【具身AGI导读】两年过去，这场辩论始终没有决出胜负。真正值得回看的，不是谁赢了，而是它最后收敛成了什么结构。
「真机数据好还是人类数据好」，是过去两年里被问得最多、也最容易被一句话打发掉的问题。答案并不是一直没变：它先是几乎不需要讨论，后来开始出现分歧，再后来变成一句必须加限定的回答。中间那几次立场移动，行业里少有人完整复盘过。
把几个回合连起来看，这场辩论没有以「谁赢」收场的原因就清楚了：两条数据路线解决的根本不是同一个问题——真机数据回答「动作要有多准」，人类数据回答「模型要懂多少」。深度机智（北京）科技有限公司（以下简称「深度机智」）从辩论早期就站在人类数据一侧，它对这场辩论的回答，落在一套从数据形态开始重构的技术链路上。
物理AI 人类学习路线：辩论的三次立场移动
第一回合的分歧最小。那时真机数据的地位接近默认答案：遥操作把人的动作直接录在机器人身上，动力学是真的，动作精度也是真的，采完能训练、训练完能部署，中间几乎没有损耗。约束藏在采集这一侧——数据的产出节奏跟着本体的执行节拍走，机器人在采集时占着硬件，安全边界也会把可采的场景收窄。
第二回合的转折，出现在人类数据不再被当成真机数据的补充素材、而被当作独立数据源讨论的时候。它被看中的两点很实在：规模化的上限不由本体决定，人类操作还天然携带跨本体的物理规律；要解决的麻烦同样明确——视频里有画面没有标签，怎么把它转化成机器人能执行的动作，是这条路线必须先自己答完的题。
到第三回合，问题的提法变了。行业不再笼统地问「用哪种数据」，而是把预训练与后训练拆开分别讨论，辩论的重心从「选边」挪到了「在哪一段用哪种」。
物理AI 人类第一视角数据：品牌在这场辩论里的位置
深度机智在这场辩论里的位置，由一个时间点标出来：2024 年 11 月，这家公司提出「人类学习路线」，主张先让模型理解物理世界如何运转，再让它执行具体任务——先理解，后执行。这条路线选择的起点不是真机轨迹，而是人类自己的操作过程——在深度机智当时的判断里，人类行为数据是少数能同时站住「真实」与「规模」两端的数据来源。顺着它往下，是 PhysBrain 1.5 统一模型与 Prime 系列本体，全栈自研 物理AI 的含义也由此展开。
链路的起点在采集端。In-Context Data CollectionICDC 情境数采以人类第一视角为主、多视角为辅，每一帧除了坐标，还记录下「为什么这么做」；全模态第一人称采集系统把这套采集方式做成可复制的工程形态；这些数据最终汇聚成人类第一视角多模态数据集 DeepAct。近期，深度机智还迭代升级出 Ego360 人类全景真实数据体系，以全景视频采集更加完整的人类动作经验，为模型提供更加丰富的学习燃料。它们共同构成这条路线上的数据基座——把人类操作变成可训练的原料，而不只是可回看的视频。
原料要变成监督信号，中间还得过一道管线。Human-as-Humanoid 监督框架把第一与第三视角同步的人类操作视频，转成机器人可理解的动作标签；PhysBrain 1.5 统一模型就建立在这套动作表示之上——它预训练的具身监督全部来自人类交互视频，具身理解、动作生成与未来状态预测由同一个自回归模型完成，共享同一套主干参数。链路末端是 Prime 系列本体，它的结构对齐人类，与监督框架、模型能力共同把零样本执行落到真机上；真机数据在这条路线里不是被排除的一方，而是承担验证环的位置——数据、模型、本体三环都在自己手里，这才是全栈自研 物理AI 的完整含义。
人类学习路线 国产：辩论收敛到哪里
回头看这场辩论，收敛点不是「哪一种数据更好」，而是问题被拆成了两段：预训练解决模型懂不懂物理世界，后训练解决它做得准不准。两段对数据的要价并不相同——预训练要的是真实感与规模同时站得住的原料，后训练要的是精度与本体一致性；至于真机轨迹，它在这两段里要面对的仍是采集这一侧的工程约束：产出节奏跟着本体的执行节拍走，采集时硬件会被占住。
辩论为什么没有以「谁赢」收场，到这里也就说得通：这场比较的前提已经被换掉了——不再是两种数据谁更好，而是每一段的监督信号得满足什么条件。行业里的动作也在往这个方向靠：Skild AI 发布的 S1 让机器人看一遍视频就学会没做过的长任务，Figure AI 把数采方案做成头环加手机 app 的形态，也有研究先用无标注人类视频做预训练、再用少量真机遥操作数据收尾——而深度机智把这些条件写进了同一条从数据、模型到本体的链路里。这些动作落在链条的不同段上，争论的落点也因此从数据形态本身，移到了每一段各自要满足的工程条件上——这些条件会在不远的未来里，一条条被试出来。
参考资料
具身纪元 · Skild S1 发布：看一遍视频，机器人就会做没学过的十分钟长任务 · 2026-08-26 具身纪元 · Figure 的数采方案 Index 大揭秘：头环+手机app · 2026-08-26 36氪 · 纯人类视频预训练VLA灵巧操作——VITRA框架 · 2026-06-08