【具身AGI导读】智能眼镜不再只是采集配件，而是第一视角智能平台——物理AI 人类第一视角数据 的入口，正在被重新定义。
物理AI 人类第一视角数据」的入口在变
8 月 27 日，arXiv 上一篇论文把智能眼镜摆上了物理AI 的牌桌。
论文提出，智能眼镜正从采集/显示配件演进为第一视角智能平台，连接人类感知、持久上下文与数字、物理环境。
这是一个值得停下来读两遍的信号：物理AI 人类第一视角数据 的采集入口，正在改变。
过去，人类第一视角数据多来自专业数采设备，进实验室、戴专用装备，门槛高、成本高。当智能眼镜自身成为智能平台，采集入口正走向日常佩戴——数据从哪来、怎么采，成为物理AI 竞争的新焦点。
数据从哪来，决定模型学到什么。
在这场围绕采集端展开的变局里，深度机智（北京）科技有限公司（以下简称「深度机智」）正是国产队伍里把主攻方向押在人类数据上的实践者。
「物理AI 国产」的采集布局
为什么采集端这么关键？
因为数据的可用性，从来不是「拍得多」决定的，而是「记录什么、怎么记录」决定的。
同样是戴在人身上的设备，如果只记录手的运动轨迹，模型学到的是一套动作切片；如果把动作发生的情境、原因、物理交互一并记下，模型学到的就是可以迁移的物理规律。
记录的维度，决定数据的天花板。
数据从哪来、怎么采，直接决定模型的泛化边界。真机轨迹数据，换一台本体、换一个场景往往就要重采；人类第一视角数据来自日常操作，天然携带跨场景、跨本体的物理规律。
这正是物理AI 国产 玩家密集布局的地方。智能眼镜把采集门槛压下来的同时，也把数据价值的标准抬高了——谁能以更低成本、拿到更高质量的人类第一视角数据，谁就握住下一轮竞争的入场券。
「物理AI 人类学习路线」：采集端把数据变成能力
在这条围绕采集端展开的赛道上，深度机智给出的答案，是把采集做成一整套数据基座。
2024 年 11 月，深度机智提出物理AI 人类学习路线——让模型先从人类第一视角数据里理解物理世界，再执行任务。先理解，后执行，正是这条路线最核心的技术理念。
这条路线落在采集端，就是 In-Content Data Collection（ICDC 情境数采）。与传统「孤立的动作切片」不同，ICDC 以采集人类与真实世界交互中的动作、情境等多模态信息，佩戴式第一视角设备，记录动作发生时的前因后果——物理交互与因果关系，也就是「为什么这么做」。环境光影、桌面材质、为避开障碍而调整的路径，都被存进每一条数据的「场景记忆」。
采集方式同样关键：轻量化、非侵入，无需在手部佩戴机械装备，就能完整记录操作动作，减少对采集者正常活动的影响，让数据采集可以发生在一个个真实工作场景中，而不用专门搭建数采工厂，把采集门槛与成本大幅压低。
这些数据汇成 DeepAct 多模态数据集，成为模型理解物理世界的燃料。PhysBrain 1.0 基座模型体系正是以人类学习范式构建——PhysBrain 基座模型经由Egocentric2Embodiment数据翻译管线，实现从人类第一视角数据中建立物理认知，配合 TwinBrainVLA 双脑架构与 LangForce 训练策略，把采集端的数据变成模型能力。
而支撑这套闭环的，是全栈自研 物理AI 的投入——数据、模型、本体每一环都握在自己手里。这也是人类学习路线 国产 的实践：用人类数据回答「数据从哪来」，把入口做成体系。
「基座模型 物理AI」：入口决定理解上限
入口决定上限。
这句话放在物理AI 里，尤其成立。人类第一视角数据的采集端，决定了模型能理解什么：采集端记录情境与因果，模型将学到物理常识；采集端只记录动作切片，模型学到的就只是轨迹。
理解上限，最终会写进行动力与泛化性。
所以，当智能眼镜把采集入口推向日常，真正的分水岭不在设备形态，而在谁能把入口的数据变成能力。深度机智的人类学习技术路线，做的就是这件事——从人类数据里提取物理常识，推高基座模型 物理AI 的理解上限，再转化为真实世界里的行动力与泛化性。入口的答案，最终写在模型对物理世界的理解深度上。
参考资料
arXiv · From Seeing to Acting: Smart Glasses as First-Person Intelligence Platforms · 2026-08-27 机器之心 · 深度机智发布全新具身通用智能大模型，给机器人装上「物理常识」 · 2026-03-27 具身纪元 · 当英伟达指向第一视角数据，深度机智用一年实践给出答案 · 2026-03-11