深度机智PhysBrain 1.5登顶全球开源榜首，物理智能基座能力逼近顶尖闭源模型

事件概述

2026年9月9日，中国人工智能公司深度机智正式发布物理基座模型PhysBrain 1.5。该模型在涵盖视觉空间感知、具身认知与规划等五大维度的28项公开基准测试中，取得72.5的综合均分，位列所有参评开源模型首位。其性能表现已大幅缩小与当前最强闭源模型如GPT-6 Astra（73.3）和Gemini 3.6 Flash（73.0）之间的差距，显示出在物理智能领域的强劲竞争力。

核心信息与技术突破

1. 评测成绩与行业地位

• 综合得分：PhysBrain 1.5-8B以72.5分领跑开源阵营，较主要开源对手Hy-Embodied-VLM-1.0（66.0）高出约6.5分。
• 单项优势：在28项测试中，取得14项开源第一、10项开源第二。其中Part-Affordance（可操作部位识别）达84.0分，RoboRefit（视觉目标定位）达89.8分，显示其在从识别到交互的关键环节具备系统性领先。
• 多版本覆盖：同步开放PhysBrain 1.5-2B（66.6分）与PhysBrain 1.5-8B。2B版本虽不参与排名，但其分数已超过多数其他非PhysBrain开源模型，证明了技术路线在轻量化部署上的有效性。

2. “Physical Loop”统一架构
PhysBrain 1.5摒弃了传统的“理解+动作+预测”多模型拼接模式，构建了统一的自回归基座模型，实现物理智能闭环：

• 具身理解：通过VLM接口注入物理感知，输出结构化空间坐标与轨迹目标，不仅“看到”画面，更理解场景中的物理常识与任务意图。
• 动作生成：基于Human-as-Humanoid管线，从人类视频学习手腕运动方式，直接生成机器人可执行的动作步骤。该能力具有通用性，无需为不同形态或控制频率的机器人单独训练。
• 未来状态预测：在给定当前画面与指令后，预测1秒后的物理状态，同时输出RGB图像、深度图和机器人掩码。这种“先想象结果、再采取行动”的前瞻能力，为闭环中的纠错提供了依据。

3. 数据路线：人类经验驱动

• Ego360全景数据体系：模型预训练监督完全来自人类交互视频。通过记录全景环境、全身姿态、手部运动及语音，保留连续的任务上下文，使模型学习“情境-动作-反馈”的完整循环，而非碎片化操作。
• Human-as-Humanoid框架：作为连接人类数据与机器人动作的桥梁，该框架实现了从人类行为到机器人动作空间的转换。此前在Prime U拟人机器人上的验证显示，原始示范吞吐量达到传统遥操作的4.8至7.2倍，并实现了部分任务的零样本迁移。

值得关注

• 全栈布局闭环：深度机智已完成从数据采集（Ego360）、基座模型（PhysBrain）、动作转换（Human-as-Humanoid）到本体验证（Prime系列）的全栈独立闭环，形成了系统性的研发壁垒。
• 战略先发优势：早在2025年10月，该公司即提出以“人类学习”为核心路径的技术路线图，这一判断在2026年被全球多家头部机构（如PI、NVIDIA等）的转向所验证。
• 开源生态影响：PhysBrain 1.5的技术报告、模型权重及评测工具包已全部向社区开放，上线3天下载量超3k，为全球开发者提供了媲美顶尖闭源模型的物理智能基座选择。