当黄仁勋在GTC大会上引爆“物理AI”之后，2026年具身智能赛道便迎来从“理论验证”到“数据范式”的关键转折。

就在行业仍为数据瓶颈焦虑时，一家名为深度机智（DeepCybo）的公司悄然浮出水面。投中网独家获悉，作为北京中关村学院与中关村人工智能研究院孵化的首家具身智能企业，它凭借独特的“人类第一视角”技术路线，在短短3周内吸引了超60家投资机构密集对接。

2026年刚3个月，深度机智便推进了3轮融资相关工作，均超额募集，融资规模达数亿元级别，成为2026年来资本市场上备受青睐的具身智能赛道“硬核黑马”。据知情人士向投中网透露，目前参与的机构包括头部财务投资人、产业资本、重要国资等十余家，覆盖了多类资金方。

3月27日，在中关村论坛上，深度机智也正式发布新一代具身通用智能大模型——PhysBrain 1.0。这是国内首个采用“人类第一视角”数据、实现零真机轨迹预训练的全新范式模型。据悉，该模型已在多项国际权威评测中斩获SOTA（State-of-the-Art）成绩，对标行业顶尖水平。

何为“人类第一视角”？一场与英伟达的“零时差”共振

那么，何为“人类第一视角”？我向多位一线投资人打听到：原来这不仅是深度机智押注的技术方向，也是英伟达在GTC大会之后最新确认的战略方向。信息显示，面对仿真训练失真、通用场景泛化难、端到端模型“数据饥渴”等行业痛点，英伟达发布了Ego Scale具身智能数据框架，试图通过构建物理世界的数字基座来破局。

而深度机智的“敏锐之处”在于，当全球风向在2026年初转向时，他们已在这一赛道上奔跑了一年。

公司创始人陈凯回忆道：“早在2022年底ChatGPT爆发前，我们就笃定人工智能的终极形态必将是具身智能，而中国不能只造本体，更要有自己的‘大脑’。”然而，当他在2024年提出“基于人类第一视角数据构建基座模型”时，迎来的并非行业掌声，而是冷淡甚至是质疑。

“在当时，这条差异化技术路线并未受到认可，团队一度陷入技术方向孤立、不被外界看好的艰难时刻。”陈凯坦言。

但团队清楚，他们不是在赌一个概念，而是基于对人工智能终局的深刻洞察，选择了一条少有人走的道路。过程中，他们沿着“人类第一视角”的方向开展科研攻关，目标是“将AGI带入物理世界”。

这一愿景，与中关村两院AI核心与基础学部的核心战略不谋而合。在共同的信念下，中关村两院通过灵活的兼职管理办法与知识成果转化办法，以创新的“前店后厂”孵化模式，让多位研究员与博士生深入参与公司一线研发，推动项目真正走向“从0到1”的技术验证。

据深度机智介绍，截至目前，团队已搭建起自主可控的全链路数据处理管线，实现了从采集、处理、标注到训练的全流程自研。更令人惊喜的是，他们仅用不到3个月时间，就建立起约30万小时的人类真实数据，积累10万小时的人类第一视角高质量多模态真实数据。综合成本不及市场其他类型数据的十分之一，在数据密度与质量上构建了自身壁垒。

这份“超前”的积累与坚持，造就了深度机智与英伟达技术方向的“零时差共振”。以至于在2026年初，当英伟达发布Ego Scale框架、全球风向转向“人类第一视角”时，当绝大多数玩家还在摸索数据采集与标准时，深度机智已完成了从技术验证到模型落地的闭环。

中科大少年班“组队”创业，从“简单动作”到“会思考”

然而，低成本只是深度机智入局这场新技术路径的“入场券”，真正的护城河在于其模型展现出的惊人“智能涌现”。

在SimplerEnv基准测试中，一个经典的场景是，机器人抓取一根胡萝卜放入指定盘中。过往，传统方案里，机器人总是基于规则或仿真训练，机械、重复地抓取原有动作，无法灵活调整策略。

而深度机智的方案，则是依托于“人类第一视角”训练的PhysBrain 1.0，让机器人在从未专门学习过“抓胡萝卜”的情况下，仅凭空间理解与物理直觉，在夹爪接触到胡萝卜时，便学着人类的方式试探性地拨弄胡萝卜，试图把它扒拉进盘子里。

“这个动作，是没有包含在任何模型训练数据集里的。”深度机智团队阐释道。当夹爪发现盘子边缘过高、胡萝卜无法直接滚入时，模型会随即启动修正策略，转为直接夹取。该过程表明，机器人即便初次尝试受阻，它也能即时微调角度与力度，完成任务。

这种灵活的策略能力和自动纠错能力，意味着机器人不再机械地“模仿动作”，而是真正具备了“举一反三”的物理常识。可以说，这就是深度机智比英伟达早一年布局，所带来的“时间红利”。

然而，这份抢跑的“智能涌现”，不是一时的碰运气，而是一支硬核团队的厚积薄发。投中网了解到，深度机智的创始团队，由一支“顶级大模型专家+具身智能实战派”的王牌组合组成。

公司创始人陈凯，毕业于中科大少年班学院，拥有微软亚洲研究院（MSRA）联培博士背景，曾担任该院首席研究员。在人工智能领域深耕15年的他，主导过年调用量千亿次的文档智能系统，能将大规模工程化落地的经验带入具身智能领域，为PhysBrain基座模型奠定坚实的算法底座。