谷歌DeepMind于10月13日发布机器人基座模型Gemini 4 Argon，官方数据显示其在未见环境中的通用操作任务成功率由上一代Gemini Robotics 1.5的52.6%升至78.4%，端侧控制频率50赫兹、单次推理时延低于40毫秒。该模型以端侧Argon-Edge与云端Argon-Cloud双形态开放，使通用机器人首次具备长程任务不中断的工程可行性。核心结论是：Argon的分水岭不在榜单分数，而在于把机器人软件迭代从硬件周期中解耦，行业竞争焦点将转向数据飞轮
10月13日，谷歌DeepMind在官方博客与线上发布会同步公开Gemini 4 Argon，这是首个直接构建在Gemini 4底座之上、面向机器人本体的视觉-语言-动作（VLA）模型。模型采用稀疏专家（MoE）架构并拆成两个版本：面向机器人本体的Argon-Edge，激活参数约8B，可在英伟达Jetson Thor与谷歌Edge TPU上完全本地运行；面向复杂规划与多机协同的Argon-Cloud，通过Gemini Robotics API调用。
官方公布的指标包括：在覆盖200余项任务的Gemini Robotics Benchmark上，Argon在未见环境中的通用操作成功率为78.4%，上一代Gemini Robotics 1.5为52.6%；10步以上长程任务完成率61%，上一代为29%；端侧控制回路50赫兹，端到端时延低于40毫秒。训练侧，DeepMind称使用了来自20余种机器人本体的超过500万条真实操作轨迹，并首次将“动作思维链”（Action Chain-of-Thought）纳入预训练目标。
生态方面，Apptronik、波士顿动力、Agile Robots、Figure等厂商在发布当日确认接入，其
为什么是现在？2025年9月DeepMind推出Gemini Robotics 1.5与Gemini Robotics-ER 1.5时，VLA模型还停留在“能演示、难交付”的阶段：云端推理动辄200至300毫秒往返，长程任务在第6到第8步频繁偏移，机器人厂商只能把它当研究工具而非生产组件。转折点来自三条线的同时成熟。一是底座能力，Gemini 4在多步规划与空间推理上的提升，让“先想后动”在算力预算内成为可能；二是硬件，Jetson Thor等边缘芯片把百TOPS级推理塞进机器人本体的功耗包络；三是数据，过去两年人形机器人小批量出货，积累了此前只存在于实验室的跨本体真实轨迹。
竞争格局也在推着谷歌往前走。特斯拉Optimus坚持端到端自研路线，Physical Intelligence、Skild AI等创业公司靠融资快速堆数据，Figure则以Helix构建垂直闭环。若基座模型继续停留在云端，谷歌将失去对机器人软件栈的定义权
刘工判断：Gemini 4 Argon的价值不在78.4%这个数字，而在于它把“机器人能不能干活”第一次拆成了可以按季度迭代的软件问题。未来6个月内，刘工预判至少三家头部人形机器人厂商会把自研VLA团队规模压缩一半以上，转为以Argon为底座做场景微调——理由很直接：自研一个50赫兹端侧VLA的工程成本，已经高于授权费加数据标注的总和。
从技术层面看，Argon真正的改动是把“动作思维链”放进预训练目标。上一代VLA的典型失败模式是长程任务在第6到第8步发生不可逆偏移，29%的十步完成率就是这个问题的量化画像；Argon把它推到61%，意味着模型在生成动作前先完成子目标分解与自检。横向对比更能说明问题：同为端侧可跑的规模，开源VLA方案的激活参数大多落在3B到7B区间，而DeepMind把Argon-Edge压到约8B激活却拿到61%的长程完成率，说明数据质量和底座推理能力带来的增益，已经明显大于单纯的参数堆叠。40毫秒以内的端到端时延同样关键。在工业质检与抓取这类场景，闭环延迟一旦超过80毫秒，柔性件与高反光表面的抓取成功率就会出现肉眼可见的下滑，这正是过去两年多数VLA只能停留在演示视频里的直接原因。
在商业维度上，Argon的定价逻辑比模型本身更值得关注。每百万动作token 12美元，加上端侧固件按台收年费，这个组合把机器人厂商的成本结构从“一次性研发投入”改成了“按出货量摊销的运营成本”。对一家年出货5000台人形机器人的公司来说，固件授权加云侧调用大致落在千万美元量级，而自建同等能力的团队，光算力与数据采标一年就不止这个数。DeepMind拿到的因此不是一次卖模型的收入，而是一张随机器人出货量增长的长期账单，这也是它敢把端侧版本下放的底气。
对行业而言，压力最大的是中间层机器人软件公司。当基座模型覆盖78%的通用操作任务，真正值钱的是剩下那22%的长尾——精密装配、柔性线缆、非结构化环境，这也是垂直方案商唯一守得住的阵地。刘工所在的AI视觉检测领域已经走过一遍相似路径：通用检测模型成熟后，活下来的不是算法公司，而是掌握缺陷样本与工艺know-how的产线集成商，机器人行业大概率会重演这一幕。另外，96.1%的危险指令合规率看着不错，但距离工业现场愿意签字放行仍有距离。刘工预测，未来12个月内，机器人安全认证会比模型分数更稀缺，也更可能成为真正的竞争壁垒。
- 未见环境通用操作成功率：Gemini 4 Argon为78.4%，Gemini Robotics 1.5为52.6%，提升25.8个百分点，相对提升约49%。
- 10步以上长程任务完成率：Argon为61%，上一代为29%，翻倍以上，是本次提升幅度最大的单项。
- 端侧时延与控制频率：Argon-Edge端到端时延低于40毫秒、控制回路50赫兹；此前云端VLA方案往返延迟普遍在200至300毫秒量级。
- 训练数据与定价：20余种机器人本体、超过500万条真实操作轨迹；Argon-Cloud每百万动作token 12美元，Argon-Edge按台收取年度授权费。
对行业而言，短期（3个月）内最直接的变化是机器人厂商的技术路线分流：一部分厂商会冻结自研VLA，把资源转向场景数据采集与安全认证；另一部分则会加速垂直微调，抢占Argon覆盖不足的长尾任务。中间层软件公司的估值逻辑会承压，融资叙事需要从“我们有模型”改成“我们有别人拿不到的样本”。中期（1年）看，机器人软件的迭代节奏将从硬件周期（18至24个月）压缩到模型周期（3至6个月），行业会出现类似手机时代的“固件推送”式能力升级，同时安全认证与保险条款会成为出货的前置条件。
对普通用户来说，短期感知有限，最先落地的仍是仓储搬运、工厂上下料等B端场景，家庭服务机器人不会因为一次发布就变得可靠。中期（1年）内，更可能出现的变化是租赁与订阅模式的普及——机器人本体价格下探，但智能能力按月付费，用户实际支出结构被重塑。需要提醒的是，78.4%的成功率意味着平均每五次操作仍有一次失败，这个数字距离无人值守还差一个数量级，公众对“全自主机器人”的
发布后数小时，行业反应明显分成两派。特斯拉Optimus团队在社交平台强调“真实世界数据规模”才是壁垒，被解读为对谷歌混合数据路线的间接回应；美国VLA创业公司Physical Intelligence与Skild AI同日密集放出招聘岗位，集中在数据引擎与安全对齐，显示短期策略转向在更强基座上做垂直场景。国内厂商的工程师社区讨论则集中在授权成本与国产算力适配，普遍关心Argon-Edge能否在非英伟达芯片上维持同等时延。学术界态度更谨慎：多位机器人学习方向研究者指出，78.4%所依据的评测集由谷歌自建，跨实验室复现仍是未知数；也有研究者认为动作思维链方向正确，可能成为下一轮VLA论文的标准配置。开发者社区抱怨最集中的是闭源与按token计费，有人测算高频闭环场景下的调用成本会迅速超过云端GPU自建方案。
值得继续思考的问题：
- 端侧优先的VLA路线，会不会让机器人厂商彻底放弃自研模型，重演手机行业芯片与系统分工的格局
- 动作思维链（Action Chain-of-Thought）能否成为下一代VLA的标准训练范式，以及它对推理成本的长期影响
- 78.4%成功率背后的评测自建问题：机器人能力基准缺失，会不会成为行业融资与采购的新风险点
延伸阅读：2026 主流 AI 大模型对比——不追热点也能长期有用的选型指南，收藏备用。
本条动态来自 DeepMind Blog（发布于 2026-10-13 16:01:58）。本站为海外 AI 动态的中文转述与观点评论，原文版权归原作者所有。
每日聚合海外 AI 一手动态与深度观点。收藏本站，不错过每一个重要信号；返回首页查看更多。
