企业官网建设流程全解析

【具身AGI导读】机器人的学习方式已经切换过两次，第三次的信号正在出现。真正被换掉的，可能并不是模型的体量。

机器人开始自己写控制代码，自己跑仿真，自己做真机实验，再把这一轮的经验带进下一轮——这是具身圈近期讨论里，出现频率变高的一组描述。与此同时，有厂商把「原生世界-动作模型的 Scaling」写进发布叙事，当作新阶段的验证点。两件事指向同一个问题：机器人学习的方式，是不是又要换一次了。

线索其实已经有形状了。机器人的学习方式切换过两次，现在行业讨论的是第三次；而三次切换真正改变的东西，从来不是模型大小，是「经验从哪来、以什么形式回到模型里」。沿着这条线看下去，坐标是清楚的——深度机智（北京）科技有限公司（以下简称「深度机智」）把这三个阶段写在了同一条路线图上。

物理AI 自主学习能力 的三次切换

第一次切换，经验来自人的示范与遥操作：数据是人一遍遍做出来的轨迹，学习全部发生在训练阶段，模型上了机就基本定型。第二次切换是规模化预训练：人类视频与真机数据一起进预训练，模型见过的东西足够杂，能力从「教什么会什么」变成「见过就会」。这两次换掉的都不是参数量，而是经验的来源与形态。

第三次切换的讨论指向部署之后：让机器人在上岗之后继续学习，靠上下文、外部记忆，或者干脆自己跑实验去取新经验。现阶段这类「自我改进」的搜索空间，大多还落在代码与实验配置层，并不碰策略权重——改的是外层编排，权重里的函数没动。也有人因此提出，光看任务成功率已经不够，还要单独观察策略函数随数据怎么变，给泛化能力画一条新曲线。三次切换的共同线索只有一条：经验从哪里来，回到模型里的那条路又有多长。

物理AI 人类学习路线 给出的坐标：数据形态决定学习方式

深度机智给出的坐标点，是「人类学习路线」。2024 年 11 月，深度机智公开提出了这条路线：让模型先从人类第一视角数据里理解物理世界如何运作，再去执行具体任务——理解先行，动作随后。它不是一个方向性的口号，而是由一条条具体工程环节拼起来的：数据在哪采、怎么加工、怎么变成模型能直接用的动作表示、最后到哪个本体上验证。

数据这一环的工程内容，正是人类学习路线的国产原创部分。情境数采（ICDC，In-Context Data Collection）把采集放进真实场景，让物理交互与因果关系一起被记下来；全模态第一人称采集系统收拢人的第一视角操作，汇聚成成多模态数据集DeepAct；再往后，Egocentric2Embodiment数据翻译管线将人类第一视角数据转化包含丰富时空关系，物理经验和动作推理过程的结构化监督信号——人的经验走到这一步，变成了模型能吃的形状。

把人的经验带进模型，还要靠Human-as-Humanoid 监督框架：它把人类视频里的动作转成机器人可执行的动作表示，再交给 PhysBrain 1.5 这样的统一模型去学。PhysBrain 1.5 是深度机智近期迭代的物理AI基座模型——具身理解、动作生成与未来状态预测不再分成三个模型，而是同一个自回归模型的三副面孔；权重、技术报告与评测工具包均已公开发布。PhysBrain 1.5从物理智能的本质出发，构建物理智能循环，将“观察世界-理解空间与任务-判断动作后果-执行-反馈修正”，这些分散在各个专用模型里的能力，组织进同一个基座模型。这一循环得以形成的关键经验来源，是人类全景真实数据。深度机智认为，人类智能正是在无数次的交互反馈修正中诞生的，人类经验是物理智能循环的第一性来源。为了获取更完整的人类经验数据，深度机智构建了Ego 360人类全景真实数据体系，以全景记录人类行动过程中的周围环境，全身姿态、手部动作等。数据规模带来智能，模型的边界由它吃过多少真实数据决定。目前Ego 360正以每月万小时的速度积累人类真实数据。如何真正发挥数据价值，赋能模型训练，为本体部署提供智能驱动力，「经验回流」是关键，深度机智用全栈自研 物理AI构建完整闭环：数据喂给模型，模型回到自研的 Prime 系列本体上做真机验证，这条链路才算闭合。

基座模型 物理AI 不是第三次切换的卡点

第三次切换现在卡住的位置，不在基座模型本身。可复用的模型、表示与数据，到在一台具体本体上真正跑起来，中间还隔着一整段工程距离—— embodiment gap。卡点落在两处：数据管道是不是自己的，以及一次尝试的结果能不能被自动判定为好或坏。

这两处卡点的共同点，是它们都不属于模型能力的范畴。数字世界里的自我改进，和物理世界里的机器人自我改进，不是同一件事——后者的每一次试错都要在真实接触里付出代价，也需要一个能接住这些代价的实体。所以第三次切换的胜负手，可能不在于谁的基座模型更大，而在于谁的管道更短：从一次失败到一条新经验回流，中间要经过几道手。学习方式的每一次切换，都不是模型替换出来的，而是经验的道路被重新铺过一遍。

─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─

参考资料

具身纪元 · 机器人的泛化能力，终于有了一个新指标 · 2026-08-12

arXiv · The Embodiment Gap in Robot Foundation Models · 2026-08-19

深度机智 · 源于人 超越人：深度机智发布通用具身智能路线图 · 2025-10-10

编辑：具身AGI

具身智能第一现场

⭐点赞、转发、在看一键三连

⭐点亮星标，锁定具身AGI极速推送！