WAIC2026闭幕那几天，我在上海世博展览馆走了整整三圈。超过两百家机器人企业、三百多台真机同场，宇树三米高的载人变形机甲在主通道切换形态，智元的机器人用镊子夹起两毫米电阻焊到电路板上，后空翻和机械舞还在演，但围在展台前的同行们真正在讨论的，已经是另一组问题。后空翻证明的是身体能力，镊子焊电阻证明的是任务能力，而整个行业正在逼近一个更本质的问题：这副身体到底由什么样的大脑来指挥。

作为一个在工业设计领域做了十八年的人，我对机器人的外形并不陌生。过去十年，我们讨论的是关节外露还是包覆、是走呆萌路线还是专业路线、是用灯光强化表情还是用屏幕传递状态。这些讨论当然有价值，但WAIC现场让我强烈意识到，当机器人的身体能力快速趋同，设计的竞争重心正在从外壳转向身体智能本身。设计副总裁的KPI不再只是把产品做漂亮，而是要让设计成为可量化的资本杠杆。谷歌DeepMind在WAIC结束一周多后推出的Gemini Robotics 2，恰好为这个判断提供了一个足够完整的技术注脚。

Gemini Robotics 2是一个主打全身智能的机器人通用模型，适用于各种不同形态的机器人。这三句话里每一个词都值得拆开来看。全身智能，意味着模型不再把腿当运输工具、把手当作业工具，而是把整副身体视为一个相互耦合的动作空间。通用模型，意味着同一套模型权重可以跑在不同硬件上。适用于不同形态，意味着设计团队不再需要为每一个新构型从零搭建控制栈。这三件事叠加在一起，对工业设计的影响是结构性的。

我先从一个最日常的动作说起。人类弯腰捡起地上的水壶，会自然地前倾、屈膝、伸手，同时调整重心，整个过程不需要刻意思考。封一只自封袋，会自然地对齐两侧封口，再用手指从一端捏到另一端，还会根据塑料的形变随时调整力度。这些动作对人类来说是本能，但对机器人而言，它要连续算对一串彼此牵制的动作。身体零件越齐全，控制难度反而越像滚雪球。这就是全身智能要解决的核心矛盾：自由度增加带来的不是线性难度，而是组合爆炸。

过去不少机器人演示都有一种很强的回合制游戏感。机器人先走到桌边、停下、站稳，然后调用机械臂抓取物体。抓完以后，再次切换到行走控制器，去往下一个位置。每一段动作单独看都可以做得很好看，但只要桌子偏了一点、物体滑了一下，或者必须边走边维持抓握，几个独立模块之间的接缝就会立刻暴露。这种接缝在设计语言上的体现，就是机器人的动作总是像在播放预设动画，而不是在对环境做出实时反应。

上一代Gemini Robotics也主要控制机器人的上半身，处理桌面任务。这是一种务实但受限的选择。桌面场景把行走、平衡和重心问题全部隔离掉了，模型只需要专注手臂和手指。但真实家庭和工厂不是桌面，物体放在地上、挂在墙上、塞在货架深处，机器人必须蹲下去、够上去、扭过身子。到了Gemini Robotics 2，官方视频中的Apptronik Apollo 2会走向放在地上的绿色水壶，弯腰把它提起来。另一段画面中，Apollo 2走到货架前，取出一只棒球手套，随后转身离开。这些动作看起来平平无奇，背后却同时依赖视野、可达范围、步态和重心。手臂伸得更远，身体就要跟着前倾。身体前倾，双腿又必须及时补偿。任何一个环节慢半拍，结果不是摔倒就是抓空。

谷歌这次发布包含三个模型，这个组合本身就是一份架构宣言。Gemini Robotics ER 2负责理解环境、规划长任务和与人沟通，Gemini Robotics 2这个VLA模型把视觉与语言直接转成动作，On-Device 2则把动作模型压缩到本地，并能用少于两百个样例、几小时数据适配新的机器人本体。三个模型各司其职，核心在于谷歌开始用一组模型协调一台人形机器人的双腿、躯干、双臂和手指，让它一边思考推理，一边移动操作。

我在内部把这个架构称作设计资本化的三层堆栈。ER 2是品牌体验层，它决定机器人看起来是否聪明、是否值得信赖、是否能与人建立长期关系。VLA模型是动作一致性层，它决定机器人全身动作是否流畅自然，这直接影响用户对产品品质的感知。On-Device 2是硬件适配层，它决定设计团队能以多快的速度把新构型推向市场，这直接关系到研发成本和量产节奏。三层之间的接口一旦标准化，工业设计就能从一次性项目投入变成可复用的资本资产。

谷歌公布了一组很值得琢磨的测试数据。官方测试中，Apollo从桌面、地面和货架取物的平均成功率分别为百分之六十八点四、百分之四十五点七和百分之七十六点三。最能体现全身控制难度的地面取物，恰好也是成功率最低的一项。这个数据并不难看，反而很诚实。弯腰从地面取物需要同时协调步态、平衡、躯干角度和手臂伸展，是全身耦合度最高的动作之一。桌面取物只需要上半身，货架取物可以站着够，唯独地面取物要求整副身体协同。对设计团队来说，这组数据意味着我们不能只优化机器人的站姿和手臂行程，还必须重新思考腰部关节的活动范围、膝盖的屈曲角度、躯干的配重分布，以及这些硬件参数如何与模型的动作偏好相互塑造。

最后几厘米的问题同样关键。全身控制解决的是机器人怎么抵达、怎么站稳，但真正决定它能不能进入家庭和工厂的，往往是手与物体接触的那几厘米。Apollo 2使用一只拥有二十二个自由度的五指SharpaWave灵巧手，尝试拧灯泡、封自封袋、给垃圾袋打结。Franka Duo的两只夹爪负责把形状各异的工具紧密装进工具箱。过去机器人最常见的抓取演示只是把硬物从A点搬到B点，而这些任务涉及连续接触、双手配合和形变。塑料袋会塌，绳结会滑，灯泡既要对准螺纹，又不能捏得太用力。这已经不是简单的抓取问题，而是材料感知和力控精度问题。

谷歌在灵巧操作上的数据进一步拉大了差距。两指夹爪在通用抓放、工具配套和精密插入上的平均成功率达到百分之七十四点二、百分之七十八点九和百分之八十九点六，这个成绩相当扎实。但多指灵巧手的数据迅速拉开：拧下灯泡达到百分之九十二，拧上灯泡只有百分之三十六，扎垃圾袋是百分之四十四，使用簸箕和封自封袋分别只有百分之三十二和百分之四十。拧下和拧上灯泡的巨大差距尤其说明问题。拧下只需要施加一个持续的旋转力，螺纹本身会引导退出；拧上则需要精确对准螺纹起始角度、控制下压力道、感知第一扣是否咬合，任何一步出错都会滑丝或空转。大模型已经能接管相当复杂的手部动作，但多指灵巧操作远没有达到人类级别。

从设计角度看，这组数据传递了一个明确信号：硬件形态必须与模型能力共同迭代，而不是各做各的。二十二自由度的灵巧手在机械上令人赞叹，但如果模型在拧灯泡和封自封袋上的成功率只有三四成，那么产品体验的瓶颈不在手的自由度够不够，而在模型能不能把这些自由度用起来。设计团队需要在灵巧手构型、传感器布置、材料选择和模型训练策略之间找到最优解，而不是盲目堆叠自由度。这是专业力的核心体现：不是做最复杂的设计，而是做最有效的设计。

协作方面的进展同样值得关注。Apollo与Franka Duo共同整理工具箱的演示中，Apollo发出任务指令，Duo把工具装入盒内，两台机器人各自运行一套模型，通过高层推理分配和衔接工作。ER 2还会持续查看视频画面，判断任务进度、发现失败并决定是否重试。这标志着机器人正在从单兵作战走向多机协同，而协同的核心不是机械层面的同步，而是语义层面的任务分配和进度感知。对工业设计而言，多机协作提出了新的设计命题：不同形态的机器人如何在视觉语言上形成家族感，如何在交互逻辑上保持一致性，如何让用户理解谁在指挥、谁在执行、出了问题该找谁。这些命题直接关联品牌设计战略，是设计从产品层面上升到系统层面的必经之路。

说到架构，就不能不提行业里普遍讨论的大小脑之分。具身智能行业普遍将机器人架构概括成大脑和小脑。大模型负责看懂指令、拆解任务，小模型和传统控制器负责导航、平衡、抓取。这个分层在工程上很清晰，但物理世界并不喜欢整齐的模块边界。抬起重物会改变平衡，向前迈步会改变手臂的可达范围，手里的杯子一滑，路径规划马上作废。模块之间的接缝就是系统最脆弱的地方，也是机器人动作看起来不自然的根本原因。

谷歌没有放弃大小脑架构。ER 2依然是高层大脑，负责看、想、规划和调用工具，再把动作执行交给VLA。谷歌解决的，是在动作层把走路、平衡、躯干和手臂切成一堆互不相干的小脑这种做法。Gemini Robotics 2用一个VLA统一全身动作，ER 2则可以一边观察执行，一边思考后续步骤。我把这条路线概括为：高层仍然分层，身体开始端到端。这个分界线对设计有直接影响。高层分层意味着品牌交互、任务规划和安全策略可以跨平台复用，这是设计资产沉淀的基础。身体端到端意味着动作风格和身体语言成为新的设计维度，不同厂商的VLA模型会赋予机器人不同的动作气质，就像不同品牌的汽车有不同的驾驶质感。

安全是另一个不能绕过的维度。ER 2引入了安全约束、可行性判断和请求人类介入的机制，底层仍然保留传统物理安全机制。这条路线比较务实：智能层负责预判和请求，物理层负责兜底和止损。从合规角度看，这种双层安全架构更容易通过不同市场的认证审查。家庭场景对安全的要求远高于工厂，机器人必须能识别人类突然闯入、判断自身动作是否会造成碰撞、在不确定时主动暂停并请求帮助。设计团队在这个层面的控制力，不只是把急停按钮放在显眼位置，而是要把安全逻辑嵌入产品的每一个交互细节和动作策略中。

谷歌的路线并不孤单。Figure的Helix 02同样把所有传感器接入一个全身视觉运动策略，让System 1以两百赫兹输出全身关节目标，System 0以一千赫兹处理平衡和接触，System 2负责语义推理。三个系统的频率分工很有意思：语义推理不需要快，但需要深；平衡和接触不需要聪明，但需要极快；全身动作策略则在两者之间，既要理解意图又要实时响应。智元的GO-2把这个问题称为语义与执行之间的鸿沟，用动作思维链与异步双系统连接低频规划和高频执行。不管各家怎么命名，核心方向是一致的：用一个统一的全身策略填补大脑和小脑之间的断层，让机器人不再像一组拼接模块，而像一个协调的有机体。

把视野拉到整个行业，全身智能正在沿着三个方向同时推进：更多本体、更长任务和更少专用数据。英伟达GR00T N1.6吃进数千小时遥操作数据，在智元Genie-1、宇树G1和不同双臂平台上进行后训练，走的是大数据加多本体路线。Physical Intelligence的π0.5混合不同机器人数据、网页知识和高层子任务数据，任务时长达到十到十五分钟，走的是长任务加知识增强路线。蚂蚁灵波LingBot-VLA 2.0用六万小时数据覆盖二十种机器人构型，把手臂、灵巧手、腰、头和移动底盘映射进统一动作空间，走的是超大规模统一动作空间路线。谷歌的On-Device 2选择了一个不同的切入点：用不到两百个样例适配新本体，几小时数据就能完成迁移。这四条路线并不矛盾，它们分别解决规模化的不同瓶颈，但从设计资本化角度看，少样本适配的价值尤其直接。

为什么这么说。一个新机器人本体从工业设计定型到控制系统可用，传统路径需要几个月甚至更长时间的遥操作数据采集和策略调参。On-Device 2把这个周期压缩到几小时和不到两百个样例，意味着设计迭代的速度可以大幅提升。设计团队可以在一周内做出三个不同构型的原型，分别测试用户对比例、步态和操作方式的反应，而不需要为每个原型投入巨额的控制系统开发成本。这就是成本维的核心：不是把单个零件做便宜，而是把整个设计验证循环的成本打下来。

但我也要泼一盆冷水。真实部署面对的不是实验室里的干净场景，而是磨损、电量下降、碰撞、人类突然闯入和网络中断。模型在受控环境下的成功率不能直接等同于真实场景的可靠性。一个机器人在展厅里连续成功十次，不代表它在家庭环境里连续工作三十天不出问题。从量产维来看，全身智能模型对硬件一致性提出了更高要求。关节间隙的微小差异、电机响应的个体偏差、传感器的零漂，都会在端到端策略中被放大。如果一百台机器人里有十台的关节参数与训练数据不一致，模型在这些机器上的表现可能大幅波动。这要求设计团队在构型选择、公差分配和供应链管控上更早介入，把模型鲁棒性纳入设计规范，而不是等到量产阶段才发现硬件一致性不达标。

好看维在全身智能时代也有了新的内涵。过去的机器人好看，更多是静态比例和曲面处理。全身智能让机器人的动作本身成为审美对象。Apollo走路、下蹲和摆放物体的速度都很慢，这种慢在技术上是成功率和稳定性的折中，但在体验上可以转化为一种沉稳、谨慎、值得信赖的品牌性格。反过来，如果一个机器人动作流畅但偶尔失误，用户对它的信任度可能还不如一个动作缓慢但始终可靠的机器人。设计副总裁需要与模型团队共同定义机器人的动作风格：是干脆利落还是温和从容，是高效优先还是安全优先。这种动作风格一旦确立，就会成为品牌识别度的重要组成部分，和视觉语言、声音标识一样具有资产价值。

专利维同样不能忽视。全身智能涉及的全身VLA架构、少样本本体适配方法、多机任务分配机制、安全约束嵌入策略，每一个方向都在快速形成专利壁垒。设计团队如果只关注外观专利和实用新型，而忽略了与算法团队联合布局的方法专利和系统专利，就会在未来的竞争中失去议价能力。我在公司内部推动的一个做法，是让设计策略团队在每个项目立项时就与法务和算法团队坐在一起，把硬件构型、交互逻辑和模型架构作为一个整体来规划知识产权。创新力不只是做出新东西，更是让新东西有壁垒、可保护、能转化为商业价值。

合规维在机器人进入家庭和工厂时变得格外现实。不同国家和地区对机器人的安全标准、数据隐私、人机协作距离都有不同要求。ER 2的安全约束和人类介入机制提供了一个合规友好的基础框架，但具体到每个市场，设计团队还需要考虑数据是否本地化、视频流是否加密、机器人在什么情况下必须暂停、人类介入的接口如何设计。这些不是附加功能，而是产品能否上市的前提条件。保障力在这个层面的意义，就是确保设计创新不被合规问题卡脖子，让产品能够在不同市场顺畅落地。

回到设计资本化这个核心命题。工业设计的价值在机器人行业正在经历一次根本性的重估。过去，设计的价值主要体现在外观差异化和用户体验上，是成本中心而非利润中心。全身智能改变了这个等式。当同一套模型可以适配不同本体，当动作风格成为品牌资产，当少样本适配大幅降低设计验证成本，当多机协作要求系统级设计语言，设计就不再是产品开发末端的美化环节，而是贯穿技术选型、硬件构型、交互定义和品牌战略的核心资本。

Gemini Robotics 2最重要的地方，是让具身智能模型开始越过桌面和上半身，把走路、平衡、精细操作、长任务与多机协作放进同一张考卷。这张考卷的评分标准不再是单项动作能做不能做，而是整副身体能不能在真实环境中持续稳定地完成有意义的工作。对设计团队来说，这意味着我们必须从画外观的人，变成定义身体智能如何被感知、被信任、被使用的人。

WAIC2026上那三百多台真机让我看到的，不只是一场技术展示，而是一个行业从青春期走向成年的仪式。后空翻是少年的炫技，弯腰捡起地上的水壶才是成人的担当。谷歌用Gemini Robotics 2交了一份答卷，数据不算完美，地面取物不到五成，封自封袋只有四成，但方向是清晰的：让机器人像一个完整的身体一样思考和行动，而不是一组被拼接的功能模块。

在上海做了这么多年设计，我越来越相信一个判断：伟大的工业设计不是把技术包装得好看，而是让技术的价值被人的身体直觉所理解。全身智能恰恰是一种最贴近身体直觉的技术路线。当机器人弯腰、伸手、调整重心的方式让人类觉得自然，当它拧灯泡的力道让人类觉得放心，当它在不确定时停下来求助而不是蛮干，设计的价值就已经渗透在每一个动作里。这种价值不需要标签来证明，它会转化为信任，转化为复购，转化为品牌溢价，最终转化为资产负债表上的数字。

这就是我所理解的设计资本化拐点。不是设计变贵了，而是设计变重了。它开始承载技术架构的选择、品牌战略的落地、知识产权的壁垒和量产交付的保障。Gemini Robotics 2给整个行业出了一道新题，而我们这些做设计的人，需要在这道题里找到属于自己的杠杆。给我一个支点，我能撬动地球；给我一个全身智能模型，我能撬动的，是整个机器人产业的设计价值公式。