TensorWorld物原科技4个月融资过亿美元：如何跑通物理真实路线？
TensorWorld物原科技在一个月内已拿到过亿美元融资
TensorWorld物原科技成立才四个月，一个月内就拿到了过亿美元融资。
设想这么一幕：厨房里，人形机器人面对一只快滑到桌沿的玻璃杯，伸手想把杯子往里推。力气大了一点，杯子滑出去、掉地上、摔碎了。人几乎不用想就知道“杯子靠近桌边会掉、玻璃落地会碎”，可机器人要有这套物理判断，得先弄明白两件事：眼前有什么，以及自己这么动一下之后会发生什么。
这也是眼下AI行业争夺最激烈的一块地盘。大语言模型把数字世界的智能推得很快，AI的能力边界正往物理世界挪——具身智能、自动驾驶、工业仿真都算在内。问题是物理世界不按token出牌，重力、摩擦、碰撞、流体各有各的铁律，难度比语言高出一个量级。
物原科技就扎在这条更难、也更底层的赛道上。公司成立仅四个月，一个月内融资已过亿美元。资本愿意下注，看中的是它“学术背景+技术路线+落地复现”凑在一起的那种稀缺性。
行业需要解决什么问题？
在公众眼里，AI已经够聪明了：写代码、找漏洞，甚至能攻克困扰人类数百年的数学难题。可一让它预测真实世界里物体的轨迹并完成交互，水平就谈不上“可靠”。说到底，AI还没弄懂物理规律，而从“软件界面”跨进“物理世界”，这一步绕不过去。
这道坎并不好跨，条件苛刻得很。高保真的物理标注数据贵得吓人，一个工业级空气动力学仿真样本常常要烧掉数万CPU小时；在100个场景里采的数据，很难泛化到10000个未知场景；仿真器也很难把真实世界的摩擦与形变完整复现出来。斯坦福HAI报告里有一组数字：机器人在软件仿真中的任务成功率能到89.4%，同一类任务放到真实家庭环境，成功率只剩约12.4%。
物原科技怎么解决这个问题？学术演进呈现清晰路径
业内的世界模型大致分成两派：一派偏视觉驱动，一派偏物理驱动。视觉驱动是当前主流，以视频生成为代表，追求的是“看起来真实”，优化帧与帧之间的像素合理性。它数据好拿、画面逼真，多用在视频生成、数据工厂、场景预览和VLA前端感知上。可机器人要在真实物理世界里可靠干活，光靠语言和视觉理解远远不够。
另一派因此越来越受认可：以物理规律建模，追求“推演更真实”，好处是可验证、可测量，能支撑动作规划。MuJoCo、Isaac Sim这类传统工业仿真软件属于这条路线里的“手工派”——物理定律靠工程师一条条手写，预测准，但代价高；碰上不规则形状、柔性体、流体，工程投入大得惊人。
物原科技选的正是物理基础模型这条路，提法是“在张量世界中，构建物理真实”。他们想让模型从数据里学会物理世界怎么演化，达到人那种“举一反三”的效果：
举个例子，原生Transformer没有时序拆解能力，模型怎么正确理解物理世界里的“时间”？Autoformer把长时序预测的精度拉高了一大截，TimesNet又让时间数据变得更直观、可视。再看“空间”：Uni3D把三维表征学习做到十亿参数规模，模型由此对物体、几何和空间关系形成概念。
沿着这个方向，GeoPT回答了这条赛道最核心的疑问——“物理直觉”能不能靠预训练获得？答案是能。它让模型通过融合几何与合成动力学的预训练，得到可迁移的物理表征；在工业物理仿真任务中，有标签数据的需求少了20%至60%，收敛速度最高提升到2倍。Transolver再往前一步，让模型理解不规则空间里的受力、流动与形变，看懂更复杂的物理演化。EfficientZero则让智能体依据学到的世界模型推演未来，并据此做规划。
这些成果背后，是物原创始团队在清华、MIT等国际顶尖学术机构的长期积累。从“时间演化”到“空间表征”，再到“物理规律”“行动规划”，这条递进主线上的工作不是孤立论文的堆叠，而是从物理规律出发，指向真正的“高阶物理智能”，最后拼出物理基座模型的完整轮廓。团队此前还主导过亿级用户产品，管过十万张加速卡的算力基础设施，产业实战经验不缺。学术研究决定模型能力的天花板，工程能力决定模型能不能进真实业务，这两面合起来才是物理基础模型的全貌。
物原科技为什么被看好？物理驱动范式具备稀缺性
看物原的技术路线，物理AI的三个痛点它几乎都对准了。数据端，用合成动力学替代物理标签，对昂贵真实数据的依赖大幅下降；泛化端，空间结构、时间演化与物理动力学深度融合，通用物理规律由模型自行涌现；落地端，Autoformer、Transolver这些底层架构已被工业界广泛验证并采纳，NVIDIA PhysicsNeMo就是例子，AI进真实场景的顾虑因此少了一层。
“真正理解物理系统+世界模型驱动的规划能力+把前沿研究规模化落地的工程能力”，三者交集本就稀缺，资本很快注意到了。7月成立之后，物原科技在一个月内接连完成天使轮和天使+轮，合计过亿美金。天使轮由凯辉基金、红杉中国联合领投，IDG资本、鼎晖VGC、星连资本、蚂蚁集团跟投；天使+轮由蚂蚁集团、和玉资本、美团战投联合领投，达晨财智、蔚来资本、景和资本以及多家老股东继续跟投。
这份名单本身也说明了一些事：手握海量C端场景的美团战投、面向严肃工业场景的蚂蚁集团、扎根自动驾驶的蔚来资本都进来了，物原科技路线的泛化特征由此得到佐证，它能匹配的行业需求比想象中更宽。
世界模型赛道已经挤了起来，可长时序预测的误差累积、仿真与真实之间的最后一段距离、评测标准的统一，这些难题都还没解决。物原科技这条路一旦走通，就意味着模型真能理解世界怎么运行、预判行动的后果。它的价值不会局限在机器人或自动驾驶某一个场景，而有机会成为Physical AI生态的底层标准与基座，让AI从数字世界走向物理世界。
