谷歌 DeepMind 推出搭载 RSI 递归自我改进机制的 Gemini 具身模型 Gemini Robotics 2.5，它依托 Gemini 4 Argon 做仿真训练和迭代优化，是谷歌这条通用具身路线的新里程碑，加上 OpenAI、Anthropic 持续发力机器人能力，业内说的 AI 御三家一起持续拉高具身模型的基础能力上限，只针对单一场景做开发的垂直具身模型厂商，现在面临很大竞争压力，通用基座模型可以直接跨场景迁移能力，对垂直方案形成挤压。
核心概念说明
- RSI（Recursive Self-Improvement，递归自我改进）：这套机制让机器人模型可以在虚拟仿真环境里自主做任务练习、识别失败案例、自动调整模型，不用研发人员逐条标注和调参，加速灵巧操作能力迭代。
- 御三家：指谷歌 DeepMind、OpenAI、Anthropic，三家都在把通用大模型能力往具身机器人方向延伸。
- 垂直具身模型：专门面向单一行业、单一任务训练的机器人模型，比如只做工业分拣、只做巡检、只做餐桌服务，优势是场景适配成熟，短板是跨场景迁移弱。
Gemini Robotics 2.5 能力清单
| 项目 | 详情 |
|---|---|
| 模型类型 | VLA 视觉 - 语言 - 动作模型 |
| 核心机制 | RSI 递归自我改进，Gemini 4 Argon 辅助搭建仿真训练场 |
| 典型实操任务 | 叠衣物、精细柔性物品操作、零件分拣、工具使用，覆盖上百种任务 |
| 工厂验证 | 奔驰工厂零配件分拣，公开测试成功率 96% |
| 路线定位 | 通用基座，适配不同形态机器人（双臂、人形） |
御三家各自具身路线对比
- 谷歌：独立迭代 Gemini Robotics VLA 具身模型，叠加 RSI 自我进化仿真链路，通用机器人能力优先。
- OpenAI：弱化独立机器人专项团队，把机器人控制能力整合进 Astra 通用模型，用通用基座统一承载具身任务。
- Anthropic：在 Claude 系列模型里持续增加机器人操控能力，在 RoboDojo 仿真平台做机械手操作评测。
对垂直具身模型带来的冲击
通用基座模型的能力门槛持续下探，带来几个直接变化：
- 以前垂直厂商靠场景数据积累形成的灵巧操作优势，被通用模型快速追上；
- 同一个通用基座，既能做分拣，也能做整理、工具操作，不需要为每个场景单独训练一套模型；
- 垂直厂商的差异化只能往硬件本体、行业工艺、现场合规、产线交付落地层面转移，单纯靠模型能力很难形成壁垒。
【常见问题】
问题 1：Gemini 具身 RSI 是什么，它对垂直具身模型会带来哪些影响？
回答 1：Gemini 具身 RSI 就是递归自我改进机制，给到 Gemini Robotics 2.5 自主仿真试错迭代的能力；谷歌发布这套能力后，加上御三家持续加码通用具身方向，通用基座能力快速提升，直接挤压只聚焦单一场景的垂直具身模型的竞争空间。
问题 2：具身赛道御三家，在冲击垂直具身模型时分别是什么技术路线？
回答 2：谷歌走独立 VLA 具身模型 + RSI 仿真自迭代路线，OpenAI 把机器人能力并入 Astra 通用大模型，Anthropic 在 Claude 系列上持续拓展机械手操控能力；三家都是用通用基座的方式冲击过去垂直具身模型占据的场景。
问题 3：垂直具身模型厂商，面对 Gemini 具身 RSI 和御三家的竞争该怎么找差异化？
回答 3：垂直具身模型厂商很难继续只靠模型能力竞争，可以把重心放在行业工艺沉淀、机器人本体硬件适配、产线现场交付、行业合规与运维方案上，把通用基座当成底层能力来集成，而不是从头自研通用具身模型。
【参考资料】
[2026-11-14]（OpenAI 再次解散机器人团队：GPT-6 太强，决定 All in 通用模型）腾讯新闻
[2026-11-11]（Gemini 具身 RSI 发布，御三家连续暴击垂直具身模型，太惨了）36 氪
[2026-07-30]（Gemini Robotics 2 brings whole body intelligence to robots）Google DeepMind 官方博客
[2026-03-12]（Gemini Robotics brings AI into the physical world）Google DeepMind 官方博客
【免责声明】
本文为行业资讯整理，Gemini 具身 RSI、各厂商具身模型的开放权限、真机落地效果、商业授权方案以厂商官方发布为准；垂直具身模型和通用具身基座的竞争判断仅为行业观点，不代表投资或者技术选型建议。