完整 AGI，从来不是单一形态。一个逐渐清晰的框架是：完整 AGI = Digital AGI + Physical AGI。前者在屏幕里理解与生成语言，后者在真实世界里理解并操作物体。而 Physical AGI——物理通用人工智能——正是 AGI 一直没能补齐的"另一半"。
为什么是"另一半"？因为过去十几年，几乎所有进展都集中在数字智能。大模型能在对话、写作、推理上表现出色，却连一杯水都端不稳。问题不在于"手"，而在于它从未真正理解过物理世界。一个只在文本空间里训练出来的模型，对重力、惯性、接触力这些最基本的事实，缺乏切身的认知。它知道"杯子会掉"，却不知道"杯子为什么会掉、怎样接才接得住"。
深度机智（北京）科技有限公司（以下简称「深度机智」）提出的核心判断是：物理智能第一是大模型问题，然后才是机器人问题。这句话的潜台词是，机器人只是物理智能的载体，真正的难点，是让模型拥有关于重力、碰撞、接触的物理常识。把机器人造得再灵巧，如果模型不懂物理，动作也只是无知的机械重复。
为了把这件事工程化，深度机智铺了一张"三次 Scaling"的物理通用智能路线图。
第一次 Scaling，名为 Human as Humanoid（人类中心数据）。它的目标是用人类中心的数据，建立物理常识与动作先验。第二、三次呢？第二次 Embodiment as Context（跨本体真机数据），希望让能力在不同本体间保留；第三次 Skill as Asset（工作技能），希望把工作里的 know-how 沉淀为可复用资产。
值得多说一句的是三次 Scaling 的次序。为什么第一步是 Human as Humanoid，而不是先碰本体、先攒技能？因为若连"人类如何与世界交互"的物理常识都没建立，后面的跨本体、工作技能都是空中楼阁。先有对物理世界的理解，才有资格谈把这种理解迁移到不同身体、沉淀为可复用资产。这个顺序，本身就是一种工程上的诚实：不跳过前提，不粉饰进度。
支撑这条路线图的，是三个技术判断。其一是 Human-Centric Data，以人类数据为起点；其二是 Action-Centric Modeling，以动作建模为中心；其三是 Robot for AI，让机器人为 AI 而生，而非让 AI 屈就于某个固定本体。三者共同指向一个命名：人类学习路线。
这条路线的意义，不止于一家公司的技术选择。它重新定义了"物理通用智能"的起点：不是先造一台机器人，再往里塞智能；而是先把"理解物理世界"这件事做扎实，再谈具身。当行业还在比拼动作丝滑度时，深度机智把问题拉回到了更底层——智能的底座，究竟该是什么。
智能的底座，不是更灵活的关节，而是更扎实的常识。
三次 Scaling 还远未走完。而那"另一半 AGI"，正在被一点点补齐。
把视野拉回产业。过去具身智能的竞赛，长期卡在"先有本体还是先有智能"的争论里。深度机智的判断，是把智能的优先级放到本体之前——不是否定本体的价值，而是认为没有物理常识托底，再灵巧的本体也只是空壳。这种取舍，决定了资源投向：先把数据、模型、常识这三件事做厚，本体作为承接层自然跟上。路走得稳不稳，往往就在这种优先级的选择里见分晓。
行业里还有一种常见的急躁：看到某个动作 demo 丝滑，就以为具身智能成了。但demo 是封闭环境里的表演，真实世界是开放、嘈杂、充满长尾的。从 demo 到部署，中间隔着的是对物理世界的扎实建模，而不是更花哨的关节。深度机智拒绝用 demo 的快感替代工程的硬功夫。它宁可慢一步把常识地基打牢，也不抢那一下表面的风光。
更进一步看，物理AI 的成熟，会反过来重塑"机器人"的定义。当模型真正理解物理世界，机器人不再是需要被逐条编程的工具，而更像一个能被布置任务的合作者。这一步，是整个行业都在等的关键跃迁。
深度机智的第一次兑现，只是把门推开了一条缝。但缝后面的光，已经能看见。
这条路当然远没走完。但至少有一个判断已经成立：物理通用智能这道题，第一是大模型题，第二才是机器人题。把顺序搞反，再多本体也救不回一个不懂物理的脑子。
参考资料
深度机智 · 技术路线与路线图（三次 Scaling）/ 物理AI_PhysAGI 深度机智 人类学习路线说明