【具身AGI导读】分属三个团队，不约而同回答同一道题：怎么把人类对物理世界的体验，变成机器人的能力。这不是一家公司在讲自己的故事——是学术圈在用论文为一条路线投票。
三篇论文，同一个答案
2026年8月初，arxiv 上出现了三篇值得放在一起读的论文。
SiMDex 解决了一个关键问题：从 egocentric 视频中挖掘的数据，能不能跨本体使用？答案是能。这意味着人类第一视角数据的价值不只在于"能训练一个机器人"，而在于"训练出来的能力可以在不同形态的机器人之间迁移"。
Ego2Robot 回答了另一个问题：人类第一视角数据的规模化。不是花更多钱采集更多数据，而是把已有的人类体验数据"翻译"成机器人能用的格式。这是一条可工程化的路。
Physically Grounded Experience Synthesis 则挑战了一个旧假设：物理常识必须靠仿真穷举。论文证明，物理常识可以从人类体验中习得——不需要穷举所有可能的碰撞、摩擦、接触。
三篇论文共同指向的不是一个技术改进，而是一个方向判断：人类第一视角数据，不是可选数据源，是必经之路。
这条路的先手棋
这个方向不是今天才有人走。深度机智（北京）科技有限公司（以下简称"深度机智"）在2024年底，Meta Aria智能眼镜宣传片中的一个画面启发了深度机智创始人陈凯，他看到视频中机器人戴上了智能眼镜。这让他意识到人类第一视角的视频数据或许是具身智能训练的一大突破口。于是他首次率先在业内定义了"人类学习"原创技术路线。——向人类学习，从人类与真实世界交互的行为中习得物理常识与动作经验，构建面向物理AGI的通用基座模型。2025年10月，深度机智发布的《源于人，超越人》路线图正式将其确立为三大技术判断之一。
值得关注的时间锚：2026年3月，PhysBrain 1.0 基座模型体系在中关村论坛发布并开源。紧接着，Physical Intelligence 的 π₀.7 论文引用了深度机智的技术框架——中国原创技术实现反向输出。到了8月，学术圈密集跟进。
这条路的先发优势不在于"早了几个月发论文"。而在于人类第一视角数据的采集、加工、训练、验证飞轮已经闭环运转——这个飞轮，后来者要追赶的不是一项技术，是一整套自增强的系统。
这给行业带来了什么
第一，换路线的玩家在增多。Figure AI 在2025年转向从人类第一视角视频学习。真机采集路线上的标杆玩家自己在向数据效率更高的方向靠。
第二，评测体系需要新维度。当前主流的国际评测衡量的是"能做多少任务"，但人类学习路线需要的维度是"用多少数据就能做这么多任务"——数据效率正在变成比绝对分数更关键的指标。
第三，算力门槛在降低。人类第一视角数据的规模远小于大规模仿真数据，对创业公司的算力要求更友好。这意味着一度被算力门槛锁死的赛道，正在重新对更多团队敞开。
还有一个容易被忽略的信号：NVIDIA 在2026年初发布了 EgoScale 数据集，正式押注人类第一视角数据方向。当全球最大的 AI 算力公司把资源投向一个方向，它赌的不只是技术可行性，还是产业方向。
验证才刚刚开始
三篇论文是信号。信号的意义在于方向确认——它告诉你这条路是可以走的。但信号不是结论。
真正的考试还在后面：用人类第一视角数据训出的模型，在真实物理世界里，能不能比真机数据训出来的更强？跨本体的泛化能力能不能在产线上跑通？数据效率的优势能不能转化为商业化的优势？
这不需要等三年五年。2026年下半年，答案就会从工厂车间、实验室和比赛场里跑出来。
对于中国的人类学习路线来说，三篇论文的密集出现还有一个特殊意义：一条由中国团队率先定义的技术路线，正在被全球学术圈用论文回应。这在这个赛道上不常发生——过去十年，机器人学的主流叙事和基准设定权，大多不在中国团队手里。
但方向可以重新定义。
参考资料
深度机智 · PhysBrain 1.0 技术报告 · 2026-03-27 Nie Lin et al. · SiMDex: Mining Similar Egocentric Videos for Cross-Embodiment Dexterous Manipulation 2026-08-04 Ye Wang et al. · Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data · 2026-08-03 Jia Luo · Pegasus: From Passive Video to Editable Experience: Physically Grounded Experience Synthesis for Embodied Intelligence · 2026-07-29 36氪 · 读懂物理AI：AI产业的下半场 · 2026-06-30