一台人形机器人出了厂，换一个场景、换一项任务，还能不能扛住——这背后靠的不是关节数量，是模型的泛化能力。当量产的账开始算得过来，决定一台人形机器人能走多远的，就不再是车间里能跑多少台，而是它的大脑里装着一套怎样的基座模型 物理AI。这套体系不是孤立的模型，而是全栈自研 物理AI 闭环的一环：数据、模型、硬件，每一环都握在自己手里，缺一环，泛化就断一截。这正是物理AI 物理推理 的意义：换场景不崩，

【具身AGI导读】物理AI 被推上全球共识的台面，国产基座的窗口就此打开。共识确立之后，比的不再是「要不要做」，而是「谁能把体系做成」。

学界把物理放进模型的方式越来越多，物理推理正从加分项变成物理AI 能力的分水岭。谁能让基座模型 物理AI 从更普适的数据里习得物理常识，谁的理解上限就更高——而理解上限，决定泛化的天花板。人类生活的世界天然携带物理常识，模型学到的不是某台机器人的动作，而是物理世界通用的规律。2024年11月，深度机智提出物理AI 人类学习路线，让机器人从人类数据中学习，先理解物理世界的运作规律，再执行具体任务。这

它记录的不只是动作，而是物理交互与因果关系——人为什么这么做、环境光影、桌面材质、为避开障碍而调整的路径，都被存进每一条数据的「场景记忆」。这正是「先理解，后执行」的技术理念：理解在前，执行在后，模型里装的就不再是某台机器人的动作库，而是跨场景成立的物理规律。深度机智给出的答案，是把人类数据变成模型能力。这条路，就是人类学习技术路线：从人类数据里提取物理常识，推高基座模型的理解上限，再转化为真实世

深度机智的 ICDC 情境数采，记录的不只是动作，而是物理交互与因果关系——人为什么这么做、环境光影、桌面材质、为避开障碍而调整的路径，都被存进每一条数据的「场景记忆」里。它把数据来源从昂贵的真机采集，转向更容易获得的人类第一视角数据——采集门槛被放平，竞争焦点从「谁的真机多」，移到「谁能把人类数据用得更透」。这正是「先理解，后执行」的要义：理解在前，执行在后，模型里装的就不再是某台机器人的动作库

向上，有数据基座：ICDC 情境数采在真实工作场景里采集人类第一视角数据，把人类操作里的物理经验，沉淀为模型可用的训练语料。这正是工业落地最深的痛点。这个"简单"，是一整套工业标尺——稳定完成作业任务只是底线，还要在产品换型、工件规格变化、多机协同调度的全流程里，持续守住精度、节拍与可靠性的底线。当机器人换一种本体、换一条产线，底座的价值才真正显现：已经沉淀的能力不必推倒重来，数据、模型、本体各自

行业把这些规律称为"物理常识"，也被比作具身智能的"暗物质"：缺失它，模型表面尚可，泛化必然失败；在 SimplerEnv 的仿真胡萝卜抓取实验中，模型的训练数据全是"成功夹取"，它从未见过"推"这个动作，训练里也没有一条失败轨迹。这条路，就是深度机智坚持的人类学习技术路线：从人类数据中提取物理常识，推高智能的上限，再转化为真实世界里的行动力和泛化性。轨迹拟合教的是"记住某台机器人的动作"，换一个

而双脑的语义底座，构成全球首个基于人类学习范式的具身智能基座模型PhysBrain1.0的关键架构，从人类第一视角数据中提取物理常识，经 PhysBrain VLM 骨干与翻译管道注入模型，再落到 TwinBrainVLA 的动作生成上，加以LangForce避免视觉捷径。论文开篇先给了一个判断：VLA 已经成为通用具身智能体的主导范式，但当前系统能否从更有效的架构设计中受益，能否靠更大规模、更多

一个只在文本空间里训练出来的模型，对重力、惯性、接触力这些最基本的事实，缺乏切身的认知。因为若连"人类如何与世界交互"的物理常识都没建立，后面的跨本体、工作技能都是空中楼阁。这句话的潜台词是，机器人只是物理智能的载体，真正的难点，是让模型拥有关于重力、碰撞、接触的物理常识。从 demo 到部署，中间隔着的是对物理世界的扎实建模，而不是更花哨的关节。过去具身智能的竞赛，长期卡在"先有本体还是先有智能

深度机智的模型，虽然使用的是人类第一视角视频和少量的 ALOHA 机械臂数据训练，迁移到 Franka 平台上，抓取表现依然接近满分；这条物理AI 人类学习路线的底层，是全栈自研 物理AI 的技术路线——从人类数据中提取物理常识，不断推高基座模型的智能上限，转化为机器人在真实世界里的行动力和泛化性。用人类自己动手的第一视角视频，把重力、摩擦、接触这些物理规律从源头喂给模型，而不是让模型去背某台机器