تقول Google DeepMind إن نموذجها الجديد Gemini Robotics 2.5 ساعد هومانويد Apptronik المسمى Apollo 2 في أداء مهام تجهيز القطع (kitting) على خطوط إنتاج مرسيدس‑بنز النشطة — بما في ذلك سيندلفينجن بألمانيا — وحقق نسبة نجاح بلغت 96٪ في إثبات المفهوم. النتيجة، المعلنة في 10 نوفمبر 2026، نقلت الذكاء الاصطناعي الفيزيائي القائم على الرؤية‑واللغة‑والفعل من المختبر إلى خط صناعي حيث لا تزال المهام الرتيبة والمتكررة تُنجز غالباً بواسطة البشر.

ما اختبرته DeepMind ولماذا يهم

تصف DeepMind نموذج Gemini Robotics 2.5 بأنه «أكثر نماذجنا قدرة في مجال الرؤية‑واللغة‑والفعل حتى الآن»، وقد اختُبر عبر أكثر من 200 مهمة مميزة وتم ضبطه لتحسين البراعة والموثوقية والسلامة. في تجربة مرسيدس اختص هومانويد Apollo 2 بالتقاط حوامل معدنية من صناديق التجميع ووضعها في صوانٍ للتسلسل — وهي أعمال تجهيز منخفضة التعقيد لكنها عالية الحجم تحافظ على سير خطوط التجميع. تشير تقارير DeepMind إلى مكاسب إجمالية في نجاح المهام تتراوح بين 30–100٪ مقارنة بالمرتكزات السابقة وتحسينات في سرعة الأداء تتراوح بين 20–30٪ في تقييماتها.

يكتسب إثبات المفهوم في سيندلفينجن أهمية لأنه يبيّن بيئة مصنع حقيقية (وليس مجرد منصة اختبار) ولأن مرسيدس‑بنز أعلنّت التجربة بالشراكة مع أطراف أخرى. ركزت وسائل التكنولوجيا المستقلة التي غطت الإعلان على نسبة 96٪ وشارت إلى أن النموذج طُوِّر لشركاء الروبوتات بدلاً من أن يُطرح علناً. تساعد هذه التغطية الخارجية مخططي الصناعة الألمانية والمجالس العمالية على تقييم ما إذا كانت الهومانويدات ستُدرج قريباً ضمن مناقشات تشكيل موظفي أرضية الإنتاج.

ماذا يعني ذلك للسوق

بالنسبة للمصنّعين والموردين في ألمانيا، التأثير الفوري عملي: الروبوتات التي تتعامل بثبات مع أعمال التجهيز المتكررة قد تقلل اختناقات ترتيب القطع وتخفف الإجهاد العضلي والهيكلي للموظفين، مع تغيير تركيبة المهارات المطلوبة على الخط. تُصوّر DeepMind أعمال التجهيز بأنها «رتيبة ومتعبة بدنيا» وأن الروبوتات يمكنها القيام بها حتى يركز الفنيون على مهام التجميع المعقدة. ستتابع نقابات السيارات والموردون من الدرجة الأولى ومديرو المصانع ما إذا كانت مثل هذه التجارب ستتحول إلى زيادات مستمرة في الإنتاج وتحسينات متوقعة في الجودة.

بالنسبة للتجار وورش الخدمة وشبكة ما بعد البيع الأوسع، سيكون الأثر غير مباشر لكنه حقيقي. يمكن للتجميع الأسرع والأرخص وجودة بناء أكثر اتساقاً في المراحل العليا أن يخفض معدلات الضمان وتباين القطع في المراحل اللاحقة؛ وفي الوقت نفسه سيحتاج ورش الصيانة إلى مهارات تشخيصية وتعاملية جديدة إذا أصبحت مزيد من مهام المصنع مدعومة بالروبوتات. يشير محلّلو الصناعة إلى أن الإعلان يمثل علامة فارقة لكنه لا يعني نشرًا واسع النطاق فوريًا: Gemini Robotics 2.5 «يُطرح تدريجياً لشركائنا في قطاع الروبوتات»، مما يدلّ على مسار تجاري مرحلي.

ستكون سلامة التشغيل والرقابة التنظيمية ذات أهمية. نشرت DeepMind أيضاً أعمال سلامة جديدة (مقياس ASIMOV‑Jailbreak) وتُبلغ عن تحسينات قابلة للقياس في إتمام المهام بأمان حول العوائق والأشخاص — أرقام قدّمتها الشركة ضمن إصدار 10 نوفمبر. أي مصنع ألماني أو مجلس أعمال يقيم الهومانويدات سيطالب ببيانات سلامة شفافة وإشراف بشري واضح وحدود ملموسة لمناطق عمل الروبوتات بالقرب من الزملاء.

باختصار: تجربة سيندلفينجن إشارة موثوقة إلى أن الذكاء الاصطناعي الفيزيائي المتقدّم يقترب من أرضيات الورش. لا تعني بالضرورة توسيعاً فورياً عبر المصانع الألمانية، لكنها تضيق الجدول الزمني للمصنّعين والموردين وشبكات التوزيع/الخدمة للتخطيط للتدريب وتغييرات العملية والمشتريات.

ستكون الحلول المبنية للتجار وورش العمل والمصنّعين — على سبيل المثال أنظمة وكيلة متعددة مستقلة، وكلاء هاتف وصوت بالذكاء الاصطناعي، ومسح السوق والمخزون، ومساعدون بذاكرة مستمرة — أساسية لدمج التغيرات التي تقودها الروبوتات في العمليات اليومية. توفر شركات مثل DaVinci AI أدوات تساعد الوكالات ومراكز الخدمة على تحويل الكفاءات المتزايدة في المراحل العلوية إلى تحسينات في معالجة العملاء المحتملين، وحجز المواعيد، وسير عمل إدارة القطع، مما يسهل الانتقال للموظفين والعملاء. (انظر الملاحظة النهائية.)

عروض Mercedes Benz على WorldTrader24 →

المصادر: Google DeepMind, RobotsBeat, CellCog