这周具身智能圈有两个视频同时刷屏，结论却完全相反。
一个是谷歌DeepMind在8月初发布的Gemini Robotics 2，官方视频里机器人打结、拧灯泡、两台协作收拾房间，看着离进家门只差一步。几乎同一时间，另一个视频也火了：作者去MIT计算机科学与人工智能实验室（CSAIL）待了三天，和没有融资压力、纯做研发的研究员聊完，带回来的判断是——能真正替代保姆的通用机器人，至少还要十年，甚至几十年。哔哩哔哩
而宇树科技王兴兴7月底在世界互联网大会上说，具身智能的“ChatGPT时刻”最快2到3年内到来。微博
到底是2-3年，还是10年？如果你也被“机器人叠衣服”的视频反复刷到，心里犯嘀咕“这次是不是真的要来了”，今天把这事说透：这两个判断其实不矛盾，它们说的根本不是一件事。
Gemini Robotics 2解决的，是“第一关”
先说清楚，这个进步是真的，不是PPT。
Gemini Robotics 2本质上是一套视觉-语言-动作模型，三个模型拼在一起，摄像头画面和自然语言指令进去，电机控制信号直接出来。它这次解决的是全身协同——一套策略同时管住腿、躯干、手臂和手指。演示里的机器人能走、能蹲、能打结、能拧灯泡，还能跟同伴一起把房间收拾干净。国内也有团队用机械臂做了泛化实测，在陌生环境里跨高度、任意3D位姿，依然能保持高精度操作。
也就是说，家务的“第一关”——能动能协调——基本过了。这些年你看到的跳舞、空翻、跑马拉松，全都属于这一关。
家务真正卡的，是后面两关
“能运动”和“能干活”是两码事。把家务拆开看，一共三关：
第二关，手的精细操作。MIT探访视频里给了一个很残酷的数字：几乎所有演示里，多指灵巧操作的成功率都在0%到90%之间晃。每十次摔一次盘子的管家，你敢买吗？要真能用，这个数字得稳稳压在95%以上。硬件在补课：7月，1X给家用人形机器人NEO发布了新的25自由度人工肌腱灵巧手，只比人手少两根“筋”。哔哩哔哩
第三关，长任务和家庭环境的泛化。收拾一间布置好的样板间，和收拾你家玩具、衣服扔一地的客厅，是两个难度。而且机器人训练没有“互联网”——大语言模型靠吞下整个互联网变聪明，机器人的操作数据只能靠模拟器和遥操作一点点攒。已经有人在想办法：8月初自变量机器人开源了HOST框架，让机器人看一段几十秒的视频就学会一项新家务。它的首款产品R1此前开售3分钟售罄。小红书上能找到真实进家的实测帖——机器人能叠衣服、收纳桌面，但从用户晒出的画面看，任务范围还相当有限。知乎
两个判断不矛盾，它们说的不是同一件事
仔细看就会发现：
王兴兴说的“2-3年”，指的是技术临界点，届时机器人能在大部分陌生环境里干活——这更接近工厂、仓储、商业这些场景。MIT说的“10年”，指的是通用家庭保姆机器人——全部家务、无人看管、可靠性还不能崩。
这背后是著名的莫拉维克悖论：下棋、算数对AI很容易，叠衣服、拿杯子这种人类一岁就会的本能，对AI却极难。你每天看到的是“下棋”的进步，“叠衣服”的进步是一寸一寸挪的。
所以别把“10年”当成保守，也别把“2-3年”当成购买倒计时。
给等待党的三个信号，和现在就能做的一件事
先说结论：现在还没有一台真正能干家务、且值得家用人形机器人可买。按那篇MIT探访文章的说法，波士顿动力新款Atlas基本被现代和谷歌订空，排队都排不上；最便宜的入门人形宇树G1，起步约13500美元，也明显不是给家庭准备的。
但想提前做准备，现在有三件事：
第一，把能替代的先替代。今天真正成熟的“家用机器人”还是扫地机器人，洗地、拖地、基站自清洁，活儿是实打实在干的。别为“下一代”提前交智能税。
第二，盯住三个信号。一是厂商开始公布“真实家庭场景长任务成功率”，而不是只放剪辑视频；二是进家试点从几十户扩到几千户、出现租赁（1X NEO有消息称计划量产1万台）；三是价格落到消费级、带保修、保险和OTA。三条齐了，才是真到了可以出手的时候。
第三，接下来两周看实测。8月19日世界机器人大会在北京开幕，8月22日到26日第二届世界人形机器人运动会将在国家速滑馆“冰丝带”举行，家庭场景演示会密集刷屏。知乎看视频时，多盯“它失败了几次”，别只看“它看起来多流畅”。
需求是真实的——小红书上那条“可以，这个呆萌的机器人明天来我报道”的帖子，拿到了14.5万个点赞。小红书但演示和日常之间的差距，也是真实的。把这篇收好，半年后对照那三个信号再看看，你就知道它到底进步了多少。
