中國物理AI大突破：PhysBrain 1.5登頂全球開源榜一，空間智能與GPT-6 Astra並駕齊驅

Google DeepMind 在 2026 年 7 月 30 日正式發表 Gemini Robotics 2，這款新一代機器人系統搭載了名為 ER 2 的具身推理大腦，希望能讓機器人真正具備「邊看影片邊思考下一步行動」的能力。這項發表標誌著空間智能與機器人決策的融合又向前推進了一大步，也回應了業界長期以來對大型語言模型能否從虛擬世界走入真實物理環境的關鍵提問。過去三年，大型語言模型在「會說話、會思考、會工作」的能力上已經達到相當驚人的水準，無論是生成流暢文章、解決複雜邏輯問題、還是執行多步驟任務，表現都屢屢突破。

然而，當業界開始追問「模型能否走入真實世界、動手操作」時，單純依賴文字或圖像的智慧便顯露出明顯的不足。機器人需要在動態變化的環境中即時感知、推理並調整行動，這正是 ER 2 試圖破解的瓶頸。ER 2 的核心是建構在 Gemini 3.5 Flash 模型之上，這個基礎模型提供了強大的視覺推理能力。過往機器人大多仰賴事先編寫好的指令碼，只能在固定場景中重複特定動作，一旦環境出現意外變化，往往無法應對。ER 2 的突破在於它能同時處理影片輸入與感測器資料，在觀看一段操作示範或環境影片的過程中，自動理解當下的場景、物體關係與可能的任務目標，然後即時規劃出合適的動作序列。

舉例來說，當機器人看到一段人類將杯子放在托盤上的影片，ER 2 不僅能辨識出杯子與托盤的位置，還能推測人類的意圖，並據此生成自己的抓取路徑與放置順序。即使托盤的位置被移動、杯子被換成不同形狀，系統也能根據當下的視覺輸入重新調整動作，而不是死板地執行預設程式。這種「邊看邊想邊做」的能力，被視為空間智能與機器人決策真正融合的具體展現。Gemini Robotics 2 的硬體設計同樣呼應了這種動態適應的需求。系統整合了更先進的感測器陣列與即時處理晶片，讓 ER 2 的推理延遲大幅降低，能夠在毫秒等級內完成環境分析與動作規劃。

這使得機器人在面對人類突然靠近、物體意外滑落等突發狀況時，仍能保持穩定的操作，而不至於因為運算延遲而失誤。從技術架構來看，ER 2 的核心優勢在於將「視覺推理」與「動作規劃」兩個原本各自獨立的環節緊密結合。過去許多機器人系統是先由視覺模型辨識物體，再將結果傳給動作控制模組，中間的資訊傳遞容易失真或延遲。ER 2 則是在同一個模型內部同步處理視覺與動作資訊，讓推理結果能直接對應到關節角度、抓取力度等機械參數，實現更流暢的閉環控制。這項進展對於整個具身智能領域具有指標性意義。所謂具身智能，指的是讓人工智慧擁有物理身體，並能在真實世界中感知、行動與學習。

過去這類研究大多停留在實驗室環境，限制條件很多，距離實際應用還有一段距離。Gemini Robotics 2 的出現，象徵著技術正逐步跨越這道門檻，開始具備在工廠、家庭或醫療場域中應用的潛力。值得注意的是，雖然 DeepMind 在發表時強調了多項技術亮點，但關於具體的應用場景、性能數位基準以及商業化時程，官方尚未完整公開。業界目前只能從展示的案例中推測其能力邊界。例如在預錄的示範影片中，Gemini Robotics 2 成功完成了組裝零件、整理桌面、倒水等任務，但這些測試是否涵蓋長時序任務或高精度操作，仍有待更多細節揭露。

不過，從整個 AI 發展脈絡來看，Google DeepMind 這次的發表恰好回應了業界對「下一個 AI 前沿」的期待。當大型語言模型在文字與圖像任務上逼近天花板，「走向物理世界」被普遍認為是下一代人工智慧的關鍵突破口。無論是自駕車、服務機器人還是工業自動化，都需要一個能夠在動態環境中即時推理與決策的「大腦」，而 ER 2 的設計思路正是瞄准這個需求。有分析指出，Gemini Robotics 2 的技術路線可能會帶動更多團隊投入「視覺－動作聯合建模」的研究。過去因計算資源與數據稀缺而難以規模化的方向，如今隨著 Gemini 3.5 Flash 這類高效模型的推出，變得更有實現可能。

另一個值得關注的面向是開源生態，DeepMind 過去在機器人領域曾有部分開源計畫，但 Gemini Robotics 2 目前並未明確表示是否會釋出模型權重或訓練框架，這也將影響後續學術界與小型團隊的跟進速度。從更宏觀的角度看，Gemini Robotics 2 讓我們看到了空間智慧與語言智慧融合的具體樣貌。當機器人能夠「邊看影片邊思考下一步」，它就不再只是冰冷的機械臂，而是具備一定程度自主判斷能力的智慧體。這不僅影響機器人產業本身，也將反向推動感測器、即時運算晶片、運動控制等周邊技術的升級。然而，距離真正的通用機器人還有很長的路要走。

當前系統仍需要在相對可控的環境中運作，面對極端複雜或從未見過的場景時，ER 2 的適應能力是否能維持穩定，仍是未知數。此外，安全與倫理問題也伴隨而來──當機器人能即時決策，如何確保其行動不會造成意外傷害，需要更嚴謹的設計與驗證。總體而言，Google DeepMind 此次發表 Gemini Robotics 2 與 ER 2，為具身智能從實驗室走向實際應用鋪設了重要的一塊基石。雖然具體細節仍待後續公開，但這項技術所揭示的方向已經相當明確：未來的 AI 不僅要會思考，更要會動手。而 Gemini Robotics 2 正是朝著這個目標跨出的具體一步。