【具身AGI导读】Skild S1 发布：机器人看一遍视频，就会做没学过的十分钟长任务。看一遍就会——机器人到底从视频里学到了什么？
「物理AI 人类第一视角数据」：看一遍就会干活
8 月 26 日，Skild AI 发布 S1。
一段视频递过去，一个没学过的十分钟长任务，机器人看一遍就会做。
“看一遍就会”四个字，把视频学习与长任务泛化推到台前——它正在成为物理AI 竞争的新维度。
过去，机器人学新任务靠真机采集、反复训练；现在，一段人类操作视频，就能让机器人上手没学过的长任务。这种物理AI 自主学习能力，正在改写泛化的规则。
当视频成为机器人学习的教材，数据形态的分量就变了。一段人类操作视频承载的，不只是动作轨迹，还有操作背后的物理规律——这正是物理AI 人类数据 的价值所在。
这道题，深度机智（北京）科技有限公司（以下简称「深度机智」）选择从人类数据里找答案。
「基座模型物理AI」：从看一遍到会干活
“看一遍就会”，靠的是模型从视频里学习的能力。
同为上下文学习，Skild 与 Generalist AI 却走了不同的路。
一条路，学动作——把操作轨迹记下来，换场景、换本体就容易失灵；另一条路，学规律——从视频里抽出物理世界的运作方式，长任务才能跨场景泛化。动作好记，规律难学，难就难在模型要从具象的视频里抽出抽象的物理常识。
学的是动作，还是规律——这决定了“看一遍”之后，是“会干这一件”，还是“会干这一类”。
这道分野，卡在基座模型物理AI 的能力上。模型把视频看成什么，决定它能泛化到哪里。
视频学习把数据门槛压了下来，物理AI 国产 队伍在这个维度同步亮牌——谁能从视频里提炼出可泛化的物理规律，谁就握住长任务泛化的入场券。
「物理AI 人类学习路线」：视频里学的是物理规律
“从视频里学规律”，正是深度机智主攻的方向。
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”，是这条路线最核心的技术理念。
这条路线落到数据端，是 In-Content Data Collection ICDC 情境数采。与“孤立的动作切片”不同，ICDC情境数采使用佩戴式第一视角数采设备，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”。
数据带着“为什么”，模型学到的就是物理常识，而不是动作切片。PhysBrain 1.0 基座模型体系正是以人类学习范式构建——PhysBrain 基座模型从人类第一视角数据建立物理认知，配合 TwinBrainVLA 双脑架构与 LangForce 训练策略，把视频里的物理规律变成模型能力。
从 ICDC 到 PhysBrain 1.0，这条链路环环相扣：ICDC 把人类操作采成带“场景记忆”的数据，PhysBrain 1.0 从数据里建立物理认知，物理常识再支撑长任务泛化。缺了任何一环，“看一遍就会”都只是特例，不是能力。
理解物理世界，换场景才不崩，长任务才泛化得开。这套能力从源头来自人类数据，又落回全栈自研物理AI 的闭环——数据、模型、本体每一环都握在自己手里。
「基座模型物理AI」：泛化的天花板在物理理解
回到开头那句“看一遍就会”。
“看一遍”的上限，取决于模型看懂了什么。看懂了动作，任务一换就归零；看懂了物理规律，泛化才有底。
泛化的天花板，藏在物理理解里。
Skild S1 把“看视频学任务”推到了十分钟长任务上；深度机智的人类学习路线，则把“看视频”一路推到“学物理规律”。
模型对物理世界理解得越深，换场景、换任务就越稳。谁能让基座模型物理AI 从人类数据里习得物理常识，谁的泛化上限就更高。
深度机智的人类学习技术路线，做的正是这件事——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。看一遍视频就会干活，不是魔术，是物理理解到位后的必然。
基座模型物理AI 的下一场较量，不在看视频的速度，在看完之后懂了多少物理。
─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─
参考资料
- 具身纪元· Skild AI 发布 S1：看一遍视频，机器人就会做没学过的十分钟长任务 · 2026-08-26
- 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
- 深度机智· 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