大脑战争!谷歌、英伟达、Anthropic三巨头同时发布新模型
技术 发布于:2026-11-11 11:52:22
说巧不巧,近两天,Google DeepMind、英伟达和Anthropic几乎同时公布了机器人领域的新进展:Gemini Robotics 2.5、GR00T 2 Turbo和Claude Fable 5.2。三款模型分别来自三家AI巨头,技术路线各有侧重,却指向同一个方向——
让AI真正理解物理世界,并具备在现实环境中执行任务的能力。
过去几年,大模型的竞争主要集中在语言理解、代码生成和逻辑推理。随着这些能力逐渐成熟,如何让AI从屏幕走向现实,成为新的技术竞争焦点。机器人恰好是检验这一能力的重要载体。
首先是Google的Gemini Robotics 2.5,作为视觉语言动作模型(VLA),它能够结合摄像头获取的环境信息和人类指令,生成相应动作,大幅提升机器人的操作能力。
Gemini Robotics 2.5官方测试覆盖200多项任务,相比前代模型,部分任务成功率提升30%至100%,执行速度提高20%至30%。
不仅包括使用工具、整理衣物、处理柔性物体等任务,搭载Gemini Robotics模型的Apptronik Apollo 2人形机器人,还能够从料箱中识别、抓取汽车零部件,并按照生产顺序放入指定容器,任务成功率达到96%。进一步向真实工业环境迈进。
而英伟达GR00T 2 Turbo则把重点放在机器人如何学习和理解物理世界。它基于世界动作模型(WAM)思路,尝试同时预测未来的环境变化和机器人动作,让模型能够理解某个动作可能带来的结果,再据此调整操作。
英伟达公布的测试中,机器人面对50项此前没有直接训练过的任务,零样本成功率达到40%;每项任务增加5次示范,并经过约30分钟微调后,成功率提升至95%。
与此同时,GR00T 2 Turbo采用约20亿参数的紧凑模型,可以在Unitree G1人形机器人搭载的Jetson Thor平台上运行。对机器人而言,本地推理意味着更低的云端依赖,也有利于及时响应环境变化。
Anthropic的Claude Fable 5.2走的是另一条路线。它本身是一款面向复杂技术任务的通用模型,并非专门为机器人设计,但在机器人仿真测试中却取得了相当突出的成绩。
在RoboDojo Sim测试中,Fable 5.2得分达到64.9%,高于此前版本的27.6%,也超过了同一测试框架下的多款前沿模型。测试对象是通过摄像头图像控制模拟双臂机器人,完成一系列物理操作。
Claude Fable 5.2意义在于,证明了通用大模型积累的视觉理解、空间推理和任务规划能力,可能直接迁移到机器人领域。机器人智能的进步,未必完全依赖从头训练一套专业模型。通用模型也可能成为机器人理解复杂指令、拆解任务和规划行动的重要基础。
三款模型放在一起,能够看到具身智能正在形成不同层次的技术分工。Google强调如何让机器人更准确地完成操作,英伟达着力解决物理预测、技能学习和跨机器人迁移,Anthropic则展示通用推理能力向物理任务延伸的潜力。它们之间存在技术交叉,未来也可能相互融合。
这场竞争背后,还有一个更现实的问题:机器人行业长期受制于训练数据不足。人类可以通过观察和模仿快速学习新技能,机器人却往往需要大量遥操作数据和反复训练。英伟达尝试从人类视频和其他机器人身上获取经验,Google借助仿真环境加速训练,Anthropic则希望利用通用模型已有的知识和推理能力。三种探索都在试图降低机器人学习新技能的成本。
当然,目前无论是模型还是人形机器人本体,距离真正通用的机器人仍有不少距离。复杂环境中的稳定性、灵巧手的控制精度、长时间运行的可靠性,以及整机成本,都会影响商业化进程。几项漂亮的演示和测试成绩,还不足以证明机器人已经能够胜任家庭或工厂里的大部分工作。
AI竞争正在从数字世界延伸到物理世界。未来,谁能把模型、数据、算力和机器人硬件真正连接起来,谁就更有机会推动具身智能走出实验室。