拿下全球轨迹精度第一！物理基模跑出具身智能新答案

作者：此原无

2026年下半年，具身智能的竞争，真正开始分层。

过去一整年，行业的聚光灯全都打在展台上：机器人能不能走、能不能抓、能不能后空翻，各家拼尽全力把最惊艳的Demo送进工厂展厅。

可当机器人真正走下展台，站进产线、仓库和真实商业场景，一个更尖锐的问题，开始摆在全行业面前：

第一个场景跑通了，那第二个、第一百个场景呢？还要再砸进去多少数据、多少人力、多少时间成本？

关于这个问题的答案，远比“机器人又学会一个新动作”更能决定一家公司的真正上限。

第一个场景永远好做，靠工程师堆时间总能磨出来：数据不够就补采，效果不好就重训，现场不行就驻场调试。可要是每换一个工位、换一款机器人本体、换一个客户，都要把数据采集、模型训练、效果验证、现场适配完整重走一遍，那岂不是项目接得越多、团队包袱就越重、离规模化反而越远？

正因此，2026年下半年，行业的考核标尺正在悄然转向：第一个项目验证的单点工程能力，不再是竞争的核心；要真正跑通规模化落地，模型的泛化能力才是破局关键——第一百个项目的复用效率与边际成本，才是对模型能力的真正检验。

而成本曲线的背后，本质是两条技术路线的分野。围绕这条成本曲线，行业分化出两条截然不同的技术路线。

一条是目前相对主流的“增训路线”：站在成熟的视觉语言大模型基础上，补动作数据、接控制接口、做场景定向后训练。这条路离交付近、上手快，第一个场景往往打得漂亮；但能力永远散落在一个个项目里，换个场景就得从头再来。

另一条是更重的“预训练路线”：把核心问题尽量前置——在进入具体任务之前，先通过大规模数据让模型学会物理世界的底层规律：状态如何转移、动作带来什么结果、世界随时间如何演化。这条路开头投入重、周期长，但通用能力会不断沉淀进模型底座，越往后走，边际成本越低。

两条路线，最终解的是同一道商业命题：未来要做一百个场景，还要不要一百次地从头开始？

“预训练路线”过去走不通，核心卡在数据。大语言模型背后是整个互联网规模的文本语料，物理AI可用的数据却支离破碎、获取成本高昂——但这一点，正在极速变化。机器人本体数据、智驾场景数据、第一视角视频、仿真生成数据、真实部署反馈正在同时放量——物理AI第一次具备了大规模预训练的现实基础。

窗口刚打开，能真正进场的玩家却极少。要从底层训练一个物理基础模型，预训练算法、万卡级工程能力、产业数据闭环三者必须同时在线——这样的完整团队，当前市场上极度稀缺。

就在这个行业节点上，一家all in原生物理基础模型的年轻公司，闯入了行业视野。

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李寅曾任华为云大模型CTO，是华为大模型从0到1的核心成员，也是行业内首屈一指的大模型产业落地操盘手；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。公司核心产品为原生物理基础模型（Large Physics Model，简称LPM）——其目标很明确，就是在进入具体任务之前，先让模型获得可以跨场景复用的通用物理能力。

据悉，息壤开物已在两个月内连续完成种子轮与天使轮两轮融资，累计金额达数亿元人民币，当前估值已达5亿美元。最新一轮由敦鸿资产领投，华控基金、三花控股、银杏谷资本、泽然资本、本坚基金、天使基石、标朴投资等多家知名机构跟投。而资金将主要投向这条路线最重的几个环节：原生物理AI模型规模预训练、真实物理交互数据建设、核心研发人才引入、场景验证落地。与此同时，新一轮融资也已同步启动。

双子星阵容：产业落地+硬核技术的双向加持

息壤开物能站在这个赛道上，核心靠的是两位高度互补的带队人——也是行业里少见的“产业+学术”双子星组合。

创始人、CEO李寅，清华大学毕业，曾任华为云大模型CTO、华为云行业大模型开发部部长，是华为大模型从0到1的核心成员，长期统筹基础模型、多模态、视频生成、科学计算与行业大模型研发。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的产业落地，交付智驾、矿山、金融、医疗、气象等多领域大模型解决方案，相关项目每年带来数亿元营收。

即将出任息壤开物联合创始人、首席科学家的张含望教授，是谷歌学术因果方向全球排名第一的华人学者，也是全球该榜单前列中最年轻的学者，同时入选IEEE评选的“全球AI领域十大最值得关注的学者”（AI's 10-to-Watch）。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。张含望教授累计发表论文228篇，被全球学者引用超4.2万次；国际通行的学者影响力硬指标H指数达81，稳居国际AI学界最顶尖梯队。他曾获新加坡总统科技奖青年科学家奖——该奖项由新加坡国家研究基金会每年评选颁授，仅授予40岁以下、展现世界级研究潜力的科研人才，是新加坡授予科学家与工程师的最高荣誉之一。

创始人、CEO李寅（图左），联合创始人、首席科学家张含望教授（图右）

一位懂产业闭环，清楚技术要跨过哪些环节才能变成生意；一位懂底层原理，知道要突破天花板得回到哪里去。既能沉到底层自研基础模型，又有成熟的2B产业落地能力——构筑起“基模正规军”核心支撑。

回到第一性原理

重构物理AI底层逻辑

而团队敢押注这条重资产路线，核心底气来自对物理智能底层逻辑的本质判断——语言模型和物理模型，从起点上就有本质的不同。

语言本身，就是人类完成过一次抽象的产物。质量、速度、摩擦力这些概念，早已从现实世界里被提炼出来；文本、公式、代码又进一步把它们组织成结构化的知识。大语言模型要做的，就是在这个已经抽象好的层面上释放推理能力。

但机器人面对的，是未经抽象的连

续真实世界：像素、深度、关节角度、触觉、力觉，以及随时间不停变化的环境状态。

如果把智能拆成“物理世界-抽象-推理”三层，大语言模型主要解放了最上层的推理环节；而中间的“抽象层”——从海量观测里自主找出决定未来状态的关键变量——过去一直由人类完成。物理基础模型要补上的，正是这关键的一层。

这就是息壤开物选择走原生物理预训练路线的核心原因。因为靠后期补数据，永远补不出底层的泛化能力；只有在预训练阶段把物理规律学透，才能真正接住AI 2.0的规模红利。

落到具体的模型设计上，团队以贝尔曼递推方程的最优解为核心理论根基——把长程复杂决策递归拆解为连续的状态转移过程，让模型在统一框架中学习世界演化、价值判断和动作策略，为处理长程决策中的组合爆炸提供一套统一方法。

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

在整体架构上，LPM采用了物理世界推演与视频渲染解耦的设计思路：自回归（AR）架构主抓底层逻辑，负责推演状态变化、因果关系，回答“接下来会发生什么”；扩散（Diffusion）模型主抓视觉呈现，负责生成对应的画面效果，回答“看起来是什么样”。两者各司其职，既守住了物理逻辑的准确性，也兼顾了视觉输出的完整度。

如果说场景增训关注的是眼前这个任务怎么快速适配的战术问题；那原生物理预训练回答的就是更本质的战略问题——机器人还没走进具体场景，底座里就已经沉淀了多少可直接迁移的通用能力。

技术路线的差异，最终落到一个非常具体的选择上：模型有限的表征能力，到底优先用在哪里？

视频生成模型追求的是下一帧足够逼真，机器人模型要的却是下一步动作准确。对机器人来说，几何位置偏差几厘米、接触力度差几分，结果可能天差地别——接触关系、速度、受力、摩擦，这些变量才直接决定任务能不能完成。

息壤开物的Physical Transition Token（面向物理状态转移设计的统一中间表征），就是沿着这个思路设计的：主动压缩与动作弱相关的视觉细节，把更多表征能力留给动态、几何和物理状态，同时融合语义、语言、力觉、触觉和机器人自身状态。

一句话就是，为动作而生，而非为画面而真。

Physical Transition Token(PTT)：为动作而设计的统一表征

这套思路带来的回报是实打实的：几何与动态结构提前编码进表征空间，模型不用从像素重新学习，收敛更快、更省算力；不拟合像素噪声与光影变化，跨场景迁移更稳定；对真机数据的利用率更高——在数据稀缺的物理AI赛道，省数据往往比省算力更关键。

换句话说，放到“第101个场景”里需要重新学多少东西，早在预训练阶段就已经决定了大半。

“基模正规军”三要素，构筑核心壁垒

对物理基模来说更是如此，一套新的模型架构，撑不起真正的基础模型能力。当模型规模真正推上去，基础研究、大规模训练工程、真实产业反馈三者必须同时在线，缺一不可——这也是“基模正规军”的真正含义。

息壤开物核心团队来自华为云大模型体系与2012新加坡研究所，完整经历过视频大模型、多模态、万卡级训练、数据工程和复杂To B项目交付。和很多从单点机器人应用切入的团队不同，这支队伍的能力路径是反过来的：先跑通基础模型训练的完整体系，再把能力向物理世界延伸。

这其中，万卡级工程经验尤其容易被低估。同时调度上万张AI加速卡完成一次大模型预训练，规模到了这个量级，小概率故障会变成日常事件：数据吞吐稍慢，大量算力就得空转等待；训练中断后恢复稍慢，一次预训练的时间和资金成本都会大幅抬高。而这支团队，拥有昇腾首个万卡超节点集群调测的实战经验，积累了万亿参数训练、全异步分布式训练、弹性资源调度的完整经验，万卡集群可用度达99.7%，成功支持秒级快恢。

和LLM时代的规模效应逻辑一致，物理AI的能力同样会随数据、算力、模型规模持续涌现，但前提是建立在正确的原生预训练架构之上——万卡级工程能力，正是把规模效应从纸面公式落地成稳定产出的核心支撑。

而200+产业项目经验，则补上了另一块同样重要的拼图：团队知道真实客户现场里模型会怎么失败，更知道怎么把这些失败识别、记录、送回数据和评测系统——一次交付里的麻烦，就此变成下一轮模型训练的高价值样本。

三块拼图咬合形成完整闭环，才能推动物理基模加速走向持续迭代进化。

WorldArena登顶

原生物理预训练获外部验证

路线对不对，最终要靠实力说话。

2026年9月16日，WorldArena 2.0全球总决赛榜单揭晓——这是一项通过轨迹预测、物理一致性等核心指标评估世界模型能力的国际权威评测。其中两项指标最具含金量：

Trajectory Accuracy（轨迹精度）：考察给定动作策略后，模型能否精确还原后续运动轨迹

Physical Adherence（物理合规性）直接衡量模型生成的世界对物理规律的遵从度

前者看预测精度，后者看底层逻辑，这两项恰恰是物理建模能力最核心的试金石。

WorldArena 2.0全球总决赛-Trajectory Accuracy（轨迹精度）全球TOP1

WorldArena 2.0全球总决赛-Physical Adherence（物理合规性）全球TOP3

根据公开结果，息壤开物在Track 1视频质量赛道一举拿下Trajectory Accuracy（轨迹精度）全球TOP1、Physical Adherence（物理合规性）全球TOP3。这是原生物理预训练路线第一次获得公开的第三方验证——此前只存在于架构设计与方法论里的差异，已经转化为可被外部测量、可横向对比的真实能力优势。

当然，榜单成绩只是阶段性的能力验证，模型能力的持续进化，核心靠数据与评测构成的完整闭环飞轮。

在这方面，息壤开物XR数据平台以第一阶段百万小时级高质量训练数据为核心，覆盖互联网物理视频、第一视角（EGO）交互数据、仿真生成数据、真机遥操作数据、触觉力觉反馈等多层级数据源，将真实物理世界的交互经验，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——数据展示

数据平台demo——数据过滤管线

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评测平台则负责精准定位失败场景、定向补充对应数据、通过复验验证能力提升，最终将失败样本持续回流至训练流程。

评测平台——理解、生成、执行三位一体，让每次失败都产生可用的训练信号

数据供料、模型迭代、评测定位、失败回流——这正是息壤开物提出的“评测即飞轮”机制：每循环一轮，模型的底层物理能力就扎实一分。

重构成本曲线 物理基模改写产业格局

Benchmark检验的是模型能力，商业化最终看的还是成本。

息壤开物把整套商业化体系清晰分为三层：

• L0 通用物理基础模型：沉淀跨场景复用的通用能力，是整个体系的基石；

• L1 领域模型：在L0之上加入行业专业数据，快速形成具身机器人、自动驾驶、气象、药物分子等垂直领域能力；

• L2 垂域应用：针对具体任务、工位、产品做轻量化适配交付。

这套架构遵循的核心逻辑是：越往下沉，能力越通用、复用价值越高；越往上行，模型越轻量、落地越快——底层通用能力持续沉淀，上层场景快速适配。

息壤开物模型分层

落在商业层面，这套架构真正改变的，是整个产业的分工逻辑。过去一家制造企业想拥有自己的具身模型，要同时扛下算法、算力、数据工程、模型训练、现场调优的全套成本；但客户手里真正值钱的，是自身的工艺数据、专业知识和真实场景积累。

当最重的通用能力已经沉淀进L0底座——制造企业、本体厂商、场景开发者就不用再从头训练一颗机器人大脑，只需要在共同底座上，把自己最懂的行业问题做深做透。

按照息壤开物的规划，第一步将先跑通具身机器人的完整闭环；当数据、训练、评测、交付之间形成稳定循环，会把同一套底层能力复制到自动驾驶、气象预测、药物分子等更多物理领域。

话说到这，要判断这套物理基模有没有真正成立，只需要盯住一条最朴素的曲线：随着项目数量增加，“第101个场景”新增的数据、训练和交付成本，能不能显著低于第1个——当这条曲线持续向下，物理基础模型就会从一种技术路线，慢慢变成整个行业都能调用的基础设施。

大语言模型用五年时间走出的产业路径，已经显现出清晰的逻辑：通用底座的长期价值，很可能超过它之上所有应用的总和——应用会迭代更替，底座却会持续沉淀、越积越厚。

AI 2.0的物理智能时代，正沿着相同的逻辑演进。

再惊艳的Demo终会褪色，唯有成本曲线永远诚实。真正决定行业终局走向的，从来不是下一个更炫的演示，而是“第 101个场景”背后的那条成本曲线。

而沉下心打磨通用物理底座、以原生预训练重构具身智能的成本曲线，正是“生生息壤，开物造智”最核心的追求。