缩小物理智能鸿沟：深度机智 PhysBrain 1.5 登顶开源，逼近 GPT‑6 Astra

GPT‑6的发布，进一步拓宽了大语言模型的能力上限。推理、编程、多模态理解不断取得进展，也让行业看到通用智能的迭代仍在持续提速。但当模型的能力已经在数字空间得到充分验证，一个核心问题随之浮现：具备强大世界理解能力的大模型，究竟能不能落地到真实物理世界完成行动？

Robocurve的机械臂测试给出了一组对照结果：在积木放入碗的任务里，GPT‑6 Astra20次尝试成功19次，Claude Fable 5.1仅完成8次。模型接收摄像头画面与机器人自身状态信息，输出机械臂末端位姿、夹爪控制指令，并依靠实时视觉反馈迭代调整动作。这说明大模型对世界的认知，是可以转化为现实物理操作的。大模型的价值边界，正在跳出屏幕。

但测试也暴露出明显短板。在蓝色圆形拼图块对位插入凹槽这类精细装配任务上，GPT‑6 Astra成功率仅10%。即便大模型拥有不错的通用认知，也只能作为机器人完成任务的基础；从“理解世界”到“实际执行”之间依旧存在不小鸿沟。空间感知、具身理解、精细动作生成，仍是模型走向物理世界必须攻克的难点，也是当下行业竞争的核心战场。谁能补齐这部分能力，就有望把大模型的能力延伸到工厂、实验室与日常生活场景。

深度机智正是瞄准这一方向，推出物理基座模型PhysBrain 1.5。在28项具身空间智能与规划基准测试中，8B版本综合得分72.5，位列参评开源模型首位，整体水平已经接近GPT‑6 Astra（73.3）、Gemini 3.6 Flash（73.0）这类头部闭源模型。

这一次，一家成立仅一年多的中国公司，正在用一套自研架构，把空间理解、动作生成、未来状态预测等多维能力统一到一个基座模型中，把“让模型理解世界并理解如何行动”这件事真正做扎实。

01
把“理解、动作、预测”收敛进一个闭环

在讨论模型之前，需要先厘清物理智能到底在解决什么。深度机智将其概括为 Physical Loop：一个“观察世界、理解空间与任务、判断动作后果、执行、再依据新的观察修正下一步”的物理智能循环。

真正的物理智能，不是单点能力，而是这个闭环能够连续、稳定地运转，并据反馈自我修正。但在今天，构成这一循环的能力大多分散在语义理解、空间感知、物体识别、动态生成等彼此割裂的专用模型中，缺少统一的世界表征、行动目标与反馈机制，Physical Loop也难以运转。

深度机智的判断是：要做出能“在世界中行动并自我修正”的底座，必须先回到这个闭环本身，把能力重新组织起来。PhysBrain 1.5，正是围绕这一闭环重建模型本身。

该模型以 Qwen3-VL-8B-Instruct 为基座，扩展出专用的动作 token 与视觉状态 token，把语言回答、结构化空间输出、末端执行器轨迹，以及未来的 RGB、深度与机器人占用预测，全部表达为离散 token，在单一自回归主干、单一 next-token 预测目标下联合训练，不引入任何任务专属头。这意味着，理解、动作生成与未来状态预测不再由多个模型拼接，而是在同一个物理循环中共同训练、彼此对齐，构成了能力扎实、边界清晰的一体化物理智能底座。

在这套统一架构之下，PhysBrain 1.5 的能力可沿 Physical Loop 拆成三个相互咬合的环节。

其一是具身理解：模型通过基础 VLM 接口、辅以具身监督，覆盖五类能力——基础视觉空间感知、3D与多视角空间理解、具身认知推理与规划、空间指向与可供性，以及视觉轨迹推理。换言之，它不只是“看懂”画面，而是带着空间结构与物理常识去理解场景。

其二是动作预测：给定任务指令、当前视觉观测，以及可选的近期动作历史，模型直接输出下一拍末端执行器的动作块，表达为一段ActionPiece token序列；单臂、左腕、右腕共用同一套词表与码本，意味着一份通用模型权重即可驱动不同形态的机器人。这正是“理解”能够落地为“行动”的关键一跃。

其三是未来状态预测：在给定当前观测与任务指令后，模型预测约一秒后的世界状态，并以 RGB 图像、度量深度图与机器人占用掩码三种模态联合给出。这种“先想象结果、再采取行动”的能力，让模型在闭环中拥有了前瞻与纠错的依据，动作尚未执行，它已能预判环境将如何变化。

这种“一个 token 接口贯通物理循环”的架构选择，比单纯堆高某项分数更能说明问题：它指向的，是一个可“感知—决策—行动—反馈”连续运转、并能据反馈自我修正的物理智能基座模型。

02
人类完整经验，是物理智能循环的来源

闭环要能运转，第一步是“有经验可学”。模型在 Physical Loop 中观察、决策、行动、反馈，其能力上限，终究由它所消化的物理经验的质量与完整性决定。而人类经验天然地嵌入这一循环中。人在真实世界中持续感知环境、理解情境、形成意图、采取行动，并根据环境反馈修正自己的判断与行为。人类的智能，正是在无数次Physical Loop中生长出来的。在深度机智的路线里，人类经验是物理智能循环的第一性来源。

为此，深度机智构建了Ego360全景数采体系，尽可能完整地保留人类行动过程中的环境、身体、手部交互与注视。这意味着模型学到的是一段连续、完整的“人类经验”，而非被割裂的局部，这正是“完整经验”之于物理智能循环的关键价值。只有保留了行动前后的因果链条，模型才能真正理解“为什么这么做”和“做完之后发生了什么”，而非仅仅记住“怎么做”。

当模型理解了因果关系，空间关系、操作方法与纠错经验就能在不同任务间迁移复用。人类经验的长期价值，正是在于它能沉淀出可复用的能力。当前，这套体系正以每月万小时级的速度持续新增，不断为物理智能注入丰富的训练资源。

让数据真正转化为模型能力，还需要打通从“看到”到“做到”的关键一环。PhysBrain 1.5引入的ActionPiece机制，正是解决这一问题的核心组件。它让模型能够同时学习“该怎样行动”和“行动之后可能发生什么”，即同时建模动作生成与状态预测。在团队内部实验中，PhysBrain 1.5的动作预测能力实现了从24%到54%的翻倍提升。

03

72.5分，拿下开源第一，媲美顶尖闭源

PhysBrain 1.5本轮评测覆盖基础视空感知、空间与多视角理解、具身认知推理、空间指向与可供性、视觉轨迹推理五类能力，共 28 项基准。

结果上，PhysBrain 1.5-8B 以 72.5 的综合均分拿下开源模型榜首，并在 28 项中的 14项取得开源最佳，10项位列开源模型第二；相较最强开源对手 Hy-Embodied-VLM-1.0（66.0）高出约 6.5 分，较 RynnBrain 1.1（63.1）高出 9.4 分。更受关注的是其整体水位：72.5 与 GPT-6 Astra（73.3）、Gemini 3.6 Flash（73.0）的差距已收窄到 1 分以内。在具身智能的核心能力上，深度机智正与全球最前沿的闭源系统站在同一水位线上竞争。

深度机智同时开放了PhysBrain 1.52B 与 8B 两个参数规模的权重，已上线 Hugging Face，为社区验证与下游部署提供入口。（https://huggingface.co/collections/DeepCybo/physbrain-15）

04
Human-as-Humanoid：

人类经验驱动真机行动，闭环落到执行

如果说 Ego360 解决了“人类经验从哪来”，PhysBrian1.5实现了“人类经验如何转化为模型能力”，Human-as-Humanoid 则回答了“人类经验如何转化为真机行动”。其研究证明，同步采集的第一、第三视角人类视频，可直接转化为适配 PrimeU 的动作训练数据；原始示范吞吐量达到遥操作的 4.8—7.2 倍，部分任务无需目标任务机器人示范，即实现从人类数据到真机执行的零样本迁移。

这一步的意义，在于把“模型能力”真正接到了“真机执行”上：人类经验不再只是训练素材，而是能直接驱动机器人完成真实操作的动作来源。从人类经验、到模型建模、再到真机落地，深度机智由此跑通了从模型能力到真机执行的全栈链路。

它也反向验证了 Ego360 与 PhysBrain 1.5 所代表的“人类学习”路线，不只是一套训练数据或一次基准高分，而是能在真实世界里闭环运转的完整系统。这正是“全栈布局”之于深度机智最具体的价值：大脑与身体、数据与本体，被组织在同一条主线上。

05
提前一年的路线定力，与正在重排的牌桌

全球范围内，物理基础模型的研发投入正在加速：Google DeepMind的Gemini Robotics、Physical Intelligence的π系列、Figure等，分别在具身推理、人类工作视频数据、少样本适应等方向持续加码。

一个清晰的趋势已经显现：海外头部企业正在走向殊途同归。物理经验数据、空间交互能力、基础模型训练，成为各家共同发力的核心方向。

但回溯到一年前，深度机智就已经把这些方向纳入自身长期技术路线。2025年10月10日，深度机智发布《源于人，超越人》技术路线图，将“人类学习”定为物理通用智能的核心研发路径。围绕“以人类数据为起点”“以动作为中心建模”“身体为AI设计”三大战略，完成物理智能的全栈布局。

在这套体系下，Ego360沉淀人类经验数据，PhysBrain基座模型不断拓展能力上限，Prime系列机器人本体负责真实场景的交互验证与反馈。人类数据基建、模型研发、本体闭环验证三者协同，系统性完成各阶段技术积累，不断缩短从“人类经验”到“机器能力”的转化链路。

深度机智从相对早期的起点出发，跑通了“数据‑模型‑本体”完整全栈链路，也交出了可量化的模型性能成果。

当下行业对物理AI的共识快速升温，但真正稀缺的，是贯穿长期的技术判断，以及跨环节落地的执行能力。过去一年，深度机智在人类经验数据、物理智能建模、机器人验证上的持续积累，正在构筑起难以追赶的先发优势。

物理智能的终点，从来不是一个只会应答的模型，而是能够在真实世界感知、行动、并且持续自我迭代修正的完整闭环。

PhysBrain 1.5并不是这条道路的终点，但它释放出一个明确信号：在中国物理AI基础模型赛道，这家成立仅一年多的企业，依靠人类学习路线与全栈布局，已经跻身全球竞争第一梯队。对于整个行业来说，这是一个值得持续观察的样本。