今年 6 月 1 日，在英伟达 GTC 台北大会上，黄仁勋展示了 Isaac GR00T 人形机器人参考平台。这款平台配备了真人尺码的机械身躯，融合了灵巧手与感知和本体计算技术，向全球科研机构开放。
英伟达阐述的理由直截了当：通用物理智能的研究，确实需要一个统一且接近人形的平台作为载体。
芯片领导者亲自投身，为人工智能打造了物理形态。这标志着全球算力与 AI 生态的引领者，正式将「机器人本体即 AI 基础设施」纳入自身发展规划。
过去二十年，机器人产业的普遍逻辑是先构建机械身，再安装智能大脑。但现在，这个逻辑正在逆转。以身体服务智能，让本体为 AI 而存在，这条被称为 Robot for AI 的道路，正成为具身智能领域的重要共识。
同期，深度机智在这条道路上交出了新的实证成果。
6 月 30 日，深度机智团队发表了题为 Human-as-Humanoid 的论文。他们在自研的拟人机器人 PrimeU 上，实现了无目标任务真机示范数据，仅用从人类视频中转换的动作监督，零样本完成了倒水、放环、装袋、叠杯等多项复杂实际操作。
尽管都在倡导 Robot for AI，但为何此前无人成功？
具身智能当前面临的最大障碍，是数据问题。
要让机器人掌握操作，需要大量「观察-动作」的配对数据。这类数据的主流采集方式依然是遥操作，即由人佩戴设备逐条教导机器人。但真机遥操作速度慢、成本高、受限于安全，且难以实现多样化场景。为了突破数据瓶颈，智元机器人在上海建造了超 4000 平方米的数据采集基地，多地也密集布局具身智能数据采集中心。整个行业正以重资产投入方式，应对结构性数据短缺问题。
越来越多团队开始关注人类本身。人类每天都展现出最丰富、最自然的操作行为，如果人的动作经验能直接转化为机器人的训练资料，数据瓶颈便有望获得根本性解决。黄仁勋早在 2024 年就指出，下一代机器人可能是人形的，因为与人相似的构造能获取更多模仿训练数据。这一观点在行业内被频繁提及，Robot for AI 也因此成为各类发布会上的焦点词汇。
阐明 Robot for AI 的理念并不难，将其转化为可运行、可验证、可持续演进的工程体系，此前却无任何公司完全实现。挑战在于数据、模型与机器人本体能否真正融为一体。人类视频仅包含画面和动作信息，缺乏机器人执行的标签；人与机器人在体型、关节构造、手部形态、自由度及视角上均存在差异；任何环节出现错位，人类数据就仅能停留在帮助模型理解世界的层面，无法转化为机器人操作能力。
去年十月，深度机智就已公开回应这一问题。当时，该公司公布了通用具身智能的核心发展路径：以动作建模为焦点的 Action-Centric Modeling、以人类数据为基础的 Human-Centric Data、为 AI 设计机器人本体的 Robot for AI，三大技术主张构成一整套系统化战略。从目前来看，这三个主张已全部由深度机智自主实现。
在整个行业中，敢于提前公布核心技术主张，又能全部自主完成的，深度机智堪称独一无二。
深度机智将此路线内在逻辑称为人类学习范式：人类的真实动作经验是具身智能最大、最经济、最多样化的数据源，模型以动作建模为核心来消化这些数据，机器人本体则充当数据承载的关键基础设施。
本体的角色因此发生根本性改变，它不再仅仅是展示终端，而是成为 AI 训练、迁移和验证过程中的核心要素。
要实现闭环，需跨越四重关卡
拆解 Human-as-Humanoid，实际上解答了四个层层递进的问题。
首要问题是：身体如何设计，才能使人类数据的迁移误差最小？
其次是：人的视频数据，应当如何转化为机器人可执行的操作指令？