英偉達All in的物理AI路線，居然是中國黑馬提前一年就定義好了
當全球具身智能行業還在爭論技術路線時，一家中國公司已經率先定義並跑通了自己的答案。深度機智提出的「人類學習」路線——以人類數據為起點、動作建模為中心、機器人為 AI 而生——正在被英偉達、Physical Intelligence 等海外頭部機構沿同一方向跟進。成立僅一年，數據、模型、本體、場景全線落地，核心布局節奏領先美國同類項目近一年。
具身智能行業眼下最大的不確定性，在路線層面。
過去兩年，行業在 VLA 端到端、模擬訓練、遙操作三條路線上各有押注，每家都在大量投入，但誰也不確定哪條能走到終點。
數據從哪來、模型學什麼、機器人怎麼造——不同團隊給出的答案截然不同。
而路線一旦選錯，前期積累的數據、模型和硬體可能全部推倒重來。
在這個賽道，路線選擇的權重，可能超過任何單點技術的突破。
2024 年 11 月，深度機智（DeepCybo）創始人陳凱在行業內率先提出了「人類學習」原創技術路線。
這條路線的野心遠不止於換一種數據採集方式——它試圖以人類認知和行為模式為藍本，重新組織具身智能的整個技術棧：數據怎麼采、模型怎麼訓、機器人怎麼造，三者圍繞同一套邏輯協同設計。
短短一年多時間內，英偉達 GR00T 體系、Physical Intelligence π 系列、Generalist AI GEN-1 陸續沿相似方向布局。
全球頭部機構正在驗證同一個判斷——而深度機智是最早做出這個判斷、並且最早完成全棧落地的團隊。
一條路線：源於人，超越人
理解深度機智，首先要區分兩件事：「用人類數據訓練機器人」是一種技術手段，「人類學習」是一套完整的技術範式。
前者只解決數據來源問題，後者重新定義了數據、模型和硬體三者之間的關係。
當前具身智能的數據困境，是理解這條路線價值的起點。
訓練大語言模型時，互聯網上有數萬億 Token 的現成文本可直接使用。
機器人沒有這樣的數據礦藏——人怎麼拿杯子、開抽屜、打雞蛋，這些動作每天發生無數次，卻從未被系統性數字化。
主流的遙操作採集產能極低，一人一機一天不過幾小時有效數據；
模擬數據成本低但存在 Sim2Real Gap，到了真實環境性能大幅折損。
深度機智的選擇是直接從人類日常操作中採集第一視角數據。
但這隻是路線的第一層，更關鍵的是後面兩層：模型要能從人類視頻中提取出物理常識、空間結構和交互規律，再「翻譯」成機器人可執行的動作指令——這要求模型具備深層的物理世界理解能力；
而機器人本體也要為此專門設計，比例和自由度貼近人體，以最大化人類數據的遷移效率。
2025 年 10 月，深度機智發布《源於人 超越人》通用具身智能路線圖，將這套邏輯概括為三位一體戰略：Human-Centric Data（人類數據為起點）、Action-Centric Modeling（動作建模為中心）、Robot for AI（機器人為 AI 而生）。
三者協同設計，構成一條完整的技術範式，而非三個獨立模塊的簡單拼接。
全棧落地：數據、模型、本體三線並進
路線圖的說服力在於落地速度。
深度機智成立僅一年，已完成數據、模型、本體三條線的全棧技術落地，核心布局節奏領先美國同類項目近一年。
數據基建
數據是物理 AI 迭代的核心燃料。深度機智從硬體、範式、數據集三個維度，搭建了完整的第一視角數據基建體系。
深度機智自研的分體式第一視角感知採集方案，早在去年 6 月就完成定型落地，布局節奏領先美國 Scale AI 同類同質方案近一年。
比數據規模更關鍵的是數據範式。
首創 ICDC 情境數采範式，在真實場景中記錄人與世界交互的時空經驗，並通過自動化的數據轉化管道，將真實世界中的人類行為轉化為可被模型學習的時空經驗。
在此基礎上，構建了 DeepAct 第一視角多模態數據體系，整體規劃早於英偉達 EgoScale 項目。
目前數據規模已達到數十萬小時級，並正在向更大規模真實世界數據基礎設施推進。
基座模型
深度機智的目標不是訓練一個只會執行單一任務的機器人策略，而是構建面向物理世界的具身智能基座模型。
圍繞「動作建模為中心」的核心戰略，深度機智打造了多維度協同的模型技術矩陣，在七大國際權威評測中全面領跑。
2026 年 3 月，深度機智在中關村論壇全球首發 PhysBrain 1.0 具身通用智能基座體系，圍繞物理世界理解、空間關係建模和連續動作生成進行訓練。
發布時間比美國 Generalist AI 的 GEN-1 早一周，核心技術框架被 Physical Intelligence 旗下前沿模型 π0.7 公開引用。
模型層面最具說服力的進展是 Zero-shot 泛化驗證：機器人在未針對特定物體或任務做過專項訓練的情況下，僅憑人類數據預訓練獲得的能力，在真機上完成了自主操作。
這是國內首次在全自研技術體系下，驗證純人類數據從模型訓練到真機執行的完整路徑——人類數據不僅能幫機器人「理解世界」，更能直接轉化為執行能力。
硬體本體
遵循「機器人為 AI 而生」的設計哲學，深度機智從結構比例、自由度配置到控制邏輯，全部為 AI 模型的數據遷移量身設計。
2025 年 9 月發布的 Prime 是全球首款工業級可自主站立的全自由度擬人體機器人，已實現純人類數據驅動、零真機微調的技術路徑，在世界範圍內率先跑通 Robot for AI 的技術閉環。
圍繞不同場景需求，公司進一步拓展產品矩陣，公司還推出了面向精細操作的輪式雙臂機器人 Prime U，以及面向教育和開發者的 3D 列印輕量化機器人 Prime Lite。
三條線單獨看各有別家在做，但三者圍繞同一條技術路線做協同設計、並完整跑通從數據到模型到真機的閉環——深度機智是國內最早做到這一點的團隊。
深度機智全尺寸擬人體機器人：Prime
進入真實場景
全棧能力的價值在於技術成果能快速轉化為場景落地，而非僅僅停留在實驗室 Demo。
深度機智目前在兩類場景持續推進。
一類是高價值科研場景：全自由度擬人體機器人已進入真實的生物科學實驗室，圍繞柔性操作和精密實驗流程做驗證，面向 AI 自主科學發現方向探索。
合作方包括中國科學技術大學多學科無人實驗室、香港首個全棧具身智能實驗室，以及海內外多所頂尖高校與科研機構。
另一類是教育與開發者場景：Prime Lite 已進入北京市十一學校和中關村學院等課堂，覆蓋從結構設計、3D 列印、本體拼裝到模型訓練部署的完整教學鏈路，教育方案還實現了出海，進入澳大利亞等海外市場。
商業化方面，深度機智堅持「克制又靈活」的節奏——核心資源集中在基座模型的長期建設上，研發過程中沉澱的技術成果同步推向市場驗證。
截止目前數采設備及方案、教育機器人、人形機器人及其遙操作系統等全產品線均已實現訂單落地，累計簽約金額達數千萬元。
融資方面，深度機智近期再獲數億元融資，由國壽長三角科創基金領投，老股東普華資本、誠通科創基金持續加註，藍湖資本、博彥科技、磐谷創投、朝暉資本、財鑫資本、道禾長期投資、易高資本、明德資本等多方資本參与。
憑藉其前瞻的技術路線與紮實的落地兌現能力，本輪融資受到數十家機構高度關注與參与。
據悉，下一輪融資已進入收尾階段。
先發一步的意義
具身智能的範式之爭遠未塵埃落定。
Transformer 論文到 ChatGPT 之間隔了五年，具身智能面對的物理世界複雜度遠超數字世界，路線從提出到規模化兌現的周期只會更長。
深度機智自身也將當前階段定義為「從技術驗證走向系統性驗證」。
全球競爭格局中，英偉達、Physical Intelligence、Genesis AI、Generalist AI 都在類似方向投入重兵，算力和生態資源遠比中國創業公司充裕。
深度機智先發近一年，寶貴的時間差能形成多深的護城河？
先發一步的優勢是具體的：早一年出發意味著早一年踩坑、早一年積累工程經驗、早一年讓數據飛輪轉起來。
而深度機智真正的壁壘，不止於先發一年的時間差，更是全棧協同帶來的複合放大效應：當數據、模型、硬體圍繞同一路線同向迭代，每一次技術突破都會同時反哺另外兩個環節，形成正向循環，持續放大先發優勢。
深度機智創始人陳凱認為，物理 AI 的發展將依次經歷三個階段：人類數據規模化預訓練、本體數據迴流迭代、真實環境自主進化。當前行業正處於第一階段的關鍵窗口期。
誰能在這個窗口期內率先跑通全棧閉環、建立數據飛輪，誰就有可能定義下一階段的行業標準。
作為中關村學院與中關村人工智慧研究院聯合孵化的首傢具身通用智能企業，深度機智的目標不僅是做一家技術公司，更要探索一條屬於中國的物理 AI 原創技術路徑。
本月，深度機智登陸央視《新聞聯播》、《朝聞天下》，成為產學研協同創新的標杆案例。
這條中國原創的「人類學習」技術路線能走多遠，不只關乎一家企業的成長，更在驗證一個核心命題：中國能否在物理 AI 這條全新賽道，掌握屬於自己的底層技術定義權與產業話語權。
*以上內容系網友YOYO丫米自行轉載自新智元，該文僅代表原作者觀點和態度。yeeyi號系信息發布平台，僅提供信息存儲空間服務，不代表贊同其觀點和對其真實性負責。如果對文章或圖片/視頻版權有異議，請郵件至我們反饋，平台將會及時處理。