据 The Decoder 的报道，DeepMind 在 200 多项任务上测试，成功率比自家上一代基线高 30% 到 100%，速度快 20% 到 30%，对照组都是 DeepMind 自己的旧模型。

通用和 99.9% 只能先要一个

DeepMind 机器人负责人 Carolina Parada 在 Ars 的报道里把取舍说得很直白：专攻一项应用可以做得很好，代价是通用性；押注通用，就未必在每个应用上做到 99.9%。

按 99.9% 算，每 1,000 次失手 1 次；96% 是每 1,000 次 40 次，相差 40 倍，这也是编辑计算。Ars 的报道也提到，靠逐项编程让机器人在工厂里稳定做几件固定的活，几十年前就很常见。

有人会说，几周后训练就能迁到新产线，换产品时省下的编程时间足以抵掉多出来的返工。这是这次发布里最值钱的说法。

可目前只有 Apptronik 一句宣称，没有「换一个零件族要几周」的数字，也没有人公开算过返工账。在这笔账出来之前，它只能算卖点。

DeepMind 证明了一件真事：同一个通用模型，经过几周后训练，就能走进两座在产的车厂干活。

96% 是给机器人厂商的好消息，不是给车厂的排产依据。Apptronik、Boston Dynamics 这类合作方，该把 Gemini Robotics 2.5 当成开发新技能的起点；奔驰这样的车厂，在看到分母、节拍和返工账之前，不该按它重排任何一个配料工位。