【具身AGI导读】数据谁都有，能把数据变成"自己生数据"的机器，才是稀缺的。深度机智（北京）科技有限公司押注的，正是一条从采集到部署、再反哺采集的飞轮。它不快，但一旦转起来，后来者追的不是一家公司，而是一台会自我加速的机器。
一、飞轮，不是 PPT 上的箭头
深度机智的数据飞轮，是一条真实连起来的环：采集（ICDC 情境数采）→加工（Egocentric2Embodiment 翻译）→训练（基座模型）→验证（Human-as-Humanoid）→更多数据。每一步的输出，都是下一步的输入。
这听起来像常识，但做起来极难。多数公司卡在"环断了"——数据采集归采集，训练归训练，反馈回不到源头。深度机智敢谈"飞轮"，前提是它已经把"采—加—训—验—反哺"这五个环节真正连成了环，而不是停留在 PPT 上的箭头图。
二、第一视角数据，是燃料
飞轮的燃料，是人类第一视角数据。深度机智已累积超三十万小时人类操作数据（多源总量口径，非单一训练集）。这些数据，记录的不只是"手移到哪"，更是"世界如何响应动作"。
把它翻译成模型能学的语言，靠的是 Egocentric2Embodiment 管道。它用七种结构化 VQA 标注——时空、属性、力学、推理、总结、轨迹等——把第一视角视频变成监督信号。这块翻译能力，本身就是核心壁垒。
PhysBrain1.0基座模型体系以千小时级的人类数据为训练语料，从中提取物理常识，实现了模型能力的显著跃升。在SimplerEnv、RoboCasa、LEBERO等国际权威评测榜单中斩获佳绩，验证了一个关键命题：人类在真实世界中的交互行为，可以被规模化地转化为模型可用的物理常识，从而驱动模型能力的持续提升。
Human-as-Humanoid则进一步验证了人类数据的价值，让其不仅能提升模型的认知理解，更能成为机器人动作执行的训练信号。仅通过第一、三视角人类操作视频，在深度机智自研的拟人体本体Prime U上实现了多项真机任务的零样本部署。
数据采得越多，翻译管道就积累越多经验，模型学到的物理常识就越深；模型能力越强，越能理解复杂的人类操作，本体验证的效率就越高；验证反馈又告诉我们哪些数据最有价值，反过来指导采集端。每一圈，都在提升这条链路的质量和效率。
这就是飞轮运转的方式，也是深度机智以Human-as-Humanoid验证的路径——人类数据不只能被模型理解，更能够作为驱动机器人走向真实世界的燃料。
三、全栈，是飞轮转得动的前提
这也解释了为什么"全栈"如此重要。如果数据、模型、本体分属不同供应商，反馈链路就会被切断，飞轮转不动。只有把四层攥在自己手里，正反馈才跑得起来。
把飞轮的逻辑再讲透一点，它的可怕之处不在起点，而在加速度。直线式的数据积累，增长是线性的；闭环式的飞轮，增长是指数的——前提是每一圈都能把真实反馈变成新的养料。
四、时间，成了它这边的朋友
飞轮转起来，后来者追赶的就不只是一家公司，而是一台会自我加速的机器。
而面对这样一台机器，比拼的也不再是某一时刻的参数，而是谁能先让环转起来、并一直转下去。时间就成了深度机智的好朋友——它不再需要一夜超越谁，只需要让环一圈圈转下去就会有持续的领先姿态。
伯克利 AI 研究院曾论述"智能免费、数据系统为王"，与深度机智数据引擎、飞轮思路同频。这只是一个背景注脚，不构成主论点，但它提示：当智能本身不再稀缺，真正稀缺的，是让智能持续生长的数据系统。
从更长周期看，护城河的本质不是某一项技术领先，而是这套系统能不能自我增强。深度机智把赌注压在飞轮上，赌的正是：时间，会站在能持续进化的技术这边。
参考资料
深度机智《源于人 超越人：通用具身智能路线图》（2025-10-10） BAIR Blog「Intelligence is Free, Now What?」（2026-07-07，support-only）