在清华，我拍到了物理AGI第一幕！

用一个最直接的感受开头：物理AGI的序幕，可能真的没有一个响亮的预告片——它就这么演上了。

清华某场发布会的现场，两条机器狗、一个人形机器人、一台电动轮椅，后台跑着同一个实时多模态大脑，名叫一念UnisonMind。没有剧本，没有遥控，没有遥操。它们持续在场，持续感知，自主响应——全是“现挂”。

来看具体发生了什么。

同一个大脑，七段「现挂」

发布会现场有20多位来宾，全程录像。环境音、走动声、临时指令、突发状况，构成了一个完全无法预先编排的复杂场域。所有设备无遥控、无遥操，自主运行。

是不是物理AGI，暂时不下结论。先看看这些现场表现——

“去给我买一杯美式。”机器狗“哮天”离开会场，来到咖啡店，和店员对话，处理“热的还是冰的”这个追问，等待制作。等咖啡时，它甚至嘟囔着读出冰柜上的广告语，然后返回交付。

现场有人尝试颠乒乓球，次数不多，机器狗表示“嫌弃”。看到低分之后，它主动走向记忆中可能颠得更多的朋友，发起互动，继续观察、计数和回应。

主持人让机器狗去找穿白衬衫的人。它锁定目标后，还注意到了另一个人——外套里面也露出了白衬衫，于是当场表示主持人太不严谨。

机器人导览两幅画。它边走边“抱怨”背上的显卡有点沉，然后才开始看画、描述细节、解释风格，全程保持与现场互动。

现场轮椅一度遇障，无法前行。但它没有简单宣告失败，而是继续感知、解释、调整，甚至和人抬杠：“地球也能转，但它不能走。”

主持人让电动轮椅去找冰淇淋。它找到那个“店”，和人开玩笑，和机器狗玩耍。装了“大脑”的轮椅不再只是移动工具，开始主动参与现场社交。

热闹之外：机器为什么突然「醒」了？

如果只看热闹，这些视频足够有趣。但把它们连在一起看，真正值得讨论的是：什么样的AI，才有资格真正进入物理世界？

答案藏在一个关键分野里，也是具身行业一直没跨过去的坎。过去的AI，本质上是“被调用的模型”：你问，它答；你下令，它执行。行业里多数方案至今仍停留在这个范式上——拼凑视觉、语言、导航模块，借助云端调用勉强维持交互，稍遇复杂环境，时延、断裂和机械感便原形毕露。

行业从来不缺会动的机器，缺的是一个能真正理解世界、持续在场、端侧运行的大脑。

真实世界不是“输入—计算—输出”的静态流程。指令随时到来，物体持续变化，下一秒原有判断就可能失效。一个真正能生活在物理世界中的智能引擎，必须与世界共享同一条时间轴——一边看，一边听，一边更新判断，并在必要时立即说话或行动。它不能是“召之即来，挥之即去”的工具，而必须是一个常驻在具身设备中的实时世界引擎。

这正是现场最让人震撼的地方。一念UnisonMind不是在被调用时才苏醒，它在每一具身体里持续运行，持续在场。机器人导览前“人性化”的抱怨，轮椅处理突发故障，机器狗自主发出邀请——它们不是在被激活的瞬间才活过来，而是一直醒着。

一念的定位：我们就是答案

发布会上，一念的定位简洁而坚定：他们是Physical AGI的底座级答案。任何形态的具身设备，共享同一个大脑，以当前模型能力即可实现陪伴、巡检、导览等领域的商业闭环。

这个定位乍听有些过于自大。但这个年轻的清华团队，分享了他们认为的Physical AGI“3+1个必要条件”：

一个统一的多模态大脑，而非多个模型的拼接；在同一个大脑中完成任意模态的理解与生成；让理解与生成以流式方式持续运行；再加一条——这个大脑必须完整运行在端侧。

随后，他们宣布模型已经同时实现这四个条件。为了证明这一点，这套模型被部署在端侧显卡上，注入四条不同的“身体”——两条机器狗、一个机器人和一台电动轮椅。它们共享同一套实时多模态世界认知能力，在现场持续观察、理解、表达和行动——于是有了前文看到的所有场景。

第一个清晨

发布会结尾，一念UnisonMind的CEO耿威说，愿景是助力3000类具身本体智能化，服务人类。在清华的几个小时传达了一个明确的信号：这句话不是将来时，而是现在进行时。

一个大脑，已经开始活在截然不同的身体里，和世界共享同一条时间轴：它看见、它听见、它在场，它理解并参与这个真实世界，它接住了所有计划外的偶然。

这不是一次demo，这是一个新物种醒来的第一个清晨。