Gemini Robotics ER 2 от Google DeepMind: новый стандарт физического интеллекта

Продукт уже доступен через Gemini API и Google AI Studio, а корпоративные клиенты получают его в режиме приватного превью на платформе Gemini Enterprise Agent Platform. Для индустрии мобильности и автоматизации это сигнал перехода к двухслойной архитектуре «мозг/исполнитель», где крупная мультимодальная модель становится оркестратором физических действий.

Архитектура как инвестиционное решение

Ключевой инженерный ход — разделение логики и моторики. ER 2 принимает поток текста, аудио и видео, выстраивает план и отдаёт низкоуровневое исполнение Vision-Language-Action моделям или контроллерам на стороне робота. На финансовом языке это перераспределение CAPEX: центр тяжести ИИ-затрат смещается в облачные токены и вычислительные ресурсы провайдера, а не в вычислительный блок каждого устройства.

DeepMind показала работу модели на платформах Boston Dynamics Spot, Apptronik и Franka. Отвязка от конкретного вендора — прямой ответ на боли крупных интеграторов с гетерогенным парком. Для mobility-сегмента это снижает риск блокировки (vendor lock-in) при разворачивании автоматизации в логистических узлах и на сборочных линиях.

Параллельный тренд в серийном транспорте

Тему подхватывают и автопроизводители. По данным PR Newswire Asia, в июле 2026 года компания XPeng отчиталась о поставке 38 027 электромобилей и анонсировала глобальное внедрение системы автономного вождения NGP на базе собственной архитектуры Physical AI. Это подтверждает, что подход «Vision-Language-Action для физического мира» выходит за пределы лабораторий и переходит в серийные продукты транспортной отрасли. Для Google это одновременно валидация рынка и сигнал о нарастающей конкуренции со стороны OEM.

Что отслеживать

Сильные стороны ER 2 — progress classification, то есть отслеживание этапа задачи в реальном времени, и координация нескольких роботов через обмен семантическим контекстом. На промышленном языке это прямой ответ на проблему незавершённых циклов и OPEX-потерь от простоев. Дополняет линейку локальная модель Gemini Robotics On-Device 2 для сценариев без облака, где задержка сети недопустима.

Однако ограничения, которые признаёт сама компания, — устойчивость к незнакомым ситуациям и работа с роботами высокой степени свободы движений — пока не дотягивают до промышленных стандартов. DeepMind открыла только приватное превью и стартовые GitHub-примеры; реальные метрики TCO и сроков окупаемости появятся после первых пилотных внедрений. Строгий вердикт по возврату инвестиций в интеграцию ER 2 преждевременен — до промышленного масштаба в логистике и сервисных операциях минимум несколько итераций модели и пилотных проектов.