物原科技推TensorWorld品牌，完成1.05亿美元种子轮融资

公众号「机器人前瞻」刊发此文，作者为周加琦，漠影担任编辑。

机器人前瞻11月5日消息，北京一家做物理世界模型的公司物原科技在X上对外公布，TensorWorld品牌正式亮相。

▲（图源：X）

同一时间，物原科技还透露，公司已完成1.05亿美元种子轮融资，折合约7.05亿元。出资方有凯辉基金（Cathay Capital）、红杉中国（HSG）、蚂蚁集团、和玉资本（MSA Capital）、美团、IDG资本、鼎晖VGC、星连资本（Link-X Capital）、达晨财智（Fortune Capital）和蔚来资本（NIO Capital）。

物原科技于2026年7月成立，主攻方向是打造能理解、能模拟、还能与真实物理世界交互的前沿模型。

眼下，该公司正推进物理基础模型的研发，目标是让模型掌握物理世界的结构与运行规律，理解真实环境，预测不同动作可能带来的结果，并给后续决策提供依据。

物原科技表示，他们希望模型把学到的物理知识用到不同任务和环境里，碰到陌生场景照样能推理、能预测，还能依据新信息不断学习。

团队里有吴海旭、周俊昇、Weirui Ye和Wen Zheng等人，此前他们在物理仿真、时序建模、三维理解以及Agent规划等方向积累了不少研究成果。

物原科技创始人兼CEO吴海旭为博士，在NeurIPS等顶级学术会议及期刊发表论文7篇，其中6篇为第一作者或共同第一作者。

此后他进入MIT CSAIL做博士后研究员，导师是计算设计与制造领域知名学者Wojciech Matusik教授。

2024年，吴海旭拿到字节跳动奖学金；2025年，他进入斯坦福大学与爱思唯尔联合发布的全球前2%顶尖科学家榜单。

▲物原科技创始人兼CEO 吴海旭（图源：个人主页）

他的研究集中在深度学习与科学机器学习，重点是物理系统和动力学系统建模。代表性成果有神经网络物理求解器Transolver、预训练模型GeoPT，以及TimesNet和Autoformer两款模型。

其中，Transolver侧重于学习复杂的运行规律，对物理系统在不同条件下的变化进行模拟和预测。

GeoPT的做法是用大规模几何数据做预训练，让模型学习几何结构与物理动态之间的关系，从而支撑物理仿真。这项研究还摘得ICLR 2026科学基础模型研讨会最佳论文奖。

TimesNet负责捕捉数据中不同周期的变化特征；Autoformer则用来分析时间序列的变化趋势和周期性规律，预测未来的数据变化。

另外，周俊昇参与了Uni3D模型的研发，该模型主要学习三维物体的形状、结构等特征，让模型对三维物体理解得更到位。

Weirui Ye曾提出EfficientZero强化学习算法，让Agent能靠有限的交互经验学习，并借助学到的世界模型规划后续行动。

Wen Zheng参与打造过用户规模超过1亿的产品，还参与建设了支持超过10万颗加速器的计算基础设施。

物原科技称，未来会依托这些经验大规模构建前沿模型，并推动科研成果转化为实际产品。