中国物理AI大突破：PhysBrain 1.5登顶全球开源榜一，空间智能与GPT-6 Astra并驾齐驱

• 允中 发自 凹非寺
  量子位 | 公众号QbitAI

物理AI，正在成为2026年全球人工智能最关键的赛道，也是未来之争。

大模型用了三年时间把“会说话、会思考、会工作”推到极致，但当行业开始追问“模型能不能走进真实世界、能不能动手”时，一扇新的大门被推开。

Google DeepMind于2026年7月30日发布Gemini Robotics 2，基于Gemini 3.5 Flash的“具身推理”大脑ER 2，试图让机器人“边看视频边想下一步”。近期，OpenAI GPT-6引发行业热议，推理、编程与多模态理解能力再度突破，把通用智能的天花板又推高了一截。

而Robocurve的一次实验，又将“大语言模型是否能在真实世界中行动”这个问题摆在了台前。该实验将GPT-6 Astra部署在真实机械臂上，在20次“积木放入碗”任务里，GPT-6 Astra完成19次，而Claude Fable 5.1仅完成8次。

这次实验表明，基座模型能力大幅提升之后，也可以在具身任务上取得可观的表现。

但顶尖大语言模型在具身操作上仍有鸿沟。Robocurve同一套测试的另一面很说明问题：在“蓝色拼图块对位插入凹槽”这种毫米级精细任务上，GPT-6 Astra的成功率从95%掉到10%。

大模型积累的通用理解，可以跨越“看懂”到“粗动作”的鸿沟，却仍在“精细接触、精准插入”面前止步。

这正是全行业共同的瓶颈，也是后来者真正的机会窗口。

就在这个关口，一家从北京海淀中关村走出来的中国公司——深度机智，交出了自己的答卷。

2026年9月9日，深度机智正式发布物理基座模型PhysBrain 1.5，在28项公开基准上取得72.5的综合均分，位居参评开源模型首位，与头部闭源模型GPT-6 Astra（73.3）、Gemini 3.6 Flash（73.0）的差距，已收窄到1分以内。

它没有去和巨头比拼参数规模，也没有去追逐各类技术热点，而是用一条“人类学习”的技术路线，把物理智能基础模型能力作为核心战略方向持续深耕。

GPT-6 Astra的机械臂实验恰恰印证了，把基础模型做扎实，才是决定物理智能上限的关键变量，这正是深度机智长期践行的方向。

PhysBrain 1.5是深度机智在这一战略方向上持续投入的阶段性成果。

在28项基准测评中，PhysBrain 1.5取得14项开源第一，10项位列开源第二。

它不是在某一个单项上刷出了高分，而是在空间理解、动作生成、未来状态预测的完整能力链条上，全线跻身开源模型前列。

这意味着PhysBrain 1.5提供的不只是“更聪明的感知”，而是机器人从理解环境到执行任务的系统性基础能力。

PhysBrain 1.5全面开源，技术报告、2B与8B模型权重、评测工具包，全部向社区开放，让更多全球开发者基于同一套基座，共同探索物理智能的下一步。

Project Page: https://deepcybo-physai.github.io/PhysBrain-1.5
Hugging Face: https://huggingface.co/collections/DeepCybo/physbrain-15
Evaluation Kit: https://github.com/DeepCybo-PhysAI/PhysBrainEvalKit

开源第一，比肩顶尖闭源：中国物理AI基座模型站上全球前沿

物理基座模型的评测向来是件难事。评估PhysBrain 1.5的，是一组28项公开基准，按五大能力维度组织——视觉空间感知、空间与多视角理解、具身认知与规划、空间指向与可供性、视觉轨迹推理。

在这套多维测试中，PhysBrain 1.5-8B拿下72.5的综合均分，排开源阵营第一。

从结果上看，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；相较当前最强开源对手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分这一成绩，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，深度机智已经与全球最前沿的闭源模型站在同一水位线上。

分项成绩同样能说明问题。

在RoboSpatial-Home空间理解取得73.9分，意味着模型能够在真实场景中准确理解物体之间的空间关系，这是机器人在真实环境中操作的前提。

Part-Affordance可操作部位识别拿下84.0分，说明模型不仅能理解“物体是什么”，更理解“这个物体的哪个部位可以被操作、应该怎么操作”，这是从“识别”走向“交互”的关键一步。

RoboRefit视觉目标定位获得89.8分，则表示模型能够在复杂场景中精准找到并锁定目标物体，为后续动作执行提供了可靠的视觉锚点。

这些成绩说明了PhysBrain 1.5的领先并非局部优势，而是一种覆盖感知、空间、推理、规划与定位的系统性能力领先。这也标志着具身基座模型的竞争，正在从单项能力的较量，进入系统能力的对决。

比8B榜首成绩更值得注意的，是PhysBrain 1.5并没有只做一个“大版本”。

深度机智同步开放了PhysBrain 1.5-2B与PhysBrain 1.5-8B两档参数规模。在项目页最新公布的同一套28项测试中，PhysBrain 1.5-2B取得66.6分。

按照官方评测规则，2B版本仅作为参考，不参与开源排名；但如果只比较数值，它的综合得分已经超过表中所有其他非PhysBrain开源参评模型，包括30A3B规模的Hy-Embodied-VLM-1.0（66.0）、8B的Embodied-R1.5（64.9）和9B的RynnBrain 1.1（63.1）。

这让2B版本呈现出另一种价值：它不是8B模型的“展示性缩小版”，而是在显著降低参数规模之后，仍然保留了相当完整的具身理解能力。

对于开发者而言，这意味着更低的试用、部署和二次开发门槛；对于PhysBrain而言，则意味着同一技术路线开始同时覆盖“性能上限”和“轻量可用”两个方向。

HF社区用户在线进行模型demo测试，

demo网址：https://huggingface.co/spaces/hugging-apps/physbrain1-5-8b-demo

两个版本现均已上线Hugging Face，为社区验证与下游部署提供入口（https://huggingface.co/collections/DeepCybo/physbrain-15）。

在上线仅3天时间内，PhysBrian 1.5就获得了超过3k的下载量，为全球开发者社区提供了媲美顶尖闭源模型的物理智能基座能力。

从人类经验到物理智能循环：Ego360与Physical Loop的理念闭环

72.5分是一个数字成绩，但在数字之外更值得讨论的，是PhysBrain 1.5选择的“路径”——被深度机智称为“Physical Loop”物理智能循环的统一架构。

深度机智把物理智能的本质归纳为一个循环：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，即Physical Loop。

真正的物理智能，不是单点能力的堆砌，而是这个闭环能够连续、稳定地运转，并根据反馈自我修正。

因此PhysBrain 1.5将“观察世界—理解空间与任务—判断动作后果—执行—反馈修正”这五步原本分散在不同模型里的能力，重新组织进了同一个基座模型。

过去，物理AI系统普遍是“理解模型+动作模型+预测模型”拼接，拼接意味着每个子模型都要单独训练、单独调优。

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。

模型如何学会这个循环？如果训练数据只告诉模型“世界长什么样”，却没有保留下“人在什么情境下采取什么动作，以及动作之后世界发生了什么变化”，那么再统一的模型，也很难真正学到物理交互的规律。

这正是深度机智把“人类经验”放在数据起点上的原因。

深度机智认为，人类经验天然地嵌入这一循环：个体在真实世界里不断感知情境、产生意图、采取行动，并根据结果调整后续行为；人类的智能，正是在这种反复交互与修正中逐步生长出来的。

团队在论文中写得很直白：“物理感知的预训练监督，完全来自人类交互视频”。在深度机智的技术路线里，人类经验是物理智能循环的第一性来源。

支撑这一技术判断的，是深度机智构建的Ego360人类全景真实数据体系

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”，同时还具有更连续的任务、动作与状态变化上下文。

这种连续性很重要。模型不需要学习“手应该往哪里动”，还需要知道当前处于什么情境、为什么要执行这一步，以及任务推进后环境如何变化。

这也是人类交互视频相对于碎片化操作数据更核心的价值。

前不久在WAIC 2026（2026世界人工智能大会暨人工智能全球治理高级别会议）的具身智能空间交互论坛上，深度机智创始人陈凯博士就以《人类学习范式：物理通用智能远征的起点》为题，公开系统阐述了以人类真实交互经验支撑物理通用智能的技术判断，并展示了围绕全景人类数据展开的实践进展。

9月10日，国家数据局党组书记、局长刘烈宏主持召开具身智能座谈会。深度机智受邀出席，并展示了人类全景真实数据与情境数采（In Context Data Collection）范式。

能够参与这场闭门座谈，既是对深度机智数据路径的认可，也意味着一家企业的技术选择，上升为行业基础设施层面的参考坐标。

从2025年12月提出情境数采范式，到2026年7月全景数采范式的迭代，深度机智在半年多时间里完成了数据采集能力的迭代，并同步推进大规模人类真实数据采集与模型驱动的全自动标注管线。

PhysBrain 1.5进一步将人类交互视频真正纳入Physical Loop的预训练框架，这条路线开始从判断和理念，变为大规模数据运营和模型能力。

2026年7月，深度机智创始人陈凯在WAIC论坛发布全景数采方案

理解、动作、预测：一个基座里的三大能力

如果说Physical Loop回答的是“物理智能应该如何运转”，那么PhysBrain 1.5接下来解决的，就是“这些能力如何在一个模型里被共同学习”。

具体来说，它基于开源基础模型，将语言回答、空间坐标、动作轨迹、未来画面与深度预测，全部纳入同一套训练框架，不需要为每种能力单独搭建模块或设计专门的输出层，让模型在“看懂世界”“生成动作”和“预判结果”之间形成内在一致性，而非松散拼接。

由此，具身理解、动作生成与未来状态预测，不再是三个彼此独立的模型，而能够在Physical Loop中彼此约束、协同演进。

一是具身理解：知道“此刻发生了什么”

PhysBrain 1.5保留了VLM图像与视频理解的接口，通过具身监督为其注入物理感知能力。训练数据覆盖基础视觉空间感知、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，五大能力。

这意味着模型不仅“看到”画面，还带着空间结构、物理常识和任务意图去理解场景。它输出的不只是语言描述，还包括结构化的空间坐标与轨迹目标，这些正是后续动作生成所需的关键锚点。

二是动作生成，指向的是“接下来该怎么做”

PhysBrain 1.5模型通过Human-as-Humanoid管线，从人类视频中学习手腕的运动方式，将其转化为机器人可以执行的动作。给定当前画面、任务指令和之前的动作历史，模型能够直接生成接下来一系列的动作步骤。

更重要的是，这套动作能力不绑定特定机器人，同一份模型可以适配不同形态、不同控制频率的机器人，无需为每台机器单独训练。

三是未来状态预测：预见“做完之后会发生什么”

PhysBrain 1.5在给定当前画面与任务指令后，可以预测1秒后的物理状态，并同时输出三种模态：RGB图像、深度图和机器人掩码。

这三者空间对齐、彼此关联，共同描述一个完整的未来场景。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。

三项能力被纳入同一个模型、同一套训练框架，不再各自独立。理解提供场景证据，动作生成延续物理交互，未来预测给出前瞻信号，三者互为输入、互相约束，共同支撑Physical Loop的连续运转。

这也标志着物理智能的构建方式，正在从“拼装专用模块”走向“训练统一基座”。

Human-as-Humanoid：人类动作进入模型，再走向机器人

PhysBrain 1.5还有一个很容易被忽略的关键问题：人类视频中的动作，究竟如何变成模型能够学习、机器人能够使用的动作表示？

这里连接人类数据与动作模型的，正是深度机智此前提出的Human-as-Humanoid框架。

在PhysBrain 1.5的训练过程中，团队通过Human-as-Humanoid的转换框架，实现人类行为数据从“可观看的记录”到“可训练的资源”的转化，让人类行为数据成为动作建模可持续、可规模化的燃料来源。

这正是human-centric data进入action modeling的关键桥梁。

而在此前的Human-as-Humanoid研究中，这条转换链路已经进一步延伸到自研的60自由度拟人体机器人Prime U上，对“人的动作经验能否迁移到机器人”进行了真机验证。

在研究中，其原始示范吞吐量达到传统遥操作的4.8至7.2倍，并在部分任务上实现了从人类数据到真机执行的零样本迁移，模型不必看到特定机器人本体的示范，就能在该本体上执行相应任务。

从这里再回看深度机智的全栈布局，它的逻辑就变得清晰：Ego360持续积累人类经验，PhysBrain基座模型以这些数据不断拓展能力边界，Human-as-Humanoid承担人类动作与机器人动作空间之间的转换，Prime系列本体则在真实交互中提供验证与反馈。

数据、大脑与本体，被组织在同一条主线上持续演进。这意味着深度机智已经独立完成了“从模型能力到本体验证”的完整闭环。

这种全栈能力，不仅意味着更快的迭代速度和更低的协同成本，更意味着一种系统性的壁垒。

提前一年的路线定力：当全球共识追上深度机智的判断

回看这场竞赛，多数参与者默认了一个隐含前提：物理智能是“大模型顺手能做好的延伸”，先把语言能力推到极致，再给模型接上动作输出，问题便解决了。

GPT-6 Astra的机械臂实验让我们看到了通用基础模型的提升，可以转化为物理行动能力，但其在精细操作上的局限同样说明，仅靠语言模型的通用能力并不足够，物理智能需要专门的基础模型。

这侧面印证了深度机智一直以来的战略判断：物理基座模型不是短期风口，而是一项需要长期投入的布局，先想清楚“物理智能究竟该从哪里长出来”，再让数据、模型与本体围绕这一长期目标持续组织、协同推进。

把时间线往回拨一年。2025年10月10日，深度机智就发布了《源于人，超越人》技术路线图，明确把“人类学习”作为物理通用智能的核心研发路径，并围绕“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，开展数据、模型、本体全栈布局。

在深度机智的逻辑里，物理智能不可能靠把互联网文本“翻译”成动作获得。人是在真实世界里，通过一遍遍“看见—尝试—被反馈修正”长出操作能力的，人类是物理智能最好的老师。

当时，行业对“用人类第一视角数据训基座模型”远未形成共识；而2026年PI、NVIDIA、Dyna乃至学术界的集体转向，恰恰在一年后验证了深度机智一年前的判断“人类经验是物理智能的第一性来源”。深度机智不是这一趋势的追随者，而是它的先发者。

这种先发，不只是判断上的领先，更是工程上的积累。回看PhysBrain的迭代节奏，2026年3月27日PhysBrain 1.0在中关村论坛发布，2026年9月9日PhysBrain 1.5跟进，半年一次的高频迭代，意味着这家公司正一步步把路线图走实，建立起稳定的研发闭环与工程能力。

Google DeepMind的Gemini Robotics、Physical Intelligence的π系列、Figure AI、NVIDIA Cosmos 3……全球头部机构正沿不同路径加速布局，物理智能的研发投入显著提速。

深度机智在人类学习路线上的早期布局所形成的先发积累，与数据、模型、本体全栈协同的系统能力相结合，正在成为全球物理智能竞争中一项难以复制的关键优势。

扛起行业发展重任的“黑马”

全球开源第一，只是PhysBrain 1.5在这一时间点上交出的成绩单。背后更值得关注的，是它在物理AI这一仍处早期的赛道上展示出来的三种能力：

一是架构的统一性。

深度机智把“理解、动作、预测”收进同一个自回归主干，让物理智能循环真正在模型内部闭环，而不是靠多个子模型拼接；

二是数据路线的差异化。

深度机智率先以大模型方法论，把人类第一视角数据作为物理常识来源，在行业里推进了稀缺的数据基建；

三是工程落地的全栈性。

深度机智从Ego360数采、PhysBrain基座、Prime系列本体到Human-as-Humanoid转换框架，每一环都自己把控。

物理智能的终局，不是一个会回答的模型，而是一个能在真实世界里感知、行动并不断自我修正的闭环。

PhysBrain 1.5清晰地标志着：在全球物理AI基础模型的竞争中，中国团队已经凭借人类学习路线与全栈布局，走到了全球竞争的第一梯队。

对行业而言，这是一个全面推动中国物理AI进步的里程碑。

*本文系量子位获授权刊载，观点仅为原作者所有。