深度机智自研架构，把“让模型理解世界并理解如何行动”这件事真正做扎实。
GPT-6的发布，把大语言模型的能力边界又一次推向了新的高度。
推理、编程与多模态理解的接连突破，让行业看到通用智能的演进仍在提速。不过，当模型能力在数字世界里被反复验证之后，一个更本质的问题随之浮现：一个足够理解世界的模型，究竟能不能在真实世界中行动？
Robocurve做过一组机械臂测试：在20次积木放碗任务中，GPT-6 Astra成功19 次，而Claude Fable 5.1在同一任务里只完成8次。
测试中，模型读取摄像头画面与机器人状态，给出末端的位置、姿态和夹爪指令，再根据新的视觉反馈持续调整动作。大语言模型对世界的理解，能够被转化为真实的物理行动。
大模型下一轮的价值扩张，正在越过屏幕。
但测试的另一面同样值得留意：在把蓝色圆形拼图块放进对应凹槽这类精细插入任务中，GPT-6 Astra的成功率降到了10%。大模型积累的通用理解能力，可以成为机器人适应任务的基础，但从“理解”到“执行”的鸿沟依然清晰：空间智能、具身理解与精细动作生成，仍是模型要在物理世界中行动就必须跨越的门槛。
而这，正是当前行业竞争的焦点。谁能补齐这些能力，谁就有机会把模型的能力边界延伸进工厂、实验室和日常生活。
深度机智正是在这个位置上交出了新答卷。它正式发布了物理基座模型 PhysBrain 1.5：在28项具身空间智能与规划基准上，其8B版本取得72.5的综合得分，在参与评测的开源模型中综合排名第一，整体表现已媲美GPT-6 Astra（73.3）、Gemini 3.6 Flash（73.0）等头部闭源系统。
这一次，一家成立才一年多的中国公司，正用一套自研架构，把空间理解、动作生成、未来状态预测等多维能力收进同一个基座模型，把“让模型理解世界、并理解如何行动”这件事真正做扎实。
1.把“理解、动作、预测”收敛进一个闭环
在讨论模型之前，需要先厘清物理智能到底在解决什么。深度机智将其概括为Physical Loop：一个“观察世界、理解空间与任务、判断动作后果、执行、再依据新的观察修正下一步”的物理智能循环。
真正的物理智能，不是单点能力，而是这个闭环能够连续、稳定地运转，并据反馈自我修正。但在今天，构成这一循环的能力大多分散在语义理解、空间感知、物体识别、动态生成等彼此割裂的专用模型中，缺少统一的世界表征、行动目标与反馈机制，Physical Loop也难以运转。
深度机智的判断是：要做出能“在世界中行动并自我修正”的底座，必须先回到这个闭环本身，把能力重新组织起来。PhysBrain 1.5，正是围绕这一闭环重建模型本身。
该模型以Qwen3-VL-8B-Instruct为基座，扩展出专用的动作token与视觉状态token，把语言回答、结构化空间输出、末端执行器轨迹，以及未来的RGB、深度与机器人占用预测，全部表达为离散token，在单一自回归主干、单一next-token预测目标下联合训练，不引入任何任务专属头。这意味着，理解、动作生成与未来状态预测不再由多个模型拼接，而是在同一个物理循环中共同训练、彼此对齐，构成了能力扎实、边界清晰的一体化物理智能底座。
在这套统一架构之下，PhysBrain 1.5的能力可沿Physical Loop拆成三个相互咬合的环节。其一是具身理解：：模型通过基础VLM接口、辅以具身监督，覆盖五类能力——基础视觉空间感知、3D与多视角空间理解、具身认知推理与规划、空间指向与可供性，以及视觉轨迹推理。换言之，它不只是“看懂”画面，而是带着空间结构与物理常识去理解场景。
其二是动作预测：给定任务指令、当前视觉观测，以及可选的近期动作历史，模型直接输出下一拍末端执行器的动作块，表达为一段ActionPiece token序列；单臂、左腕、右腕共用同一套词表与码本，意味着一份通用模型权重即可驱动不同形态的机器人。这正是“理解”能够落地为“行动”的关键一跃。
其三是未来状态预测：在给定当前观测与任务指令后，模型预测约一秒后的世界状态，并以RGB图像、度量深度图与机器人占用掩码三种模态联合给出。这种“先想象结果、再采取行动”的能力，让模型在闭环中拥有了前瞻与纠错的依据，动作尚未执行，它已能预判环境将如何变化。
这种“一个token接口贯通物理循环”的架构选择，比单纯堆高某项分数更能说明问题：它指向的，是一个可“感知—决策—行动—反馈”连续运转、并能据反馈自我修正的物理智能基座模型。
2.人类完整经验，是物理智能循环的来源
闭环要能运转，第一步是“有经验可学”。模型在Physical Loop中观察、决策、行动、反馈，其能力上限，终究由它所消化的物理经验的质量与完整性决定。而人类经验天然地嵌入这一循环中。人在真实世界中持续感知环境、理解情境、形成意图、采取行动，并根据环境反馈修正自己的判断与行为。人类的智能，正是在无数次Physical Loop中生长出来的。在深度机智的路线里，人类经验是物理智能循环的第一性来源。
为此，深度机智构建了Ego360全景数采体系，尽可能完整地保留人类行动过程中的环境、身体、手部交互与注视。这意味着模型学到的是一段连续、完整的“人类经验”，而非被割裂的局部，这正是“完整经验”之于物理智能循环的关键价值。只有保留了行动前后的因果链条，模型才能真正理解“为什么这么做”和“做完之后发生了什么”，而非仅仅记住“怎么做”。
当模型理解了因果关系，空间关系、操作方法与纠错经验就能在不同任务间迁移复用。人类经验的长期价值，正是在于它能沉淀出可复用的能力。当前，这套体系正以每月万小时级的速度持续新增，不断为物理智能注入丰富的训练资源。
让数据真正转化为模型能力，还需要打通从“看到”到“做到”的关键一环。PhysBrain 1.5引入的ActionPiece机制，正是解决这一问题的核心组件。它让模型能够同时学习“该怎样行动”和“行动之后可能发生什么”，即同时建模动作生成与状态预测。在团队内部实验中，PhysBrain 1.5的动作预测能力实现了从24%到54%的翻倍提升。
3. 72.5分，拿下开源第一，媲美顶尖闭源
PhysBrain 1.5本轮评测覆盖基础视空感知、空间与多视角理解、具身认知推理、空间指向与可供性、视觉轨迹推理五类能力，共28项基准。
结果上，PhysBrain 1.5-8B以72.5的综合均分拿下开源模型榜首，并在28项中的14项取得开源最佳，10项位列开源模型第二；相较最强开源对手Hy-Embodied-VLM-1.0（66.0）高出约6.5分，较RynnBrain 1.1（63.1）高出9.4分。更受关注的是其整体水位：72.5与GPT-6 Astra（73.3）、Gemini 3.6 Flash（73.0）的差距已收窄到1分以内。在具身智能的核心能力上，深度机智正与全球最前沿的闭源系统站在同一水位线上竞争。
深度机智同时开放了PhysBrain 1.5 2B与8B两个参数规模的权重，已上线Hugging Face，为社区验证与下游部署提供入口。（https://huggingface.co/collections/DeepCybo/physbrain-15）
4.Human-as-Humanoid：
人类经验驱动真机行动，闭环落到执行
如果说Ego360解决了“人类经验从哪来”，PhysBrian1.5实现了“人类经验如何转化为模型能力”，Human-as-Humanoid则回答了“人类经验如何转化为真机行动”。其研究证明，同步采集的第一、第三视角人类视频，可直接转化为适配PrimeU的动作训练数据；原始示范吞吐量达到遥操作的4.8—7.2倍，部分任务无需目标任务机器人示范，即实现从人类数据到真机执行的零样本迁移。
这一步的意义，在于把“模型能力”真正接到了“真机执行”上：人类经验不再只是训练素材，而是能直接驱动机器人完成真实操作的动作来源。从人类经验、到模型建模、再到真机落地，深度机智由此跑通了从模型能力到真机执行的全栈链路。
它也反向验证了Ego360与PhysBrain 1.5所代表的“人类学习”路线，不只是一套训练数据或一次基准高分，而是能在真实世界里闭环运转的完整系统。这正是“全栈布局”之于深度机智最具体的价值：大脑与身体、数据与本体，被组织在同一条主线上。
5.提前一年的路线定力，与正在重排的牌桌
全球范围内，物理基础模型的投入正在加速：Google DeepMind的Gemini Robotics、Physical Intelligence的π系列、Figure等，分别在具身推理、人类工作视频数据、少样本适应等方向上持续加码。一个明显的趋势是，国外头部企业正在殊途同归，物理经验数据、空间与交互能力、基础模型训练，正成为全球持续投入的共同焦点。
但如果把视线拉回一年前，深度机智早以将这些焦点写入了长期发展路线图中。2025年10月10日，深度机智发布《源于人，超越人》技术路线图，明确把“人类学习”作为物理通用智能的核心研发路径。围绕“以人类数据为起点”，“以动作为中心建模”，“身体为AI设计”的三大战略开展物理智能全栈布局。
在这套全栈布局中，Ego360持续积累的人类经验数据，PhysBrain基座模型以此不断探索能力边界，Prime系列本体则承担真实交互中的验证与反馈。人类数据基建、模型能力研发与本体闭环验证三环协同推进，在物理智能的每一阶段都进行系统性的技术积累与持续突破，持续收窄从“人类经验”到“机器能力”的转化路径。
深度机智用一个相对早期的起点，跑通了“数据—模型—本体”的全栈链路，并在今天交出了模型层面的可量化成绩。当行业对物理AI的认同迅速升温，真正稀缺的仍是长期一致的技术判断与跨环节的执行能力；深度机智过去一年围绕人类经验数据、物理智能建模与机器人验证所做的积累，正在转化为一种先发即难追的身位。
END.
