核心概念

2026 年 6 月，Google DeepMind 宣布推出首個專為歐洲機器人新創設計的加速器計畫。這是一個為期 12-15 週的無股份（equity-free）密集支援計畫，選出 15 家早期階段新創，提供技術指導、Gemini Robotics 模型存取權，以及最高 35 萬美元的 Google Cloud 額度。

計畫的核心意圖相當清晰：DeepMind 要把 Gemini Robotics 模型推進到真實的產業場景，而非只停留在研究論文層面。15 家新創同時也是 15 個活體測試場，讓 DeepMind 的機器人基礎模型在物流、醫療、建築、海洋監測等垂直領域取得早期落地案例。

計畫結構

階段 時間 形式
開幕週 2026 年 6 月，倫敦 5 天實體聚會（DeepMind 倫敦總部）
核心訓練期 2026 年 6-9 月 線上訓練 + 遠端指導
結業展示 2026 年 9 月，倫敦 3 天 Demo Day 活動

入選資格

  • 歐洲設立、已獲 VC 投資（至少 Pre-seed 輪）
  • 技術團隊 5 人以上，具備強 AI 背景
  • 所有創辦人與核心成員須全職投入
  • 聚焦領域：物流、製造業、健康與生命科學、人機互動、教育、進階導航

支援內容

  • Gemini Robotics 模型使用權（搭配 Google AI 技術堆棧）
  • DeepMind 與 Google 專家一對一技術指導
  • 客製化 Google Tech Bootcamp
  • 最高 $350,000 Google Cloud 額度（Google for Startups Cloud Program）
  • Demo Day 曝光機會

關鍵要點

  • Physical AI 的分水嶺概念：此計畫使用「physical AI」一詞，而非傳統的「embodied AI」或「robotics AI」，這個命名選擇反映 DeepMind 正在打造一個橫跨軟體與硬體的新品類定義。Gemini Robotics 不是獨立的機器人模型，而是 Gemini 多模態基礎模型的物理世界延伸。

  • 歐洲戰略意義：歐洲在機器人製造業傳統上有深厚基礎（德國製造、丹麥協作機器人、英國深科技），但在 AI-native 機器人新創上落後於美國與中國。DeepMind 以歐洲為首站，一方面利用地理鄰近性（倫敦總部），一方面佈局歐盟 AI Act 框架下的「可信 AI 機器人」市場。

  • 入選新創的應用廣度：15 家新創涵蓋的垂直場景令人矚目——從廢料自動分類（Danu Robotics, 英國）、神經外科微型機器人（ROBEAUTE, 法國）到機器人觸覺電子皮膚（Touchlab, 英國）。這個組合刻意多元化，目的是壓測 Gemini Robotics 在不同感知-動作循環場景中的泛化能力。

  • 無股份設計的信號意義：DeepMind 沒有要求股份，這與 YC、Techstars 等傳統加速器模式不同。回報是技術生態綁定：早期採用 Gemini Robotics 的公司，在模型迭代過程中提供了真實數據回饋，這本身就是無價的。

  • 與 DeepMind 亞太計畫的對照：同年 5 月 DeepMind 在亞太推出「AI for the Planet」加速器，聚焦氣候與環境 AI；6 月歐洲機器人加速器則聚焦物理智能。這兩個計畫組合說明 DeepMind 的全球加速器戰略：以地區優勢主題作為切入點，而非在所有地區做同樣的計畫。（參見：AI for the Planet：Google DeepMind 亞太環境加速器）

實務應用

三家代表性入選新創展示了 physical AI 的邊界探索方向：

Danu Robotics（英國）：用 embodied AI 自動化廢料分類。廢料分類需要在非結構化環境中識別形狀各異、材質混雜的物件——正是傳統機器視覺的軟肋，也是基礎模型泛化能力的強測試場。

ROBEAUTE（法國）：開發能在腦組織中導航的微型機器人，用於神經病理診斷與治療。這個應用對精確度與安全性的要求達到醫療器材等級，是 Gemini Robotics 進軍高監管場景的重要試水。

Touchlab（英國）：以奈米墨水製造機器人「電子皮膚」，提供高解析度觸覺感知。觸覺是現有機器人感知最薄弱的一環，Touchlab 的技術若能整合進 Gemini Robotics 的多模態感知架構，將填補視覺之外的感知缺口。

這三個案例都指向同一個命題：機器人 AI 的核心挑戰不在於讓機器人動起來，而在於讓機器人在非結構化、高風險、高精確度要求的真實環境中安全可靠地動起來。DeepMind 選擇用加速器方式逼近這個問題，本質上是在用產業現場替代實驗室環境做壓力測試。

延伸觀點

DeepMind 加速器計畫背後的技術賭注

從三個外部來源的交叉驗證，可以得出一個更清晰的技術戰略圖景：

根據 Digital Watch Observatory 與 StartupHub.ai 的分析，Google DeepMind 此次加速器的核心差異點在於 Gemini Robotics Models 的商業化路徑。DeepMind 在 2025 年底發布 Gemini Robotics 時，面臨的最大挑戰是「benchmarks 很好看，但真實場景部署案例幾乎為零」——而這個加速器正是在系統性地製造這些部署案例。

兩個以上來源共同指出的觀點：

  1. 歐洲機器人生態的系統性差距：歐洲在硬體機器人製造（ABB、KUKA、Universal Robots）有強勢地位，但在 AI-native 軟體層（perception、planning、foundation models）顯著落後，DeepMind 的加速器計畫恰好瞄準這個整合層的空缺。

  2. 無股份設計是數據獲取策略：加速器企業通常以股份換資源，DeepMind 選擇不要股份但提供深度技術整合，意味著真正的回報是新創在使用 Gemini Robotics 過程中產生的真實部署數據——這在機器人基礎模型的後訓練（post-training）階段是關鍵資產。

  3. Physical AI vs. Digital AI 的競爭格局：Google、OpenAI、Anthropic 目前的核心競爭集中在數位 AI（語言、程式碼、影像），而 Tesla、Figure AI、Boston Dynamics（Hyundai）在機器人領域形成另一個競爭軸。DeepMind 此舉是在模型層切入機器人賽道，試圖成為 physical AI 的 Android 系統（平台）而非 iPhone（垂直整合硬體）。

延伸閱讀連結：

反向連結

以下頁面引用了本頁：