Google DeepMind

谷歌于10月13日在开发者博客中表示，面向机器人的通用物理推理模型Gemini 4 Argon在具身推理基准ERQA上仅靠推理即取得87%的成绩，公司称其超过所有其他前沿模型。博文展示了Argon操控波士顿动力Spot四足机器人，先在MuJoCo数字孪生中演练踩脚踏垃圾桶投放易拉罐，再在实物上完成；还演示了零样本控制机械臂，以及根据机器人摄像头画面、第一人称人类视频甚至手绘草图重建经过物理校准的仿真场景。Argon上线即向Google AI Ultra订阅用户开放AI Studio与Antigravity，并以gemini-4-argon之名进入Gemini API付费层级。一天后德国NEURA Robotics也发布了自研基础模型Neuron AI，MEKAWIRE跟踪的两家公司在24小时内相继推出机器人大脑。对国内正在自研具身大模型的整机厂而言，通用模型以API形式供货，意味着自研路线的性价比将被重新检验。

VLA(视觉-语言-动作)模型是一种把摄像头画面和自然语言指令一并读入、直接输出机器人下一步电机指令的单一神经网络,做法是在能看懂图像的视觉语言模型上再用机器人示范数据训练。谷歌DeepMind、Physical Intelligence、英伟达、Figure AI与Skild AI处于前列,智元机器人代表中国阵营,竞争焦点正从模型结构转向动作数据的获取成本。

生成式视频公司Runway于2026年9月30日发布Praxis-1，这是一款把大规模视频预训练转化为真实机器人控制的开放权重世界动作模型。Noble Machines、Standard Bots和Ultra正在双臂、六轴机械臂和移动底盘上进行早期测试，权重将在未来几个月公开。

国际机器人联合会（IFR）2026年9月30日发布报告称，2025年全球专业服务机器人出货增长24%至近25万台，其中运输与物流机器人11.75万台。全尺寸人形机器人销量约7000台，IFR识别出的174家人形机器人制造商中半数以上在中国，且多数应用仍依赖人工遥操作。

利用游戏剪辑平台Medal上带操作标注的视频训练AI模型的美国公司General Intuition于2026年9月29日宣布，以62亿美元估值融资2.2亿美元，投资方包括Khosla Ventures和General Catalyst。该估值是其96天前A轮披露的23亿美元的2.7倍。公司同时向机器人、仿真和游戏领域合作方开放候补申请。

日本日立制作所与总部位于慕尼黑的Agile Robots就共创合作达成基本协议，将双方AI模型融合为面向制造现场的机器人“大脑”，并搭配日立边缘AI芯片，成果通过HMAX Industry在全球销售。双方未披露金额与时间表。一天后，日立又宣布与发那科开展另一项物理AI合作。

Extend Robotics于9月28日在官网宣布，完成由Skyworks Venture Capital Fund领投的260万英镑Pre-A轮融资。这家遥操作机器人公司按完成的工作量向客户收费而非出售设备，称已有35家订阅客户，资金将用于拓展英国和欧洲市场并建设远程操作员网络。

美国Generalist AI于2026年8月19日发布GEN-1.5，称只需把一段3至12秒演示放进上下文，即可在10项任务上取得59%的平均成功率，用约5分钟数据训练10步后升至83%。公司称该能力在八个多月预训练中自然出现，但承认任务简单、技能脆弱，也未披露客户。

谷歌DeepMind于7月30日发布Gemini Robotics 2模型家族，包含全身控制动作模型、高层具身推理模型和端侧模型三款。推理模型ER 2已通过Gemini API和Google AI Studio向开发者开放，动作模型仍仅限早期合作伙伴和受信测试者使用。

英伟达于2026年6月1日在GTC台北发布面向学术研究的Isaac GR00T参考人形机器人，采用宇树科技H2 Plus本体、两只22自由度的Sharpa Wave触觉灵巧手和Jetson AGX Thor T5000计算模组。该机将于2026年底由宇树供货，价格未披露。

发那科5月13日宣布，其全部机器人将全面支持谷歌旗下Intrinsic的企业级软件平台，并加入谷歌DeepMind的Gemini Robotics可信测试者计划；自2025年12月以来已出货逾1000台用于物理AI相关用途的机器人。两天后，公司宣布深化与英伟达合作，包括ROBOGUIDE与Isaac Sim联动、基于Isaac GR00T N的双臂机器人模仿学习，以及改用Jetson Thor。

据2026年4月22日发表在《自然》杂志的论文，索尼AI的自主乒乓球系统Ace在2025年4月的比赛中对精英选手五战三胜，对两名日本T联赛职业选手全部落败。系统结合索尼半导体解决方案公司的事件视觉传感器、八自由度机械臂和在仿真中训练的强化学习策略，球体定位平均延迟为10.2毫秒。

丰田研究院（TRI）、康奈尔大学和麻省理工学院的82位作者于2026年4月15日在《Science Robotics》发表论文称，基于扩散策略的多任务“大型行为模型”在盲法随机试验中成功率和鲁棒性均优于单任务基线，学习新任务所需的数据也少得多。预印本显示，研究使用了覆盖500多项任务、约1700小时的机器人示范数据，并进行了1800次受控真机试验。

谷歌DeepMind于2026年4月14日发布基于Gemini 3.0 Flash的具身推理模型Gemini Robotics-ER 1.6，并通过Gemini API和Google AI Studio开放预览。DeepMind称该模型读取工业仪表的成功率为86%，启用放大与代码执行的"智能体视觉"后达93%，而上一代ER 1.5仅为23%。波士顿动力已将这一能力用于Spot机器狗的设施巡检。

Generalist AI于2026年4月2日发布具身基础模型GEN-1，预训练数据为50万小时以上、由人佩戴可穿戴设备采集的物理交互数据，不含机器人数据。公司称，在前代模型平均成功率64%的任务上，GEN-1平均达到99%，每项任务约需1小时机器人数据，作业速度约为此前最佳水平的3倍。上述结果均为公司自测，尚无独立复现。

Fauna Robotics于2026年3月24日宣布加入亚马逊，今后以亚马逊旗下公司名义运营，交易金额未披露，Sprout继续对外销售。拥有逾100万台仓储机器人的亚马逊，买下的是一款面向人群、安全优先的小型人形机器人，这一形态与中国厂商在服务机器人领域的强项高度重合。

慕尼黑的思灵机器人2026年3月24日宣布与谷歌DeepMind建立战略研究合作，把Gemini Robotics基础模型集成到其硬件中，首先面向制造业场景。这家称已安装逾2万套机器人解决方案的德国企业，继波士顿动力和Apptronik之后加入谷歌阵营。双方未披露财务条款。

英伟达于2026年3月16日GTC主题演讲中预览基于DreamZero研究的新一代机器人基础模型GR00T N2，称其在新环境新任务中的成功率是领先VLA模型的两倍以上。30亿参数的GR00T N1.7进入商业许可抢先体验，DreamZero的主要实验平台为智元G1。N2计划于2026年底前推出。

美国硅谷家用机器人公司Sunday于2026年3月12日宣布完成1.65亿美元B轮融资，估值11.5亿美元，由Coatue领投。Sunday不依赖遥操作，而是用人戴上“技能捕捉手套”采集的数据训练机器人，计划今年秋季启动邀请制家庭内测，并预计2027至2028年规模化出货。

现代汽车集团2026年2月27日宣布，自2026年起在韩国全罗北道群山新万金投资约9万亿韩元，建设机器人、AI与氢能一体化创新基地。其中4000亿韩元的机器人集群包括年产约3万台的整机工厂、面向中小企业的代工厂和零部件园区，计划2029年竣工；毗邻的AI数据中心投资5.8万亿韩元，GPU规模分阶段扩至5万块。

总部位于美国得克萨斯州奥斯汀的Apptronik于2026年2月11日宣布完成5.2亿美元A-X轮扩展融资，定价为A轮估值的三倍，A轮累计融资额超过9.35亿美元。约翰迪尔、AT&T Ventures和卡塔尔投资局首次入局，谷歌、梅赛德斯奔驰、B Capital和PEAK6继续跟投，资金将用于Apollo量产及2026年发布的新一代机器人。

美国人形机器人公司Figure AI于2026年1月27日发布机器人基础模型Helix 02，从摄像头画面和指尖触觉一直到1kHz的关节指令全部由学习系统完成。公司称，一个1000万参数的学习型控制器取代了109504行手写C++代码，Figure 03在完整厨房中连续4分钟、61个动作完成洗碗机卸载与装载，全程无重置、无遥操作。

微软研究院于2026年1月21日发布其首个机器人模型Rho-alpha。该模型源自Phi系列视觉语言模型，部分训练数据由在Azure上运行的英伟达Isaac Sim生成。模型先通过研究早期访问计划开放，之后将上线Microsoft Foundry，时间未定。

现代摩比斯2026年1月7日在CES上与波士顿动力签署战略合作框架，将为量产版Atlas人形机器人供应执行器，这是其首个机器人客户。公司称执行器占人形机器人材料成本六成以上，并计划将合作扩展至灵巧手、传感器、控制器和电池包。现代汽车集团目标到2028年形成年产3万台机器人的产能。

波士顿动力1月5日在CES 2026发布全电动人形机器人Atlas的产品版本，并宣布即日起在波士顿总部投产，2026年产能已全部分配给现代汽车集团和谷歌DeepMind。现代汽车集团提出到2028年建成年产3万台机器人的生产体系，Atlas将于同年进入其佐治亚州工厂承担零部件排序作业，2030年扩展至装配。执行器由现代摩比斯供应，认知能力由谷歌DeepMind的Gemini Robotics模型提供。

据投资方披露，机器人基础模型公司Physical Intelligence完成6亿美元B轮融资，估值56亿美元，由Alphabet旗下独立成长基金CapitalG领投。融资确认前三天，公司发布了π*0.6模型，称经真实机器人强化学习后，高难度任务吞吐量提升一倍以上。

美国机器人AI初创公司Generalist AI于2025年11月4日发布具身基础模型GEN-0。公司称在70亿参数处观察到能力相变,模型已扩展至100亿参数以上,预训练数据超过27万小时并以每周逾1万小时的速度增长。相关结果以公司博客形式发布,未经同行评审。

谷歌DeepMind于2025年9月25日发布视觉语言动作模型Gemini Robotics 1.5和具身推理模型Gemini Robotics-ER 1.5。前者在行动前以自然语言推理，并可在不同机器人本体之间迁移技能；后者当天即以预览版形式通过Gemini API向开发者开放。技术报告显示，由ER 1.5担任调度模型时，长程任务的子任务总失败率为22%，而由通用模型Gemini 2.5 Flash调度时为44.5%。

Skild AI于2025年7月29日公布机器人基础模型Skild Brain，采用以仿真和互联网视频预训练的分层架构，称可在四足机器人、人形机器人、桌面机械臂和移动操作机器人上运行。发布未披露客户与价格，但确立了跨本体路线，此后公司估值升至140亿美元以上，ARR突破1亿美元。

总部位于巴黎和帕洛阿尔托的物理AI实验室Genesis AI于2025年7月1日结束隐身状态，宣布获得1.05亿美元融资，由Eclipse与Khosla Ventures联合领投，法国公共投资银行Bpifrance、HSG、Eric Schmidt和Xavier Niel跟投。公司后来将该轮定性为种子轮，计划依托融合自研物理仿真、生成式模型与真实机器人数据的数据引擎，开发通用机器人基础模型，估值未披露。

谷歌DeepMind于2025年6月24日发布Gemini Robotics On-Device，这是一款可在机器人本地离线运行的视觉语言动作（VLA）模型，也是DeepMind首个向外部开发者开放微调的VLA模型。该模型通过面向受信测试者的Gemini Robotics SDK提供，DeepMind称已将其迁移至Franka FR3双臂机器人和Apptronik的Apollo人形机器人。

美国机器人AI初创公司Physical Intelligence于2025年4月22日发布视觉语言动作（VLA）模型π0.5。该模型驱动移动操作机器人在3个未纳入训练集的真实家庭中完成10至15分钟的整屋清洁，公司称跨机器人、网络数据与语音指导的混合共训练是泛化能力的关键。

英伟达于2025年3月18日在Hugging Face和GitHub开放下载人形机器人视觉语言动作模型Isaac GR00T N1，并将1X、Agility Robotics、波士顿动力、Mentee Robotics和NEURA Robotics列为首批早期合作伙伴。根据英伟达技术报告，模型的真实机器人数据来自傅利叶GR-1遥操作和智元AgiBot-Alpha数据集。英伟达同时发布与谷歌DeepMind、迪士尼研究院共同开发的开源物理引擎Newton、合成操作数据蓝图和15TB开放数据集。

谷歌DeepMind于2025年3月12日发布基于Gemini 2.0的视觉语言动作(VLA)模型Gemini Robotics,以及面向机器人厂商的空间推理模型Gemini Robotics-ER。公司称,VLA模型在泛化基准上的表现是其他领先模型的两倍以上,并宣布与美国人形机器人公司Apptronik合作,ER模型则先向波士顿动力、Agility Robotics等四家受信任测试方开放。

美国人形机器人公司Figure AI于2025年2月20日发布视觉语言动作（VLA）模型Helix。该模型将运行频率7至9赫兹的70亿参数视觉语言模型与运行频率200赫兹的8000万参数控制策略相结合，控制上半身35个自由度。公司称，Helix仅用约500小时遥操作数据训练，并完全在机器人内置的两颗低功耗嵌入式GPU上运行。

总部位于美国得克萨斯州奥斯汀的人形机器人公司Apptronik于2025年2月13日宣布完成3.5亿美元A轮融资，由B Capital与Capital Factory联合领投，谷歌参投。该轮金额是公司此前累计融资2800万美元的12.5倍，将用于Apollo人形机器人的量产、迭代以及2025年扩大部署。