这四天里冒出来的四条消息，乍看互不相干：一台在欧洲工厂分拣零件的机器人、一个能在你笔记本里自己点鼠标的小程序、一架会从充电座飞起来的摄像头、一个允许外部 AI 直接改你本地设计稿的接口。
串起来看，它们做的是同一件事：让 AI 从「会说话」变成「会动手」。而一旦动手，讨论的重点就从「它聪不聪明」挪到了「它能不能被信任」。
我按「离普通人远近」排了个序，机器人最远，Nod 最近，剩下的两个在中间。你可以先从自己用得上的那条读。
96% 这个数，得掰开看
Google DeepMind 在 11 月 10 日发布 Gemini Robotics 2.5，一个视觉-语言-动作模型。官方说测了 200 多个任务，从夹子夹菜到给礼物盒打蝴蝶结、用移液枪吸液体，成功率比上一代基线高 30% 到 100%，完成速度快 20% 到 30%。
最能拿出手的证据在工厂：匈牙利 Kecskemét 和德国辛德芬根的奔驰产线上，Apptronik 的 Apollo 2 人形机器人自己从料箱里抓金属支架，按每台车需要的顺序摆进料盒，成功率 96%。它用的还是五根手指、22 个自由度的仿人手。
但 DeepMind 机器人负责人 Kanishka Rao 自己说了，剩下那 4% 是「很陡的路」。这句话比 96% 更值得记：工厂里人干这活几乎不出错，96% 意味着每小时得有两次失误。
为什么是现在？靠的是 Gemini 4 Argon 当仿真引擎，拿真实现场画面造数字孪生，一天跑几千次虚拟练习。真实物理数据不够，就拿算力硬凑。这是今年机器人圈子共同的解法，也是「实验室分数好看、车间里另说」的根源。顺带说一句：这套模型现在只发给机器人合作伙伴，普通人连试用入口都没有。
Nod 这条，普通人更该留意
n8n 的实验室团队同一天放出 Nod 的研究预览版。Mac 或 Windows 上装一个客户端，它自带一台本地虚拟机和自己的浏览器，替你去取消订阅、比价、订酒店。
它不在云上跑。不用 n8n 账号，数据、记忆、存过的登录状态都留在你这台机器里；开源，Apache 2.0 许可，模型用哪家你自己挑，也能接本地跑的开源模型。
动手之前它会问。发消息、付钱、发帖、删文件这类你没明确交代过的事，要过一道单独的检查，网页和邮件不能给它下命令。它还会主动找活干：读你接进来的 Gmail、日历、网盘、Slack，提「这些事我可以替你办」，早间简报、盯价格这类重复活能挂成定时任务，在 Telegram 或 WhatsApp 上跟它说就行。
限制也摆在明面上：笔记本合盖它就停；单次任务花费过 5 美元会来找你确认；一次安装只归一个人；它不能打电话。早期测试者嫌贵，最近版本降了一大截。
会飞的摄像头：把「看」也变成了「动」
Ring 这周在纽约开发布会，室内无人机摄像头 Drone Cam 定价 249.99 美元，2027 年 1 月 27 日开卖，只在美国发售，录像存储和进阶功能要配 Ring Protect 订阅。
它不是新概念。2021 年 9 月 Ring 就宣布过 Always Home Cam，隔了将近六年才真开卖。同一批发布里还有个 999 美元的 Rover Cam，12 月 16 日先上市，给仓库和厂房用。
变的地方不在「会飞」，在它怎么决定往哪飞：导航交给云端的 AI Pilot，传感器一响，有动静、门开了、漏水、报警，它自己规划路线飞过去直播。165 克机身，2K 主摄，一次能飞 8 到 10 分钟，断网就落地。
隐私那套说辞有点意思：停靠时镜头是关着的，飞起来动静大，藏不住。听着合理，可这也等于承认，它默认在你不在家的时候干活。
Adobe 这一步最安静，也最狠
Adobe 在 MAX 大会上说，要给 Creative Cloud 做本地 MCP：OpenAI、Google、Anthropic 的智能体可以进到 Photoshop、Illustrator、Premiere、After Effects 里，直接改你电脑上的原生工程文件。
不是导出再导入。图层、矢量、素材箱、时间线都还能编辑，人随时能接手改。私测要等到 2027 年初。
Adobe 副总裁 Deepa Subramaniam 对 TechCrunch 说，他们自己也还在摸「线该画在哪儿」，要先看用户反馈再决定开放哪些能力。翻译一下：能力先开出去，边界慢慢收。
这是四条里最不喧哗的一条，也是最重的一条。开放本地文件接口，等于把设计师最值钱的资产，那份还在改的工程文件，交到别人家的模型手里。
为什么都挤在这几天
不是巧合。机器人、本机智能体、消费硬件、设计软件，四条线各自卡在同一个瓶颈上：模型「看懂画面、听懂人话」这块，到 2026 年底算是够用了，剩下的差距在手上、在权限上、在硬件上。
于是大家做的是同一套动作，把已经够用的模型接到能执行的东西上。Gemini Robotics 2.5 换的是手臂和手指，Nod 换的是本地虚拟机和浏览器，Ring 换的是螺旋桨和云端导航，Adobe 换的是自家软件的接口。
DeepMind 机器人业务负责人 Carolina Parada 讲得很直白：想要在某个应用上做到最好，就得牺牲泛化；想推泛化，就别指望每个应用都到 99.9%。这话放到另外三条身上，一样成立。
四件事的共同点：都在要权限
把它们摆在一起看，要的都不是「更聪明的回答」，而是三种权限：动东西的手（机器人、无人机）、动文件的接口（Adobe 的 MCP）、动账号的登录态（Nod 的本地浏览器）。
这些权限有个共同麻烦：出错不再是一句错话，而是一个动作。错话删了重说就行；误删的文件、飞错房间的无人机、下错的订单，要赔钱。
所以这几份发布里，安全反倒成了主角。Gemini Robotics 2.5 遇到障碍会停下来等，有障碍物时完成任务的比例高 33%，旁边有人时高 43%；它还带了一个专门测机器人越狱的公开基准。Nod 更直白，把「你有没有让我干这个」单独做成一个模型来判断，判不准的时候就来问你。
我的判断：下一轮比的不是聪明，是可信
第一条判断：这一轮的分水岭不在跑分，在「敢不敢把家门钥匙交出去」。谁把权限切得细、把数据留在本地、把每一步的花费和痕迹写清楚，谁就先被真正用起来。Nod 那句「每个任务结束给你一张小票」，比任何参数都值钱。
第二条：注意这里的时间差。真正跑起来的三件，工厂分拣、Nod 预览版、无人机预售，都在有限场景和明确边界里；最诱人的那件，Adobe 的本地 MCP，反而最晚，2027 年初才开始私测。厂商自己比谁都清楚这一步有多重。
普通人眼下能做的只有一件，但很实用：以后看一个 AI 产品，把「它能动什么」放在「它有多聪明」前面问。会说话的软件已经满地都是，敢让它动手的那一步，才是分水岭。
