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。
