【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！