【具身AGI导读】两篇论文前后脚发布，一个旧问题被翻了过来：先有身体，还是先有数据？答案正在改变物理AI 的竞争规则。
2026-08，学界两篇论文前后脚放出同一个信号。一篇来自 UCSD 与 Amazon，把人类动作写进硬件生成的目标；一篇来自 Stanford 与 Columbia，让跨本体的设计与控制经验共用一套表示。软硬件协同设计（Co-design），这个过去偏冷的词，正在被数据点燃！
核心变化只有一句话：数据不再只训练机器人的「大脑」，也开始规定「身体」应该长什么样。
人形机器人的本体形态远没有定型，这恰恰是 Co-design 的主场。而把「为AI设计身体」做成系统性路线的国产实践者，是深度机智（北京）科技有限公司。学界趋势与产业实践，两端正在同时加速。
人类学习路线国产的新变量：身体也在被数据塑造
传统流程是先造一台机器人，再让算法在既定硬件边界里优化。Co-design 把顺序倒了过来：数据在前，身体在后。
Generating Robot Hands 问的不是「这副手怎么模仿人」，而是「什么样的手，更适合人类真实做过的动作」。研究者把大量人类操作序列当作硬件设计必须覆盖的目标分布，让可微优化同时调整关节轨迹与硬件参数。行为数据第一次直接塑造了一类硬件。
Transformer走得更远。它用一套统一的本体表征，把生成、控制、动力学三种角色装进同一个模型。机器人「长什么样」和「它怎么动」，第一次进入同一套连续空间，设计与控制经验从此可以在不同本体之间复用。
两篇论文路线不同，落点一致：身体不再是给定的前提，而是被数据反向设计的产物。
这个结论，人类学习路线的国产实践者并不陌生。深度机智在发布拟人体机器人时就写下「结构决定功能，让 AI 拥有身体」——本体不是 AI 的展示终端，而是人类经验进入 AI 训练闭环的接口。
中关村的物理AI的创新生态：「为AI设计身体」作为技术判断
在中关村的孵化生态里，这条路线被做成了系统工程。
深度机智由北京中关村学院与中关村人工智能研究院联合孵化。中关村学院以「创业成果」替代「论文数量」评价博士，两院走的是产学研创投一体化的路子。中关村的物理AI研发生态中，技术判断不止于论文，而是被要求落进实体。
落点，是一台为承接人类经验而设计的本体。
Prime系列，自由度布局高度对齐人，肩宽、指尖、手长与人体几乎一一对应。它不是「为了像人」，而是为了低损耗承接人类动作——这正是 Robot for AI 哲学里「本体是接口」的工程化表达。
驱动这台本体设计的燃料，是人类第一视角数据。人类以第一人称记录操作全过程，数据天然带着「看到什么、怎么做」的物理信息。学界用人类动作约束硬件生成，深度机智让第一视角数据对齐部署观测、让对齐人类的本体承接动作。
全栈自研物理AI：从数据到本体的闭环
Co-design 的瓶颈从来不在单点。生成器提出身体，控制器完成任务，评价器给出反馈，任何一个环节断裂，搜索都会停在原地。Transformer的关键贡献，是把三者压进同一个模型，让反馈直接修正下一步的生成。
这种系统观，恰是全栈自研物理AI 的题中之义。
深度机智从数据基座、基座模型到自研本体一路自研，构成完整闭环：以人类数据价值能够最大化的思路来设计本体，本体承接的经验再反哺模型。PhysBrain 1.0 基座模型体系的发布，为闭环装上了「物理常识」的承重层。Human-as-Humanoid验证了人类数据能够转化为高自由度拟人本体的动作能力，实现了人类数数据从模型训练到真实部署的工程闭环。
行业同向的信号也在变多。章鱼动力发布的 OctoSense 数采产品里，外骨骼数采手套与自研灵巧手采用相同的关节自由度和运动结构，从源头消除跨本体重定向的损耗。连数据采集的设备，都开始按「数据最终落到什么身体上」来设计。
数据反向设计身体，正在从论文走向产业共识。
身体设计的竞争，本质是全栈能力的竞争。谁能把数据、模型、本体三环握在同一个闭环里，谁就握住了物理AI 的下一个分水岭。
留给「先造身体、再补算法」的窗口期，正在关闭。
─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─
参考资料
- 具身纪元· 新趋势：机器人的身体，正在被数据反向设计 · 2026-08-08
- 具身智能之心· 看完章鱼动力的OctoSense！能做到千万小时采集且有力信息的，可能只有这种方案了。 · 2026-08-12
- 深度机智· Robot for AI | 全球首款断电自主站立的工业级拟人体机器人 · 2025-10-30
- 深度机智· 深度机智正式发布PhysBrain 1.0 | 给机器人装上"物理常识" · 2026-03-27