第一视角效率超过真机，深度机智发布全球首个以人类学习范式构建的具身基座模型

2026年，具身智能的泡沫与烈火同时燃烧。 宇树科技递交招股书，估值冲击百亿；Figure AI、Physical Intelligence等美国公司融资额屡创新高，将行业热度推向顶点。国内创业公司紧急跟进——堆数据、抢场景、拼本体，十万小时真机数据成为新的军备竞赛标的。 但喧嚣之下，一个尴尬的共识正在形成：没有人知道正确的技术路线究竟是什么。遥操作、仿真合成、互联网视频、人类第一视角……数据类型的选择尚未收敛；行星减速、谐波力控、电驱液压……本体结构的争论也还没落地。行业在"大力出奇迹"的信仰下狂奔，却鲜有人追问：这些海量数据，究竟在教机器人什么？ 最近，AI科技评论观察到，越来越多具身智能公司开始探索一条新的数据路径："人类第一视角数据"。 2026年以来，小米、蚂蚁、章鱼动力等公司在纷纷组建新团队跟进这一路线。其中，以微软亚洲研究院前首席研究员陈凯的观点，引发了行业的热烈讨论。 3月27号，作为深度机智的创始人，陈凯在中关村论坛上代表深度机智，发布了首个具身智能基座模型PhysBrain 1.0，并公布了他们的研究成果。 这个模型仅使用1000小时人类第一视角数据、零真机数据，在多个国际权威榜单上超越了用数万小时真机数据的竞争对手，在多个国际 Benchmark 上取得 SOTA，比 Physical Intelligence 和英伟达等头部巨头表现更好。 某种程度上，一场具身智能领域关于"物理常识"的革命，正在悄然开启。 模型缺乏物理常识，是具身领域的巨大痛点 "目前不管是VLM（视觉语言模型）还是世界模型，始终会卡在一个点上：它们缺乏物理常识。"深度机智创始人陈凯在中关村论坛上直接指出了这一行业痛点。 这个判断直指当前具身智能的核心困境。和很多学者遇到的情况一样，陈凯提到 VLM 模型不理解空间、时序，"桌子上面放了几个杯子，它数不清有几个"；视频生成模型"视觉上足以乱真，但运动的真实性和物理真实性比较差"。这些看似基础的能力缺失，让机器人在面对真实世界的复杂性时屡屡碰壁。 问题的根源在于数据与学习的错