一位能够理解物理世界的“深度学习者”正式进入了具身智能领域。
3月27日，在中关村论坛上，首家具身智能公司——深度机器智能（DeepMind Intelligence），由北京中关村学院和中关村人工智能研究院联合孵化，正式发布了全球首个基于人类学习范式构建的具身通用智能基础模型——PhysBrain 1.0。该模型的发布标志着具身智能从“动作模仿”迈向“原理解析”的重要转变。
技术突破：将物理常识内化为模型参数
不同于传统的行为克隆或强化学习，PhysBrain 1.0采用创新的多模态大模型架构，核心优势体现在：
-
时空一致性：模型能够像人类一样理解物理世界的因果关系及时空演变，确保机器人执行任务时的逻辑连贯性。
-
物理常识内化：通过将大量物理规律编码进参数，模型不再是机械执行指令，而具备预测环境变化的能力。
泛化奇点：少量数据实现多场景应用
数据匮乏一直是具身智能应用的瓶颈。此次深度机器智能发布的基础模型展现出强大的泛化能力：
-
打破数据依赖：基于对物理常识的根本理解，PhysBrain 1.0能在极少实验数据下快速适应未知场景。
-
真正泛化：模型不仅理解“如何做”，更理解“为什么做”，显著提升机器人在复杂多变环境中的操作稳定性。
背靠名校，成为中关村具身智能标杆
作为北京中关村学院和中关村人工智能研究院孵化的“新星”，深度机器智能备受关注。
-
产研融合：依托中关村深厚的AI研发基础，公司自成立之初便聚焦具身智能这一AI发展的终极形态。
-
行业意义：PhysBrain 1.0的发布为国产具身智能机器人提供了具备底层物理逻辑的“智能大脑”。
结语：物理认知时代的开启
当物理常识成为大模型的标配，具身智能将真正拥有“智慧”。深度机器智能的突破不仅是对人类学习范式的致敬，更是AI迈向物理世界的重要探索。在PhysBrain 1.0的推动下，我们距离通用机器人“懂物理、能工作”的未来又近了一步。
