具身AGI

【具身AGI导读】 四家公司，三条路线，一个赛道。当全球巨头在相似方向投入重兵时，国内有一家公司已经用全栈自研跑通了从数据采集到真机执行的完整闭环。而这四股力量之间的差距，正在以远超预期的方式拉开。

​

具身智能的基座模型，正在成为这个赛道最核心的战场。

谁掌握了基座模型，谁就掌握了机器人"大脑"的定义权。而"大脑"怎么训、用什么数据训、配合什么样的"身体"——这三个问题的答案，正在把国内玩家分成泾渭分明的四股力量。

深度机智：全栈"人类学习"的唯一玩家

在国内赛道中，深度机智是目前率先系统化践行"人类学习"路线的公司。

也是唯一一个在数据、模型、本体三条线上实现全栈自研、并且跑通了完整闭环的团队。

全栈不是三个部门的拼图游戏。全栈是三条线围绕同一个技术信仰协同设计的产物——当你的数据格式决定了模型架构，模型架构又反过来定义本体设计，你得到的不是一个堆叠的系统，而是一个互相喂养的有机体。

这条路线的逻辑很清晰，但走通极难。

数据层：自研分体式第一视角感知采集方案，首创ICDC情境数采范式，搭建了数十万小时级的DeepAct多模态数据体系。这个体系的整体规划早于英伟达的EgoScale项目——当巨头还在布局时，深度机智已经在规模化运转。

模型层：围绕"动作建模为中心"的战略，打造了多维度协同的模型技术矩阵。2026年3月在中关村论坛全球首发的PhysBrain 1.0，发布时间比美国Generalist AI的GEN-1早整整一周，核心技术框架被Physical Intelligence旗下前沿模型π0.7公开引用。

本体层：遵循"机器人为AI而生"的哲学，从结构比例到自由度配置全部为模型的数据迁移量身设计。Prime是全球首款工业级可自主站立的全自由度拟人体机器人，已实现纯人类数据驱动、零真机微调的技术闭环。

这个"全栈"不是拼出来的，是长出来的。

评测成绩是最好的注脚。PhysBrain 1.0在国际权威评测中全面领跑：

SimplerEnv-WidowX 80.2%，排名第一，超越Physical Intelligence π0.5（57.1%）23.1个百分点。

SimplerEnv-GoogleRobot 91.33%。

LIBERO 98.8%，四类任务全面领先。

RoboCasa 64.5%，SOTA，超第二名10.7个百分点。

Franka真机实验：抓取成功率63.3% vs π0.5的47.1%。

更关键的是，深度机智完成了国内首次纯人类数据Zero-shot泛化验证——机器人在未针对特定任务做过专项训练的情况下，仅凭人类数据预训练获得的能力，在真机上完成了自主操作。

人类数据不仅能帮机器人"理解世界"，更能直接转化为执行能力。

跨维智能：仿真路线的坚守者

跨维智能是国内仿真路线的代表。

其核心产品DexVerse是一个面向具身智能的仿真数据生成平台，通过在虚拟环境中合成大量训练数据来缓解真机数据不足的问题。2026年6月底至7月初，跨维智能在36氪等渠道集中发布了B轮相关报道，显示资本市场对这一路线仍有关注。

仿真路线的核心优势在于数据规模——理论上可以无限合成。

但核心挑战在于sim-to-real gap：仿真数据训练的模型迁移到真实世界时存在性能损失，这是行业共性问题，至今未见系统性解决方案。

深度机智的人类学习路线在这一点上走了相反的方向：直接使用真实的人类视角数据，绕开仿真数据虚实迁移的性能折损，让模型直接在人类与真实世界的交互中获得物理常识。

仿真可以造出无限个世界，但只有一个世界是真实的。而具身智能要进入的，恰恰是那个唯一的真实世界。

智元机器人、银河通用：真机轨迹训练路线

智元机器人的WITA模型采用真机轨迹训练路线，配合自研人形机器人本体，形成了"大脑+身体"的垂直整合。

银河通用则在通用抓取能力上有所突破，以灵巧操作为切入点，也在推进本体与模型的同步研发。

这类公司的共同特点是同时做基座模型和机器人本体。

优点是端到端优化空间大，不受第三方硬件限制。挑战也很明显：两条战线同步推进，对资金和人才的要求极高——每一条线都需要顶尖团队和持续重注。

深度机智选择了一条不同的全栈策略：不是"模型+任意本体"的拼接，而是围绕"人类学习"路线，让数据、模型、硬件三者协同设计。这意味着在该路线的每一环节都拥有自主定义与创新研发的掌控力，能够以持续进化的模型通用能力适配不同硬件形态。

三条路线，一个正在加速的收敛信号

三条路线并非互斥。更可能的前景是互相借鉴、融合。

但有一个信号越来越清晰：全球头部机构正在朝着深度机智一年前定义的方向收敛。英伟达GR00T体系、Physical Intelligence π系列、Generalist AI GEN-1，都在沿着类似路径布局。

当一个方向被巨头们用真金白银投票时，它就不再是"非共识"，而是"提前看到了共识"。

对于国内玩家来说，这场牌局的胜负手不在单点突破。

在于谁能率先建立数据飞轮——让数据、模型和场景之间形成一个自我强化的正向循环。

深度机智目前已完成数采设备、教育机器人、遥操作系统等全产品线的签约落地，累计签约金额达数千万元。近期再获数亿元融资，由国寿长三角科创基金领投，下一轮融资已进入收尾阶段。

从实验室到订单，这条路它已经走通了。

基座模型的竞争，从来不只是技术的竞争。它是数据飞轮的竞争、是全栈效率的竞争、是谁能先把技术变成订单的竞争。在这个维度上，深度机智甩开的差距，比评测排行榜上的数字更大。

参考来源：

深度机智创始人陈凯专访，每日经济新闻，2026年1月

PhysBrain 1.0 技术报告，arXiv: 2605.15298

深度机智 PhysBrain 1.0 官方页面：phys-brain.github.io

中国财经网：《中关村两院"产学研创投"生态 育出10亿元估值集群》，2025年12月

跨维智能B轮报道，itbear，2026年7月

新智元：《英伟达All in的物理AI路线，居然是中国黑马提前一年就定义好了》，2026年6月

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！