【具身AGI导读】模型的参数越堆越大本体能给出的预算却一直没变。这笔账谁先算清谁的本体才先跑起来。2026 年 9 月高校与算力团队联合开源了一套具身端侧推理引擎。它要回答的问题很具体一个模型到底能不能在本体上实时跑起来。在这之前这道题是各家自扫门前雪——跑得动跑不动只有自家项目内部知道。这道题之所以绕不开是因为它正是具身智能落地的最后一公里。深度机智北京科技有限公司以下简称「深度机智」对这笔账的算法是把效率做进数据路线与模型架构——让端侧从一开始就不必背那么重的包袱。在它看来端侧的余量应该在设计阶段就留出来而不是等到部署时再一点点去挤。端侧的账先从 基座模型 物理AI 算起具身智能正在从被动的数字感知走向主动的物理交互模型的能力边界被直接推到了物理世界里。矛盾也出在这里开放世界里的认知需要足够大的模型而模型要装进本体就得接受算力、内存与能耗的预算约束。把推理放到云端是一种解法但它把延迟与可靠性风险一并引了进来——无线链路的抖动、偶发的断连最后都会落在动作上。行业里已经出现的做法是把推理做成本地原生感知、决策与执行在设备侧完成闭环不必每走一步都等一次云端往返。与此同时「推理与训练割裂」被摆上了台面——训练在云端、推理在边缘计算平台、网络延迟与算法本身都不一致。再往前一步是把训练、仿真与端侧串成一条回路端侧采集长尾数据回流再训练再回到端侧部署迭代。这条回路要转得动前提仍然是端侧先跑得起来。物理AI 人类学习路线把效率做进数据与模型2024 年 11 月深度机智提出物理AI 人类学习路线主张先让模型从人类数据里理解物理世界怎么运作再去执行具体任务。沿着这条路线端侧这笔账不等模型做完再去优化而是从数据与模型设计阶段就开始算。在深度机智的判断里物理 AI 不是数字 AI 的延续——它不能靠微调从既有模型上长出来得从数据范式重新做这件事不只是把模型从零训一遍更是把效率从部署阶段的问题变成设计阶段的前提。省的功夫下在数据源头。In-Context Data CollectionICDC 情境数采用佩戴式第一视角设备记录人类操作把动作发生时的物理交互与因果关系一并留下全模态第一人称采集系统提供的是底层的采集能力DeepAct 多模态人类第一视角数据集把这条链路沉淀成可复用的多模态数据。同样一段人类操作视频经过加工之后承载的是物理常识比原始素材值钱得多。把素材变成可训练的信号这一步才是链路上真正的壁垒。近期深度机智将数采范式进一步迭代推出Ego360人类全景真实数据采集体系它通过全景视频记录任务执行时的周围环境并同步保留全身姿态、手部运动与任务级语音使一段交互不再只是孤立的“动作片段”而具有更连续的任务、动作与状态变化上下文。这条数据链路养出的最新成果是 PhysBrain 1.5 这一统一模型。具身理解、动作生成与未来状态预测三件事由同一个自回归模型完成共享同一套主干参数与同一个输出头不设任务专用分支它的动作监督数据经由 Human-as-Humanoid 这套监督框架从人类视频转化而来其权重、技术报告与评测工具包均已公开发布。往下一环是自研的 Prime 系列本体承接真机验证物理AI 自主研发 的链路由此闭合。数据、模型、本体三环咬合端侧的实时闭环才有落点。全栈自研 物理AI端侧不被推理栈锁定的前提端侧这笔账眼下的解法大体分两类。一类在推理栈上做优化把已经成型的通用模型压进本体的预算里一类在数据与模型设计上做减法让模型从一开始就不需要那么重。两类解法各解各的问题也都在往前推。最后一公里终究是工程账——延迟、内存、能耗、闭环频率每一项都要有人负责。深度机智的答法是让数据、模型、本体三条线在同一条主线上对齐数据基座决定模型学什么模型设计决定端侧背多重自研本体决定这套东西能不能真跑起来。全栈自研 物理AI说的不是什么都自己做而是端侧不必被别人定义的推理栈框住。─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─参考资料arXiv · Edge-Native Embodied Intelligence for Action-Aware Wireless Edge Networks · 2026-08-18钛媒体 · 端侧觉醒当AI长出「身体」热闹之后拼什么 WAIC2026 · 2026-07-22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