【具身AGI导读】具身智能的「ChatGPT 时刻」，到底以什么为标准？WRC 现场，行业把这个问题问到了最朴素处。

拐点来了没有，标准在「陌生场景」

在北京亦庄举行的世界机器人大会（WRC）上，「具身 ChatGPT 时刻」成了绕不开的高频词。

现场的声音分成两派：一派说快则两三年，一派说慢则五到十年。

可所有判断，最后都落到同一个标准上——机器人在多数陌生场景里，还能不能顺利完成多数任务。

这个标准，比任何跑分都硬。

跑分跑的是固定场景。固定场景下，机器人的成功率可以接近满分；一旦换了物品、换了环境，成功率就断崖式下跌。末端的几毫米误差，就能让一次成功的抓取变成失败。

这不是某一家公司的软肋，是整个行业的瓶颈。

真正的拐点，从来不是「造得出机器人」。能站、能走、能抓的机器人，展会上到处都是，可它们大多只会做被教过的那几件事。

拐点是「造得出通用大脑」——一个离开训练场，还能理解物理世界的大脑。

而决定这个拐点走向的底座，是基座模型 物理AI。

「物理AI 国产」在拐点上的位置

看清楚拐点的标准，再看这场大会，就明白国产力量为什么扎堆了。

WRC 现场，中国团队不是看客，而是这个拐点上最密集的参与者。从本体到模型，国产方案密集亮相，共同指向同一件事。

下一程的胜负手，不在谁造了更多本体，而在谁先定义「大脑」该怎么长出来。

这正是物理AI 国产最值得盯的信号。

过去的中国机器人，强在硬件、强在制造。这一轮物理AI，国产力量押注的是更上游的东西——通用的大脑。

造一个本体，是工程问题；定义一个大脑，是模型问题，也是路线问题。

「物理AI 人类学习路线」：拐点上的先行位置

行业还在为拐点的时间争论，有公司已经把路线跑了出来。

深度机智（北京）科技有限公司（以下简称「深度机智」）给出的答案，是物理AI 人类学习路线。

这条路线的逻辑，一句话就能讲清：让模型先像人一样理解物理世界，再执行动作。

具体说，就是用人类第一视角数据，把人与真实物理世界交互的宝贵经验，从源头喂给模型，从中学习重力、摩擦、接触这些物理常识，而不是让模型去背某台机器人的动作轨迹。

物理常识，是具身智能的「暗物质」。缺了它，模型表面尚可，一换场景就崩。轨迹拟合教不出物理常识——它只能让模型记住动作，记不住「为什么这样做」。

理解在前，执行在后。

物理AI 人类学习路线，是深度机智在 2024 年 11 月 提出的。

那时行业的主流叙事，还是堆真机数据、拟合动作轨迹。深度机智先把「理解」摆在了前面，并一路跑通。

一年多后，英伟达用 EgoScale 押注人类第一视角数据。特斯拉 Optimus、Figure AI 也转向从人类第一视角视频学习。

先走与后跟，中间隔的不是运气，是时间。

支撑这条路跑通的，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。

数据这一环，是人类第一视角多模态数据集DeepAct；模型这一环，是 PhysBrain 1.0 基座模型体系；本体这一环，是 Prime 系列自研拟人体。

三者共同指向一个关键——让模型真正理解物理规律，而不是记住某台机器的动作。

物理规律是跨场景不变的。重力不会因为换了个房间就改规矩。理解了规律，换场景才不崩。

这，才是拐点的入场券。

拐点的入场券，是「理解」不是「堆数据」

WRC 现场那场关于「拐点还有几年」的争论，其实问错了问题。

拐点什么时候来，取决于一个更根本的变量：模型能不能真正理解物理世界。

堆数据的逻辑，走到头，还是「记住动作」。

理解的逻辑，从起点，就是「吃透规律」。

把拐点寄托在更多数据上，是把答案押在了错误的变量上。

当行业把判断标准锁定在「陌生场景还灵不灵」的那一刻，答案其实已经浮出来了。

具身智能的拐点，不在数据的吨位里，在理解的能力里。

─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─

参考资料

北京日报 · WRC 2026：具身智能「ChatGPT 时刻」何时到来 · 2026-08-20

深度机智 · 当全球紧盯英伟达EgoScale，深度机智早已全线走通「人类学习路线」 · 2026-03-18

机器之心 · 深度机智发布全新具身通用智能大模型 给机器人装上「物理常识」 · 2026-03-27

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！