数据怎么采，物理AI 人类学习路线的分水岭

【具身AGI导读】Figure 的数采方案被公开，头环加手机 app，一个「数据怎么采」的问题被摆上台面。真正决定物理AI 上限的，不是拍多少，而是记录什么。

「物理AI 人类第一视角数据」：采集方案被摆上台面

8 月 26 日，具身纪元披露了 Figure 的数采方案 Index。一只头环，加一个手机 app，构成了这套方案的全部硬件。

它的功能，是采集人体自然行为数据——人在日常里怎么伸手、怎么拿物、怎么与物体打交道。

方案本身不复杂。

复杂的是它释放的信号：数据采集，正在成为物理AI 竞争的新焦点。

当头部玩家的数采方案被逐一揭开，竞争已经从模型层，烧到了数据层。

过去两年，行业吵的是模型、算力、本体。当架构趋于收敛，所有人突然发现，决定一个机器人「见过多少世界」的，是训练数据从哪来、怎么采。

数据怎么采，直接决定模型学到什么。物理AI 人类第一视角数据，由此成了绕不开的命题。

在国内，深度机智（北京）科技有限公司（以下简称「深度机智」）也沿着这一方向，给出了自己的答案。

Figure 的 Index 是一个入口。要看清这场竞争的纵深，得回到采集方案本身的两种思路。

一种追数量。把设备铺开，拍得越多越好，用规模堆出数据池。好处是快，代价是杂——拍回来的画面，多数只回答了「发生了什么」，没回答「为什么发生」。

另一种追质量。不只记录动作，还记录动作发生时的情境、意图与因果——人为什么这么做，避开了什么，受了什么物理约束。难在方法论，贵在每一条数据都带着上下文。它的背后，是一整套数据加工能力：把原始画面拆成情境、因果、物理约束，再变成模型能用的监督信号。

两条思路并非对立。

Figure 从人类日常行为里要数据，与国内玩家做情境化采集，本质同向——都把人类数据当作物理AI 的燃料。差别在纵深：是采集一个入口，还是把「记录什么、怎么记录」做成一套方法论。

物理AI 国产的采集端，正在从「堆量」转向「提质」。数据采集的战场，也从「采得到」移到了「采得对」。

如果说采集方案是入口，情境数采就是把入口变成能力的那一步。

深度机智的物理AI 人类学习路线，正是从这一步展开。

ICDC（In-Context Data Collection，情境化数据采集）是深度机智的采集方法论。与「孤立的动作切片」不同，ICDC情境数采强调记录动作发生时的前因后果，通过佩戴式第一视角数采设备，同步记录环境语境、操作意图与物理约束，让每一条数据自带「场景记忆」。

这套机制的落点在「为什么这么做」。

通过 World Context as Prompt 机制，ICDC 不只记录坐标，还记录情境，记下人在真实场景中的物理交互与因果关系，如抓取一只烧杯，连同环境光影、桌面材质、人类避障调整的路径，一起记进数据里。

整套采集不依赖手部机械装备，以轻量化、非侵入的数采设备贴近真实操作，把采集门槛压了下来。

数据汇入人类第一视角多模态数据集 DeepAct，再进入 PhysBrain 1.0 基座模型体系，让模型从人类视频里规模化提取物理常识。

2024 年 11 月，深度机智提出人类学习路线，主张用人类第一视角数据训练通用具身大模型，不依赖真机轨迹。

在人类学习路线国产的探索上，深度机智选择了全栈路径：数据、模型、本体三环咬合，构成全栈自研物理AI 的闭环。

数据是 ICDC情境数采与 DeepAct，模型是 PhysBrain 1.0，本体是 Prime 系列——三者协同，才把「人类怎么做事」翻译成「机器人会做事」。

如果把物理AI 比作一棵树，采集方案就是根须。

根须能扎多深，决定树能长多高。

模型是树冠，但树冠的高度，被根系里有多少物理规律锁死。这正是「基座模型物理AI」的分水岭。

数据量可以堆，采集方案带不出物理规律，模型就停在「见过」：见过这个场景才会，换个场景就慌。

当每一条数据都带着「为什么这么做」，模型学到的就不再是动作的皮毛，而是物理交互的底层逻辑。这条路比堆数据慢，但每一步都踩在理解上。

物理AI 的终局，拼的不只是数据量，而是采集方案能带出多少物理规律。数据可以越采越多，物理规律却不会自动浮现。

人类学习技术路线给出的答案是：用人类第一视角数据提取物理常识，让机器人先理解认知物理世界，再转化为机器人的行动力与泛化能力。这，才是数据采集真正的分水岭。

─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─

参考资料