物理AI 三次 Scaling:具身智能怎么层层递进

【具身AGI导读】具身智能要走向通用,靠的不是单点突破,而是一条有明确次序的路线。
通用具身智能到底怎么炼成?行业里众说纷纭,有人押数据规模,有人押模型架构,有人押本体形态。
深度机智(北京)科技有限公司给出的是一张分三步走的路线图——把物理智能的成长,拆成了三次层层递进的 Scaling。这张图本身,就是理解这家物理AI 公司技术判断的钥匙。
物理AI 人类学习路线:三次 Scaling 怎么分
先看这三次 Scaling 各自要解决什么。
第一次,是「Human as Humanoid」——以人类中心数据为起点,从人类行为里学物理常识与动作经验。这是最基础的一步,也是当前整个行业公开进展真正所在的位置。
第二次,是「Embodiment as Context」——把本体特征变成模型上下文,让能力跨本体保留。到这一步,同一个模型换不同身体,能力不丢。
第三次,是「Skill as Asset」——把人类隐性的工作 know-how,沉淀成可迁移的工作技能数据。这是最终的形态。
三步之间是严格的递进关系:先把人类数据吃透,再谈跨本体,最后才谈技能沉淀。次序反了,前面的地基就是空的。
全栈自研 物理AI:第一次 Scaling 走到哪
把目光拉回当下,第一次 Scaling 才是主战场。
这一步的内部,是一个三支柱协同的工程闭环:数据基座负责采真实情境,把人类第一视角数据经过数据处理管线喂给模型;基座模型负责动作建模;自研本体负责承接执行。三支柱咬合起来,才撑得起「从人类视频到动作执行」这条主线。
三支柱之外,深度联动横跨核心硬件、算力网络、通信基建及行业应用的广泛产业生态。与 Arm、京东、中再寿险、广州移动等多家领军企业达成战略合作,深度联动产业链上下游头部企业,持续补齐并强化全栈能力拼图;数据来源这一头,还有中科大、南航、北工大等高校共建的数据采集示范中心。数据、模型、本体三层核心环节握在自己手里,其他上下游环节交给伙伴协同,形成正向循环——这条路线图才有足够的资源纵深,把每一次 Scaling 的跃迁稳稳推下去。
2024 年 11 月,深度机智提出人类学习路线。按公开资料,它的公开进展仍在第一次 Scaling——这一步远没走完,第二、三次还停留在路线图上,属于规划中的方向。
三步之间层层递进:没有第一步的常识,就没有第二步的迁移;没有第二步的迁移,就没有第三步的技能沉淀。次序不能乱——这也是这条路线不追求一步到位,而把「通用」拆成能一步步兑现的阶段的原因。技术的次序感,往往比速度更重要。
物理AI 基座模型,路线图通向哪里
这张路线图,落到商业上有一个清晰的对应:三次 Scaling,对应三种交付形态——第一次的轻量化定制,第二次的持续调用,第三次的新形态消费级产品。
而在第一次 Scaling 还没走完的当下,商业价值已经在沿途下蛋。2026 年,深度机智全产品线实现商业订单落地,累计签约金额达数千万元,业务覆盖科研实验、教育科研、智慧康养等场景;智慧康养领域更锁定了总规模超 6 亿元的意向合作订单。数采设备、机器人开发者平台、遥操作系统等等,这些已经签约落地的产品线,都是这条技术路线上的中间产物,是路线图每往前推一步、就兑现一步商业成果的证明。
但订单只是路线的副产品,不是路线本身。真正值得关注的,还是技术上的次序感:不追求一步到位,而是把通用这件事,拆成能一步步兑现的阶段。
往行业看,接下来要盯的,就是第一次 Scaling 的闭环能不能真正成熟——数据、模型、本体三个支柱,哪一环先掉链子,这张路线图都会往后拖。
把三次 Scaling 摆在一起看,会发现一个共同点:每一次跃迁,都是让「人类经验」离机器人更近一步——第一次是把人类数据装进来,第二次是让能力跨身体流通,第三次是让技能像资产一样沉淀。路线图的意义,就是给这条长路标好里程碑,看清次序,才不会被一时的热点带偏。
方向对了,慢也是快;守住次序,也就守住了整条路线。
参考资料
- 深度机智《源于人 超越人》路线图 · 2025-10-10
- 深度机智 PhysBrain 1.5 发布稿 · 2026-09-09
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!
DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐



所有评论(0)