一位理解物理世界的“深度学习者”进入了具身智能领域。
3月27日，在中关村论坛上，北京中关村学院与中关洲人工智能研究院联合孵化的首家具身智能公司——深智智能，正式发布了全球首个基于人类学习范式构建的具身通用智能基础模型——PhysBrain 1.0.该模型的发布标志着具身智能从“行动模仿”向“原则解构”的转变。
技术突破：将物理常识内化为参数
与传统的行为克隆或强化学习不同，PhysBrain 1.0采用了创新的多模态大型模型架构，其核心优势包括：
时空一致性：该模型能够像人类一样理解物理世界的因果关系和时空演化，确保机器人执行任务时的逻辑一致性。
身体常识的内化：通过将庞大的物理定律编码到参数中，模型不再只是机械执行指令，而是具备预测环境的能力。
泛化奇点：在有限数据下对多应用
数据稀缺一直是具身智能应用的“障碍”。这次由DeepMind Intelligence发布的基础模型展示了强大的泛化能力：
打破数据依赖：依靠对物理常识的基本理解，PhysBrain 1.0能够迅速适应极其有限的实验数据下的未知情景。
真正的概括：该模型能够真正理解“为什么要做”，而不仅仅是“如何做”，显著提升了机器人在复杂且不断变化环境中的运行稳定性。
出身显赫背景：中关村生态系统中具身智能的标杆
作为北京中关村学院和中关村人工智能研究院培育的“新星”，DeepMind智能备受关注。
生产与研究的整合：公司依托中关村深厚的人工智能研发基础，从成立之初便将目标锁定在具身智能这一人工智能发展的终极形式。
行业重要性：PhysBrain 1.0的发布为国产开发的具身智能机器人提供了“大脑”基础，这些机器人具有基础的物理逻辑。
结论：物理学时代：从“感知”到“认知”
当物理常识成为大型模型的标准特征时，具身智能将获得真正的“智慧”。DeepMind Intelligence的突破不仅是对人类学习范式的致敬，更是人工智能迈向物理世界的有力探索。在PhysBrain 1.0的推动下，我们离通用机器人“理解物理并能工作”的未来更近了一步。
若您对人工智能感兴趣，可添加数字化转型网小助手思思微信加入人工智能交流群。若您在寻找人工智能供应商，可联系数字化转型网小助手思思（17757154048，微信同号）
若您为人工智能服务商，可添加数字化转型网小助手Nora，加入人工智能行业交流群。
若您为人工智能创业者，可添加数字化转型网社群主理人Carina，加入人工智能创业交流群。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
本文由数智化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数智化转型网（Professionalism Achieves Leadership 专业造就领导者）默然
