Code as Policies 语言生成策略

2010 年由 Demis Hassabis、Shane Legg、Mustafa Suleyman 在伦敦创立 DeepMind，2014 年被 Google 收购；2023 年 4 月 20 日与 Google Brain 合并为 Google DeepMind，Hassabis 任 CEO。[确认] 机器人业务由 VP 兼机器人负责人 Carolina Parada 领导，Kanishka Rao 任机器人总监；2025 年 11 月从 Boston Dynamics 挖来前 CTO Aaron Saunders 任具身系统与机器人 VP。[确认] 团队规模与编制未披露。[未获取]

作为 Alphabet 全资子公司，无独立融资与估值；研发投入计入 Alphabet 合并报表，机器人业务收入未单独披露。[未获取] 2026 年 2 月 25 日 Alphabet 将"Other Bet"Intrinsic 并入 Google，与 DeepMind、Google Cloud 协同，交易金额未披露。[确认]

模型线：Gemini Robotics 与 ER（2025-03-12，基于 Gemini 2.0）、On-Device（2025-06）、Gemini Robotics 1.5 与 ER 1.5（2025-09-25，引入"先思考后行动"与 Motion Transfer）、ER 1.6（2026-04）、Gemini Robotics 2 / ER 2 / On-Device 2（2026-07-30）。[确认] GR2 支持人形全身控制、22 自由度五指手与多机协作，并能在数小时、通常少于 200 个样本内适配新本体；ER 2 已在 AI Studio 与 Gemini Enterprise Agent Platform 私测，VLA 与端侧模型仅向早期伙伴开放。[确认] 硬件伙伴：Apptronik Apollo 2 为 GR2 主演示平台，Boston Dynamics 于 2026 年 1 月签约、其 2026 年 Atlas 产能部分交付 DeepMind，另有 Agile Robots、Agility Robotics、Enchanted Tools 等测试方。[确认]

技术栈总览

DeepMind 的机器人技术栈按推理位置分成三层。云端是多模态模型与规划器，输入自然语言指令、相机画面与机器人状态，输出任务分解与下一步子目标[确认]。中间层是视觉语言动作模型，把子目标翻译成一段时间内的动作序列[确认]。端侧是设备上的小模型与本体控制器，负责高频控制回路、延迟敏感的动作与断网降级[确认]。Gemini Robotics 2 与 ER 2 在 2026 年 7 月同时发布，端侧版本同步更新[确认]。

数据在三个位置之间流动。相机图像与关节状态上行到云端做场景理解，规划结果以子目标或动作块的形式下发给策略网络，策略输出关节指令，控制器做力矩与位置伺服[推测]。端侧模型承接的是无法承受网络往返的环节，官方把它定位为在没有连接时仍能执行已知任务的备份[确认]。

硬件的角色由伙伴承担。Apptronik Apollo 2 是 GR2 的主要演示平台，Boston Dynamics 在 2026 年 1 月签约，其 2026 年 Atlas 产能的一部分交付 DeepMind，Agile Robots、Agility Robotics 与 Enchanted Tools 提供测试本体[确认]。DeepMind 自己不做整机，2026 年 10 月在麻州沃特敦租下 3.5 万平方英尺场地建机器人实验室，2027 年完工[确认]。

感知、定位与环境理解

感知入口是多目 RGB 相机。模型依靠大规模视觉预训练获得物体类别、材质与可供性的先验，能从单帧或短视频判断抓取点与容器开口[推测]。深度信息由本体自带的传感器或立体匹配补充[推测]。语义路线的优势在泛化，遇到没见过的物体时仍能给出合理动作，代价是几何精度依赖后端的标定与控制[推测]。

空间精度是明显限制。视觉语言模型输出的是语义层面的位置，厘米级的插入、拧紧与装配需要几何测量与力反馈，这些环节通常交给传统视觉与专用控制器[推测]。相机与末端的外参标定一旦漂移，模型给出的抓取点就会系统性偏移，现场需要定期用标定板复核[推测]。

动态环境下的理解受帧率限制。云端推理的往返延迟在数百毫秒量级，人机共处或物体移动的场景里，模型看到的是过去的画面[推测]。端侧模型缓解了延迟，算力与内存又限制了模型规模[推测]。透明物体、强反光表面与柔性材料是公认的难点，官方演示集中在相对受控的桌面与实验室环境[确认]。

规划、控制与操作

控制架构采用快慢分离。上层由 Gemini 模型做任务理解与步骤规划，能根据视频判断任务进行到哪一步，失败时重新规划[确认]。下层由动作专家生成连续动作，控制频率高于上层一个数量级[确认]。快慢分离让模型不必直接输出高频力矩，也让低层控制器保留稳定性保证[推测]。

灵巧操作检验架构的能力上限。GR2 能驱动 22 自由度五指手完成打结、封袋与柔性物操作，多机协作也在演示范围内[确认]。抓取易拉罐、折叠布料这类任务要求力控与多接触协调，模型输出经低层控制器转换后才能稳定执行[推测]。Kanishka Rao 公开承认高度灵巧仍然遥远，说明演示与量产之间的差距没有被掩盖[确认]。

失效模式集中在接触与长时序。接触密集任务的误差会累积，模型每一步的小偏差在几十步后变成不可恢复的失败[推测]。长时序任务的记忆依赖上下文窗口，超出窗口后前序状态丢失[推测]。替代方案是任务与运动规划加专用夹具，在固定工件上更可靠，换产品线时要重新编程[推测]。

模型、数据与训练

训练分两段。预训练吃的是大规模视频、图文对与遥操作数据，让模型获得物体、动作与常识的先验[推测]。后训练针对具体本体做适配，官方口径是新本体在数小时、通常少于 200 个样本内完成适配[确认]。Motion Transfer 把不同构型的动作数据映射到目标本体，减少每种机器人单独采数的成本[确认]。

数据来自自采遥操作、公开数据集与伙伴平台。自采部分覆盖桌面操作与移动抓取，Open X-Embodiment 一类的公开数据提供跨机构样本，硬件伙伴贡献各自平台上的运行记录[推测]。Gemini 的多模态能力让视频数据可以直接用于训练，降低了对动作标注的依赖[推测]。

评估体系是外部最难验证的部分。官方结果以实验室任务成功率与演示视频呈现，缺少公开的第三方基准与失败样本统计[未获取]。不同本体、不同夹具、不同任务定义之间的成功率无法直接比较[推测]。模型能力的证据等级因此停在厂商口径，独立复现是判断泛化能力的关键[推测]。

硬件、供应链与制造

DeepMind 的硬件能力集中在选型与集成，整机制造交给伙伴。与 Apptronik、Boston Dynamics 的合作让它能拿到成熟的全身平台，代价是本体成本、产能与迭代节奏受伙伴约束[确认]。Atlas 的产能分配、Apollo 2 的交付排期都不由 DeepMind 决定[推测]。自有实验室 2027 年投用后，才具备完整的机电调试与可靠性验证能力[推测]。

算力是另一半硬件。训练依赖 Alphabet 自有的 TPU 集群，推理分布在云端与端侧，端侧芯片由 OEM 选型[确认]。TPU 的自给降低了单位训练成本，也让模型规模的选择不受外部 GPU 供应约束[推测]。端侧算力直接限制模型参数量，决定了离线能力的上限[推测]。

成本结构对商业化不利。整机价格由 OEM 决定，模型授权费没有公开定价，客户采购时看到的是整机加服务的总价[未获取]。若模型层按席位或按机器人收费，价值量与整机成本的比例需要证明；若随整机捆绑，收入又回到硬件伙伴手里[推测]。

软件平台、接口与生态

对外接口分开发者与产业两条线。开发者侧有 Gemini API、AI Studio 与 Gemini Enterprise Agent Platform，ER 2 已在后两者上私测，VLA 与端侧模型只向早期伙伴开放[确认]。产业侧通过 Intrinsic Flowstate 进入工厂自动化，2025 年 11 月与 Foxconn 成立合资公司，把模型能力接到产线集成[确认]。

生态策略接近平台方。2026 年 6 月推出欧洲机器人加速器，首期 15 家、不收股权，用扶持换采用[确认]。硬件伙伴覆盖人形、双臂与移动操作三类本体，测试方包括 Agile Robots、Agility Robotics 与 Enchanted Tools[确认]。伙伴越多，模型见到的本体与任务越多样，泛化数据的来源越广[推测]。

开放的边界由安全与责任划定。模型输出直接驱动物理执行，出错会伤人损物，DeepMind 因此把 VLA 限制在早期伙伴，要求对方承担现场安全责任[推测]。把 VLA 限制在早期伙伴的安排降低了自身的法律风险，也放慢了采用速度；开放程度一旦提高，接口标准与责任划分要重新设计[推测]。

竞争壁垒的来源

独占资源成立。前沿多模态模型、跨本体 Motion Transfer 的数据管线与 Alphabet 自有的 TPU 集群，三者叠加构成少数机构才具备的投入能力[确认]。模型训练好之后，复制一份的边际成本接近零，云侧分发把固定投入摊到更多调用上[推测]。

规模经济成立。前沿多模态模型的训练成本以亿美元计，只有少数机构能持续投入；自有 TPU 把单位训练成本压到外部厂商难以匹配的水平[推测]。

网络效应证据不足。开发者与本体伙伴构成双边循环的雏形，伙伴数量与数据贡献的排他性都没有披露，循环强度无法量化[未获取]。

转换成本不成立。客户可以同时采用 NVIDIA GR00T、Physical Intelligence 的模型或自研方案，接口层没有强制绑定，切换成本低[推测]。

品牌证据不足。Gemini 在开发者侧认知强，AI Studio 与加速器带来默认入口；工厂采购决策里品牌权重有限，两端证据方向相反[推测]。

流程能力不成立。DeepMind 不做整机，也没有现场部署与维保团队，交付流程掌握在 OEM 手里；硬件实验室 2027 年才投用[确认]。

反定位证据不足。Figure、Tesla 与 1X 都在自研模型，没有厂商因渠道冲突放弃自研，被放弃的细分不存在[推测]。

成立的两项集中在投入能力上。机器人业务没有公开收入、没有定价、没有独立的性能基准，这些优势尚未转化为可验证的壁垒[未获取]。

壁垒的边界与反证

OEM 自研的反证。观察窗为 18 个月，指标为 Figure、Tesla、1X 在自有本体上的跨任务成功率与是否公开发布。若其中一家跨任务成功率与 GR2 的差距在十个百分点以内并公开评测，模型层的授权价值大幅下降，DeepMind 的角色退化为技术展示与合作研发[推测]。

少样本适配的反证。观察窗为 12 个月，指标为独立团队在新型号机械臂上复现“少于 200 个样本、数小时适配”的成功率。若复现成功率显著低于官方口径，泛化结论只在特定本体与特定任务上成立，Motion Transfer 的通用性改判[推测]。复现需要公开的关节映射与控制接口[未获取]。

收入验证的反证。观察窗为 2028 年底前，指标为机器人模型的付费收入与付费客户数。若仍无付费收入，而算力与人力投入继续上升，Alphabet 对这项业务的耐心成为变量，估值逻辑回到期权价值[未获取]。

任务经济的反证。观察窗为 24 个月，指标为通用 VLA 在仓储拣选、装配工位上的单位小时成本与投资回收期。若单位小时成本高于专用自动化设备，且回收期超过三年，标准产线仍由专用设备承担，模型路线先进入柔性场景[推测]。

面向开发者的 Gemini API、AI Studio、Gemini Enterprise Agent Platform；产业侧通过 Apptronik、Boston Dynamics 等 OEM 落地，并以 Intrinsic Flowstate 进入工厂自动化，2025 年 11 月与 Foxconn 成立合资公司。[确认] 2026 年 6 月推出欧洲机器人加速器，首期 15 家、不收股权。[确认] 无公开的机器人业务收入。[未获取]

模型层对手为 Physical Intelligence、Skild AI、NVIDIA（GR00T 与 Isaac）、Figure Helix；硬件层对手为 Tesla Optimus、Figure、1X、宇树与智元。[确认] DeepMind 的差异化是通用模型与生态号召力，风险是"模型强、落地弱"，大客户可能同时自研。[推测]

组织风险是机器人团队一年内连续换帅与扩编，硬件实验室 2027 年才投用；商业风险是 VLA 仅对早期伙伴开放、无定价、无披露收入，Alphabet 对长期投入的耐心有限；技术风险是多指灵巧操作成功率仍偏低，Kanishka Rao 公开承认真正灵巧"仍遥远"。[确认] 结论：DeepMind 最可能成为机器人智能层的"Android"，但 2027 年前其价值主要体现为替 Alphabet 抢占标准与数据，而非收入。[推测]

1. Google DeepMind 博客（Gemini Robotics 2，2026-07-30），https://deepmind.google/blog/gemini-robotics-2-brings-whole-body-intelligence-to-robots/，支撑 §4/5/8。
2. Google DeepMind 博客（Gemini Robotics 1.5，2025-09-25），https://deepmind.google/blog/gemini-robotics-15-brings-ai-agents-into-the-physical-world/，支撑 §4。
3. Google DeepMind 博客（Gemini Robotics 首发，2025-03-12），https://deepmind.google/blog/gemini-robotics-brings-ai-into-the-physical-world/，支撑 §4/7。
4. Google 博客（Intrinsic 并入 Google，2026-02-25），https://blog.google/alphabet/intrinsic-joins-google/，支撑 §3。
5. Intrinsic 博客（与 Foxconn 成立合资公司，2025-11-20），https://www.intrinsic.ai/blog/posts/foxconn-and-intrinsic-launch-joint-venture-to-build-the-ai-factory-of-the-future，支撑 §6。
6. The Boston Globe（沃特敦机器人实验室，2026-10-15），https://www.bostonglobe.com/2026/10/15/business/google-deepmind-cambridge-robotics-lab/，支撑 §2/5。
7. Boston Dynamics 博客（与 Google DeepMind 合作，2026-01-05），https://bostondynamics.com/blog/boston-dynamics-google-deepmind-form-new-ai-partnership/，支撑 §4。
8. TechCrunch（Google Brain 与 DeepMind 合并，2023-04-20），https://techcrunch.com/2023/04/20/google-consolidates-ai-research-divisions-into-google-deepmind/，支撑 §2。
9. Bloomberg（Gemini Robotics 2 与灵巧度限制，2026-07-30），https://www.bloomberg.com/news/articles/2026-07-30/google-unveils-gemini-ai-for-robots-struggling-with-dexterity，支撑 §7/8。