“华为大模型双子星”闯入物理基础模型赛道，公司成立两月连获数亿元融资

当数字世界的智能已经过剩，物理世界的智能仍然稀缺。两个被投资人及业内反复追问的问题浮出水面：LLM（大语言模型）开启了AI1.0数字智能时代。AI 2.0物理智能时代，是否仍然需要一套新的基础模型？

机器人进厂、新药研发、天气预测等，如何让大模型规模化地走进物理世界？需要具备什么核心能力？

息壤开物给出的答案很干脆：不做机器人本体，不做单点应用，而是自研物理基础模型（Large Physics Model，LPM）——一个理解物理规律、预测状态演化、规划长程动作、支撑闭环执行的物理世界基础模型。

近日，息壤开物宣布，公司已经连续完成数亿元种子轮及天使轮融资，由敦鸿资产领投，华控基金、三花控股、银杏谷资本、泽然资本、本坚基金、上海天使会、标朴投资等知名机构跟投，目前估值达5亿美元。募集资金将主要用于原生物理 AI 模型的规模预训练、真实物理交互数据建设、核心研发人才引入与场景验证。

双子星联手实现产业落地+理论根基的双向赋能

息壤开物由华为大模型体系的两位核心人物联手创办：创始人、CEO 李寅清华大学毕业，曾任华为云大模型CTO，华为大模型0到1核心成员，大模型产业落地操盘手。她曾带领400人团队，依托百万小时视频数据集、万卡算力集群，历时2个月完成视频大模型的训练与发布。主导国内多地具身智能创新中心在当地产业的落地，并交付智驾、矿山、金融、医疗、气象等大模型解决方案，相关项目每年带来数亿元营收。

张含望教授，现任华为多模态首席科学家，南洋理工大学AI领域校长讲席教授，即将出任息壤开物联合创始人、首席科学家。他长期深耕因果机器学习与多模态智能，前者致力于让 AI 超越“相关性”、掌握“因果性”，是机器真正理解物理世界规律的理论基石。是谷歌学术因果方向全球排名华人学者Top 1，也是全球榜单前列中最年轻的学者；入选IEEE评选的“全球 AI 领域十大最值得关注的学者”。

一个从产业里杀出来，一个从理论里钻进去。这个组合的核心竞争力可以概括为一句话：兼具基础模型底层技术能力与产业商业化落地能力。

以贝尔曼方程最优解，重做一套物理基础模型

AI 1.0时代，LLM 在推理层解放了人类：语言、编程、符号、工具，都被装进了同一个模型。但LLM 有一个结构性硬伤——它对物理世界的抽象归纳，始终极度依赖人的智能。如果没有牛顿，模型自己发现不了 F=ma（牛顿第二定律）。

AI 2.0要补上的正是这一层：让 AI 学会抽象物理世界的规律。而物理世界的决策难在长程——多步连续动作的组合会迅速爆炸，直接穷举长程轨迹不可扩展。

息壤开物选择回到第一性原理，坚持以贝尔曼方程最优解作为模型的理论根基：把长程决策递归分解，让模型在长期累计回报最大化的统一目标下，同时学习世界转移P与策略π——世界模型与策略模型的能力，在同一个基础模型里被统一。架构上，LPM 将世界推演与视频渲染解耦：统一自回归架构负责组织因果历史、推演“发生什么”，扩散模型负责渲染“看起来什么样”。

LPM = 贝尔曼递推方程的最优解：让模型逼近长期累计回报最优的决策

与主流的“VLM + action head”增训路线不同，息壤开物走的是原生物理预训练：从物理交互数据的统一编码、状态—动作—结果建模和长程一致性学习切入，让模型在预训练阶段就习得物理世界的规律，能力才有机会随规模持续涌现。

支撑这条路线的，是息壤开物的四大硬核实力：

基模自研的全栈团队：核心成员来自华为大模型体系，完整经历过万卡级训练、视频大模型、多模态与复杂行业交付的全流程。

第一性原理的理论功底：回到物理决策的本质建模——以贝尔曼方程最优解为理论基石，用递归分解化解长程决策的组合爆炸。

万卡级工程实力：具备万卡集群稳定训练、万亿参数长稳训练与极致推理优化的完整工程积累，集群可用度达99.7%，拥有昇腾首个万卡超节点集群调测实战经验。

成熟的2B产业落地能力：累计交付200+ 行业AI项目，覆盖金融、制造、能源、政务等30+行业，项目累计金额10 亿+，深谙如何从客户场景拿数据、做模型、交付结果，再把失败样本回流到下一轮训练。

两平台（数据+评测）打底，物理能力登顶全球第一

在9月16日揭晓的WorldArena2.0全球总决赛榜单上，息壤开物在Track 1视频质量赛道拿下Trajectory Accuracy（轨迹精度）全球第一、Physical Adherence（物理合规性）全球TOP 3——前者考察给定动作策略后模型对运动轨迹的精确还原，后者直接衡量模型对物理规律的遵从，两项都是最能体现物理建模能力的指标。

这得益于息壤开物已经跑起来的两大基础设施，支撑LPM持续进化。

XR数据平台——面向物理AI研发，覆盖多模态数据接入、清洗、标注、质量检查、版本管理与发布的完整流程。它保持跨本体、跨模型的中立定位，把真机轨迹、人类示教、真实失败案例等物理世界经验，编译成可训练、可追溯、可迭代的高质量数据资产。

数据平台demo——工业组装场景双手骨架（EGO 数据管线将海量人类第一视角视频转化为可训练的具身数据，让“看得见的手”进一步变成“可训练的手”

XR评测平台——已实现从场景构建、质量检查、策略执行到报告生成的完整工作流程，支持评测场景复用，以及执行过程、评测报告的保存回查。平台打通仿真场景构建、模型推理与结果可视化全链路，把过去高度依赖人工的工作链路打造为自动化闭环；失败样本可在此完成定位、补数与复验，持续回流至下一轮模型训练，形成评测即飞轮、越评越强的迭代效应。

一套底座通向所有物理场景

息壤开物的目标是成为物理智能时代的底座型公司。公司为其商业化路径建立了一套清晰的分层逻辑：L0通用物理基础模型，提供可复用的通用物理能力；L1在行业专业数据上增训，形成领域模型；L2蒸馏出面向具体场景的应用模型，完成交付闭环。

而商业化路径的第一步，是先跑通机器人场景的闭环——联合本体厂与场景方沉淀数据、评测与工具链，形成可验证的交付样板；第二步，把同一套底座能力复制到更广阔的物理世界：自动驾驶的闭环仿真、极端天气的预测与中长期演化推演、药物分子的生成与性质预测……这些过去依赖专用模型与暴力计算的科学计算难题，本质上都是"理解物理规律、预测状态演化"的问题，正是 LPM 的主场。

目前，物理AI做大规模预训练的窗口已经打开，真正具备“从底层训练物理AI模型”能力的完整团队，在市场上极度稀缺。息壤开物正以第一性原理为锚，以原生预训练为路，以产业闭环为证，交出属于这个时代的“物理基础模型”答卷。