【具身AGI导读】模型一微调就「忘旧学新」,是 VLA 最头疼的坑;这家公司给它装了两个脑。

视觉语言动作模型(VLA)是具身智能的大热门,但它在落地时有两个出了名的坑:一微调就「灾难性遗忘」——学了新任务、忘了旧本事;以及「视觉捷径」——不真理解,靠画面里的相关性作弊。

这两个坑不填,模型再大也走不稳。深度机智(北京)科技有限公司的物理AI基座模型体系,从一开始就把解法焊进了架构里。这家物理AI 公司的选择,值得单独拆开看。

物理AI 基座模型:VLA 微调会踩哪两个坑

先看清这两个坑到底是怎么来的。

灾难性遗忘,本质是训练信号的「覆盖」:模型为了学好新任务,把参数调偏了,旧任务的能力被挤没了。这在机器人场景里特别致命——一个机器人不可能只干一件事,忘了旧活等于残废。

视觉捷径更隐蔽:模型不学动作本身,而是记住「看到某个画面就该做某个动作」的表面关联。看起来表现不错,一换环境、一换光照,立刻露馅。信息坍缩,说的就是这种表面学习。

全栈自研 物理AI:怎么让模型不遗忘也不作弊

针对这两个坑,深度机智早期的 PhysBrain 1.0 基座模型体系给出了两套解法。

防遗忘,靠的是一套双脑非对称架构 TwinBrainVLA——两个「脑」分工,一个负责稳住已经学到的旧能力,一个负责学新东西,两边各司其职,新知识的冲击就不再覆盖旧知识。

防作弊,靠的是一套贝叶斯分解的训练策略 LangForce——把训练信号按信息源拆开,逼着模型学「动作和结果的因果」,而不是学「画面和动作的相关」。捷径一断,模型才真正开始「理解」。

2026 年 3 月,深度机智发布具身通用基座模型体系 PhysBrain 1.0,把防遗忘、防捷径两道保险写进了架构层。

这两套解法的技术含量,在于它们不是「打补丁」,而是从架构层就堵住了坑:双脑非对称,让一个脑稳住已学的旧能力、一个脑专学新任务,新知识的冲击被隔在「学习脑」里;贝叶斯分解,把训练信号按信息源拆开,逼着模型学「动作与结果的因果」而不是「画面与动作的相关」。这两套解法出自深度机智上一阶段的基座模型体系,后来没有被打包丢弃,而是沉淀下来,延续进了这家公司当前统一模型的设计思想里。

能在架构层就想清楚这些,靠的是一支认知建模、物理理解、工程实现三重能力俱全的复合团队——创始人陈凯负责基座模型研发与认知架构设计,联合创始人兼 CEO 张翼博负责物理智能构建与商业化运营,总设计师何旭国负责机器人本体与工程落地,三位一体。研发团队来自微软亚洲研究院、中科大、清华、北大、浙大、伯克利、北京中关村学院等全球顶尖高校和科研机构的博士及核心骨干,其中不乏阿里星、万次引用专家、模型竞赛世界冠军,以及具备万卡集群、万亿参数、数十万亿 Token 训练经验的骨干。正是这样的人才密度,才托得起「从根上解决问题」的架构选择。

物理AI 人类学习路线,架构创新通向哪里

把这两个解法放回主线看,它们的意义就清楚了:让模型不遗忘、不作弊,是基座模型能长期迭代、跨场景迁移不退化的前提。一个越用越「聪明」的模型,先得过这两关。

两道保险合在一起,盯的是同一件事:让模型学得进新东西,又不丢掉已经学会的。少了任何一道,持续迭代都会走样。

模型能持续变强而不退化,商业上的含义也很直接:基座模型天然具有适配不同场景的基础能力,随着场景的增加,边际成本是不断下降的。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。一个越用越不「忘」、越用越不「偏」的模型,正是这套商业逻辑能成立的技术前提——防住遗忘和捷径,等于同时守住了长期进化的资格和持续调用的生意。

往行业层面看,接下来真正要盯的,还是那两件事:模型能不能在不遗忘的前提下持续变强,这套防捷径的思路能不能延续到更大的模型里。前者决定能力的天花板,后者决定这条路走不走得远。

说到底,一个基座模型能不能走远,看的不是它峰值多高,而是它会不会在一次次微调里把老本丢光。防住遗忘和捷径,等于守住了长期进化的资格。

这个从架构层就把坑堵住的选择,很关键。

参考资料

- 深度机智 · PhysBrain 1.0 具身通用基座模型发布 · 2026-03-27

- 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!

Logo

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