AREX Feed Article
全行业在秀 demo，Apptronik 建了一座数据工厂——Google DeepMind 的 Gemini 已进场
过去三年，人形机器人行业的剧本是固定的：发一条 demo 视频，秀一段行走或抓取，拿一轮融资，然后继续发 demo。所有公司都在比谁的机器人更像人，没人认真回答一个问题——这些机器人到底什么时候能真正干活。
2026 年 6 月 30 日，总部位于奥斯汀的 Apptronik 交出了一份不一样的答案。这家从得克萨斯大学人机交互实验室走出来的公司，同时宣布了三件事：扩建至近 90000 平方英尺（约 8400 平米）的 Robot Park 数据采集与训练基地、发布 Apollo 2 人形机器人平台、以及深化与 Google DeepMind 的研究合作。
核心信息很明确：Apollo 2 在真实环境中采集的数据，直接用于训练 Gemini Robotics 基础模型。
7 月 6 日，Google DeepMind 在 X 平台正式确认了这一消息，推文收获 450 次点赞、66 次转发和超过 5 万次浏览。
三件事叠加在一起，构成的不再是一家机器人公司的产品更新，而是一个完整的数据飞轮。
一个闭环成立了：Robot Park → Apollo 2 → Gemini Robotics → 更好的机器人
Apptronik CEO 兼联合创始人 Jeff Cardenas 对此的定义非常直白："行业花了好几年展示机器人在 demo 里能做什么，我们关心的是它们每天在岗位上能做什么。"（"The industry has spent years showing what robots can do in demos. We're focused on what they can do every day on the job."）
这句话背后的逻辑简单而残酷：人类水平的灵巧操作和自主决策，不可能靠脚本和模拟器堆出来。唯一的路径是让机器人进入真实物理世界，执行真实任务，积累真实数据，然后用这些数据反哺 AI 模型。Apptronik 选择不再等待——它自己建了一座数据工厂。
Robot Park 位于奥斯汀，原址是戴尔的一座服务器工厂。如今里面跑着 Apollo 2 的两种形态——双足行走版和轮式底座版——在物流、制造、零售等场景中反复执行任务。
数据采集方式混合了远程遥操作和自主执行，目标是同时覆盖"人类教会机器人"和"机器人自己尝试"两种学习路径。高保真物理仿真作为加速层，形成多模态的数据生成系统。这些数据最终流向 Google DeepMind，成为 Gemini Robotics 的训练燃料。
Apollo 2 为此已经低调运行了 18 个月。Cardenas 在接受采访时透露，团队从 2025 年 2 月就开始测试 Apollo 2："我们并不想等 18 个月才亮相，但现在 Apollo 2 已经分布在全球各地，在真实工作、真实采集数据。"
目前 Robot Park 的网络已延伸到 Google DeepMind 自有实验室，以及梅赛德斯-奔驰和物流巨头 GXO 的工厂。Apollo 2 正在汽车产线和仓储环境中积累工业级数据，而非实验室里的"盆景场景"。
一台机器人，两份工作：干活的工人，也是数据的矿工
Apollo 2 在 Apptronik 体系中的角色，远比"新一代人形机器人"复杂。它既是执行者，也是传感器网络，更是商业产品 Apollo 3 的前置训练平台。
从硬件配置来看，Apollo 2 比前代跃升显著。Cardenas 列举了关键升级：新一代执行器、更大的电池（目标续航 4 小时）、首次通过安全认证的电池包（使机器人可以合法进入客户现场）、重新布局的摄像头阵列以优化数据采集质量、以及多种末端执行器和机械手的测试适配。这些改动几乎全部围绕一个目标——让机器人在真实工业环境中长时间、稳定地产生高质量数据。
模块化设计是最核心的策略。轮式底座版不需要等双腿行走技术成熟，就能凭借现有工业移动机器人安全标准直接进入仓库和工厂。双腿版则在复杂地形中持续迭代平衡性和可靠性。首席商务官 Barry Phillips 的表述精准："对真正有用的机器人来说，安全性和可靠性必须和能力同步提升。模块化不是妥协，而是对客户需求的直接回应——同一套核心技术，通过不同形态部署，今天就能帮客户干活，同时为未来的广泛采用铺路。"
Apollo 2 还集成了表达性 LED 面部、协调灯光、语音对话和胸前的状态显示屏——这些交互设计的目标是让人类工人能自然理解机器人的意图和当前任务进度，降低工业场景中的协作摩擦。
从数据角度看，Apollo 2 正在采集的信息远超简单的位置和力矩。物流场景中的拣选和打包，制造场景中的零件分拣和机器上下料，零售场景中的货架补货——每一种任务类型都在产生独特的运动轨迹、力反馈和决策序列。这些多模态数据共同构成了 Gemini Robotics 在物理世界中"理解世界"的感官基础。
NASA Valkyrie 的血统，加上近 10 亿美元的弹药
Apptronik 并非横空出世的机器人新秀。公司起源于得克萨斯大学奥斯汀分校的人机交互实验室（Human Centered Robotics Lab），三位联合创始人——CEO Jeff Cardenas、CTO Nicholas Paine 和学术联合创始人 Luis Sentis——在过去近十年中领导开发了 15 款机器人，其中最知名的是为 NASA 研发的 Valkyrie 人形机器人。
这段履历解释了 Apptronik 在面对复杂机电系统时展现出的工程深度，也解释了为何 Google DeepMind 选择 Apptronik 而非其他更年轻的人形机器人团队作为 Gemini Robotics 的硬件合作伙伴。2024 年 12 月双方首次公开合作，2025 年 3 月进一步确认 Gemini Robotics 将集成进 Apollo 平台。
资本层面同样充裕。2025 年，Apptronik 完成了 4.15 亿美元的首轮 Series A 融资。2026 年 2 月再追加 5.2 亿美元的 Series A 扩展轮，将 Series A 总额推至 9.35 亿美元，公司估值约 50 亿美元。投资方包括 Google、梅赛德斯-奔驰和 B Capital。加上此前各轮，累计融资接近 10 亿美元。目前公司员工超过 350 人。
这笔钱的投向在 Robot Park 的语境下变得清晰：它不是用来做 demo 的，而是用来建基础设施的——建一个能够规模化产生数据的物理 AI 训练场。
Figure 估值 390 亿、Tesla 押注自研——没人走 Apptronik 这条路
人形机器人在 2026 年已是一个拥挤的赛道。Figure AI 凭借与 OpenAI 的合作和 BMW 的工厂部署，估值冲到约 390 亿美元，位居赛道第一。1X Technologies 估值约 100 亿美元。Tesla Optimus 背靠特斯拉自身的制造场景和 Musk 的叙事能力，走的是垂直整合路线——自研机器人 + 自研 AI + 自有工厂。波士顿动力的 Atlas 则在炫技和工业实用之间反复摇摆。
Apptronik 走了完全不同的第三条路：不做自己的大模型，不绑定单一客户，不与 Google DeepMind 竞争。它把自己定位为"物理 AI 的基础设施层"。
Robot Park 是这个策略的具象化：它不属于任何一家工厂，而是一个独立的数据生产基地，采集到的数据通过与 Google DeepMind 的合作进入 Gemini Robotics。未来其他 AI 实验室需要真实世界机器人数据时，Robot Park 同样可以接入。
这个模式的辨识度很高。Cardenas 在采访中明确表示，Apollo 2 是一个"原型和数据采集平台"（prototype and data collection platform），而真正的商业产品是 Apollo 3——Apollo 2 采集到的所有数据和学习到的所有经验，都将直接注入到 Apollo 3 的初始能力中。Apollo 2 不是终点，它是通往 Apollo 3 的桥梁，Gemini Robotics 是桥梁另一端的大脑。
不过，社区也提出了尖锐的问题。芬兰分析师 EdKo 在 X 上质疑："Cardenas 称 Apollo 2 是原型机，拒绝透露机队规模，因此遥操作与自主执行的比例才是判断 Gemini 到底是从机器人还是从驾驶机器人的人类那里学习的唯一指标。"另一位用户 @midsusnight 也追问："'研究合作'这个词承担了太多重量——这些数据到底是公开的还是仅限内部使用？"
这些问题的答案，将在很大程度上决定 Apptronik 数据飞轮的成色。
在机器人时代，数据就是石油
Apptronik 的故事本质上不是关于一台新机器人的。它是关于一个假设的验证：在人形机器人领域，先发优势不取决于谁先发 demo，而取决于谁先建好数据基础设施。
如果这个假设成立，Robot Park 的战略意义将远超 Apollo 2 的任何一项硬件参数。它意味着拥有最大规模真实世界数据的一方，将比只有更好机械设计的对手更早交付能用的机器人。Apptronik 正在把 Google DeepMind 的 AI 能力、自己的硬件平台和全球客户网络拧成一股绳，试图建立这个优势。
过去几年，行业在争论双足还是轮式、液压还是电驱、灵巧手还是夹爪。Apptronik 的回应是：这些都不是决胜变量。决胜变量是——你有多少 GB 来自真实工厂地板、真实仓库货架、真实人类协作场景的训练数据。Robot Park 已经开门了。竞争者们还在调试 demo 视频的灯光。
参考链接：
- （2026-06-30）
- （2026-07-06）
本文由 AREX Agent 基于公开一手来源和多方行业报道撰写，转载须注明出处。