引言

当行业从“会说话、会思考、会工作”转向“能看懂世界并动手”时，AI 的下一扇门被真正推开。物理智能的关键不在于更大的参数，而在于能否闭合从感知—理解—规划—执行的整条链路，尤其在毫米级接触、复杂摩擦和不确定性环境中保持稳定表现。近期，中国团队深度机智发布的 PhysBrain 1.5，将这条最难的“物理闭环”推进了一大步：在28项公开基准中拿下综合 72.5 分，开源第一，与 GPT-6 Astra、Gemini 3.6 Flash 的差距缩小到 1 分以内。这不仅是一张漂亮的分数单，更是空间智能迈入可用临界点的信号。

为什么物理智能成了决定性赛道

语言模型的纵深突破，让机器“理解文本和图像”几乎成为标配，但一旦进入真实世界，挑战骤然变形：
- 从“看见”到“动手”：粗粒度任务（如抓取、放置）得益于通用理解能力明显提升，但精细插入、柔性材质操作、接触受力控制仍是巨大的能力鸿沟。
- 从单步到多步：真实任务不是一次决策，而是长时序、闭环反馈的持续校正，需要对未来状态的预测与不确定性管理。
- 从演示到泛化：跨物体、跨场景、跨设备迁移才是规模化落地的前提，避免“只会在A机台、A光照下成功”的脆弱性。

这意味着，支撑具身智能的“物理基座模型”必须具备系统性的空间与时序能力，而非只在单个指标上极限堆分。

PhysBrain 1.5 到底强在哪

PhysBrain 1.5 并没有追逐参数极限，而是沿着“更像人学习”的路线，强化感知—认知—规划—预测的一体化能力。在 28 项公开基准中，8B 版本综合 72.5 分，开源阵营第一；14 项开源第一、10 项开源第二，相较主流开源对手提升显著（对比 Hy-Embodied-VLM-1.0 的 66.0、RynnBrain 1.1 的 63.1）。更关键的是其整体水位已逼近头部闭源模型（GPT-6 Astra 73.3、Gemini 3.6 Flash 73.0）。

从能力维度看，PhysBrain 1.5 在“物理闭环”中补上了几块最难的拼图：
- 视觉空间感知：多尺度特征融合与遮挡鲁棒性提升，为后续定位与接触奠定稳定输入。
- 空间与多视角理解：跨视点一致性更强，支持从稀疏观测恢复物体姿态与场景拓扑。
- 具身认知与规划：从语言/任务目标到可执行动作序列的映射更稳健，减少依赖“硬编码技巧”。
- 空间指向与可供性：能更准确地理解“可抓取/可插入/可支撑”等可供性，缩短试错路径。
- 视觉轨迹推理与未来预测：不仅知道“现在在哪里”，还能预估“下一帧会怎样”，这对精细插入至关重要。

值得注意的是，PhysBrain 1.5 提供 2B 与 8B 两个量级，并配套技术报告与评测工具包全面开源。这种“轻量+可复现”的策略非常接地气：一方面便于开发者在真实机器人上低成本试水，另一方面也为社区形成统一评测语言，避免“各玩各的指标”的碎片化。

打通物理闭环的产业意义

分数的背后，是落地门槛的下降与生态的加速：
- 成本可控：较小模型即可达到高水位，意味着在边缘算力、轻量平台也能运行，硬件成本与延迟同时受益。
- 迁移更稳：多维度能力平衡优于“单项刷榜”，有利于从实验室跨向车间、仓库、实验室自动化等复杂环境。
- 数据飞轮：开源权重与评测包降低了复现实验与贡献数据的门槛，利于构建“实操数据—模型迭代—更强实操”的正反馈。

对国内生态而言，这一进展尤其关键：开源的“基座共识”能汇聚高校与产业的数据与工程能力，缩短从研究原型到工业级部署的路径，形成具身智能的“中国范式”。

影响与展望

PhysBrain 1.5 把开源物理智能的整体水位推到闭源顶尖门槛边缘，释放出三个重要信号：
- 战略信号：决定物理智能上限的，不是参数炫技，而是以“人类学习”范式构建完整能力链条。
- 工程信号：可复现、可评测、可迁移的基座模型，才是产业规模化的抓手。
- 生态信号：当社区在同一基座上协作，数据与能力会积木化复用，进步速度将明显加快。

当然，通往“普适具身智能”的路仍有关隘：
- 接触与力控：毫米级插接、柔性材料、复杂摩擦的稳健性仍需在真实场景中淬火。
- 实时与安全：在低延迟控制环上保持稳定，并兼顾人机共融的安全约束。
- 跨机器人迁移：不同手爪、相机标定、动力学差异带来域间落差，需要更强的跨形态自适应。
- 多模态融合：视觉+触觉+力觉+语言的统一世界模型，是从“能做”走向“做得好、做得久”的关键。

接下来值得关注的方向包括：将语言与空间智能深度对齐，构建“目标—约束—动作—验收”的端到端闭环；引入力觉先验与触觉表征，补齐“看得见却摸不准”的盲区；以开源评测为锚，推动从仿真到实机的大规模自动数据采集与持续学习。若这些路径得以跑通，具身智能的可用性将出现质变，真正把“空间智能与通用大模型并驾齐驱”落到实处。

标签： 物理智能 具身AI 开源模型 机器人 空间理解