【具身AGI导读】为什么同样的机器人，换个场景就傻？因为缺了一样东西——物理常识。深度机智（北京）科技有限公司（以下简称「深度机智」）想给机器人装上的，正是这颗"看不见的脑"。
几乎所有具身智能的翻车，都翻在同一个地方。不是关节不够多。不是算力不够强。是它根本不知道"重力往哪拉、桌子有多滑、手碰到东西会怎样"。
这些规律，有个很形象的名字：物理常识是具身智能的"暗物质"。看不见。摸不着。却决定了机器人能不能在真实世界里活下来。你可以造一个关节比人还多的机器，但如果它不懂"杯子会倒、热水会烫、人站的位置不能撞"，它依然是个危险的摆设。
为什么难？因为传统的"轨迹拟合"路线，其实是在死记硬背动作。它记住了"手怎么动"，却没理解"世界为什么这样动"。一旦场景变了，背诵就失效。就像一个人背下了某张考卷的答案，换一套题就傻眼。模型在训练场里再灵光，到了没见过的真实角落，也容易露怯。
深度机智的解法，是给机器人装上物理常识。PhysBrain 1.0，是首个以"给机器人装上物理常识"为核心目标的基座模型体系。怎么装？靠三套组合拳。
第一套，叫人类数据翻译管道。把人类第一视角视频「转码」成机器人能学的结构化教材。
第二套，叫双脑架构。左脑冻结通用语义，避免学新动作时把老常识忘光；右脑专攻动作。一句话：别让"学手艺"把"通识"冲掉。
第三套，叫强制跟随。逼模型老老实实听指令，防止它抄视觉近路、蒙混过关。三套下来，物理常识才真正沉淀进模型。
而最让人拍案的一幕，出现在SimplerEnv仿真评测的胡萝卜抓取任务上。训练数据里，全是"成功夹起来"的案例。没有一条"推"的示范。结果呢？模型自己琢磨出了新招——把胡萝卜推到盘子边，让它滚进去。
这不是程序员教的。是物理常识在模型里自己"长"出来的。
这一幕之所以重要，是因为它证明了模型学到的不是"动作模板"，而是"世界规律"。规律是可迁移的，模板是不可迁移的。前者让机器人面对没见过的胡萝卜姿态也能应对，后者只能等工程师再教一遍。
更绝的是迁移。用一套本体的数据训出来的模型，换到另一种机械臂上，抓取成功率依然近乎全部。同一套"理解"，落进了不同的"身体"。
真正聪明的，不是记住一万种动作，而是看懂一个世界。
这一切，指向一个更大的愿景：PhysAGI。先理解世界，再进入不同的身体，到头来学会真正工作。
当机器人开始"懂物理"，它才真正配得上"智能"两个字。
物理常识这颗"暗物质"，正在被一点点照亮。而谁先点亮它，谁就先看到具身的下一座山。
那些看得见的能力，迟早会被追赶；看不见的常识，才是真正拉开差距的地方。这正是物理常识被称为"护城河"的原因。
想想看，一个靠背动作模板的机器人，每换一个场景就得重新教。而一个真正理解物理的机器人，新场景落在它已有的常识范围内，就能自己应对。前者是"教一次用一次"，后者是"懂了就能举一反三"。
这两种模式的成本结构完全不同。前者的边际成本永远降不下来，后者的边际成本随常识积累而摊薄。在真实场景里，这意味着一个能"懂"的机器人，越用越便宜；一个只会"背"的机器人，越用越贵。
再往深一层，物理常识还决定了安全。一个不懂"热水会烫"的机器人，迟早出事；一个理解物理约束的机器人，动作天然更可控。在康养、家庭这类与人近距离接触的场景里，这一点不是加分项，是前提项。
这也是为什么深度机智把"给机器人装物理常识"当成核心目标，而不是顺带的优化。它赌的是：未来具身智能的分水岭，不在谁的动作更花哨，而在谁的世界模型更扎实。
那些看得见的能力，迟早会被同行追赶；看不见的常识，才是真正拉开差距的地方。
当行业还在为某个丝滑 demo 欢呼，深度机智已经把目光投向了 demo 背后那个更难、也更本质的问题：机器人，真的明白自己在干什么吗？这个问题的答案，会决定具身智能到底是一阵风口，还是一次真正的范式转移。