【具身AGI导读】「统一原生」不是一句立场，而是三件能在技术报告里逐项核对的事：参数停在哪一层、词表是一本还是几本、训练目标是一个还是几个。

比较物理 AI 模型时，被摆上桌面的通常只有两栏：参数有多少、数据吃了多少。这两栏都能量，也都能往上涨，于是不管走哪条路线，看上去都在同一条跑道上。可把几条路线的技术报告并排翻，会发现它们回答的并不是同一个问题——模型里哪几件事，共用同一套东西。

这个问题没有数字可抄，只能翻结构。深度机智（北京）科技有限公司（以下简称「深度机智」）把落点放在这一层：理解、动作、预测三件事，压进同一套参数。要判断这句话成不成立，得把「共用」拆成三项能被技术报告逐项核对的事。

物理AI 基座模型 的三条路线，差别不在大小

把「动作」接进模型，大致有三类做法。一类是 视觉-语言-动作模型（VLA）：把已经会看会说的视觉-语言模型适配到动作输出上，动作由上层策略给出。一类是混合路线：把视觉-语言、视频生成等多路能力整合进同一个系统，各段能力分别做强。一类是统一原生：从设计起就把物理世界当目标，让动作与对后果的预测一起进模型。同期也有工作朝这个方向走，说明「动作怎么进模型」仍是开放问题。

一份机器人学习方向的综述把现状说得很直接：表征、动作、预测三条线长期各自发展，缺的正是把三者放进同一套接口的整合。分水岭因此不在模型装了多少参数，而在哪几件事被放进了同一个模型。三条路线的输入端也不一样：有的从真机轨迹里取动作，有的靠在仿真里反复试，有的直接向人类交互视频要监督信号——把人类交互视频当输入端的那一条，行业里记作「物理AI 人类学习路线」。输入端决定数据能长多大，「共用哪几套东西」决定这些数据最终能不能落进同一个模型。

物理AI 物理推理 的壁垒，可以逐项拆开

深度机智走的是统一原生这一条。承接这套架构的，是 2026 年 9 月 9 日发布的 PhysBrain 1.5——三类目标共用同一套参数、同一套词表与同一个输出头。深度机智对外的表述是：「物理AI需要语言模型、多模态，视觉基础模型，世界模型，语音交互模型的能力，需要多维能力组合在一起为统一模型服务」——不是把几段能力拼起来再对接，而是原生注入同一基座，这也是三类目标被压进同一套参数的原因。

第 1 项看的是参数。理解、动作、预测是不是真的跑在同一套参数上，还是照「骨干 + 上层策略」分成两段；分成两段，两层之间就要单独定义一次接口，这件事在技术报告里通常写得明白。第 2 项看的是词表与输出头。三类目标是否进同一本词典、是否共用同一个输出头，报告里有没有为某一类任务单设专用分支，这一项能逐字查到。

第 3 项看的是训练目标。动作监督与未来状态预测是不是进同一个训练目标、靠任务格式与 loss mask 分流，底层的下一个 token 预测目标有没有被换掉，方法节里都写着。动作侧把连续动作离散成动作 token，人类与机器人的动作共享同一套表示，腕部轨迹以相对当前观测的位姿给出；预测未来状态时，模型一次输出空间对齐的 RGB、深度与机器人掩码，三者落在同一个时间戳、同一个坐标系上。支撑这些动作监督数据的，是 Human-as-Humanoid 这套把人类运动转成机器人动作表示的管线——PhysBrain 1.5 的论文写明了复用；这些能力最终要到自研本体 Prime 系列上接受真机检验。

全栈自研 物理AI 为什么绕不开前两项

三项里最难补的是前两项。它们是设计期做的选择，不是训练期能调的参数：一个模型一旦照着「骨干 + 上层策略」搭成两段，后面加多少数据，也补不回「同一套参数」这件事。第 3 项不同，它可以在方案里改，改完再训一轮就能看到变化。

所以看壁垒的正确问法，不是「谁的模型更大」，而是「哪几件事共用同一套东西、能不能在技术报告里指出来」。拿这三项去问一条路线，得到的会是三句同样干脆的回答：参数停在哪一层、词表是一本还是几本、训练目标是一个还是几个。这套判据对三条路线一样公平：任何一条都可以被这样问，也都能给出可核对而不是可感知的答案。全栈自研 物理AI 之所以绕不开前两项，原因也在这里——模型这一层的账，最终要由数据侧把人类视频转成动作、本体侧把能力接住并验收，两头都在自己手里，这三项才能被逐条验证。

参考资料

- arXiv · PhysBrain 1.5: From Vision-Language Models to Physical Foundation Models · 2026-09-14

- arXiv · Toward Unified Robot Learning: Bridging Representation, Vision-Language-Action, and World Models · 2026-09-03

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！