成立四个月，融资过亿美金：TensorWorld物原科技要跑通“物理真实”路线
内容提要
物原科技成立仅四个月，一个月内获过亿美元融资。公司专注物理基础模型，让AI学习重力、摩擦等物理规律，解决机器人从仿真到真实世界成功率骤降的难题。团队融合清华、MIT学术成果，以合成动力学降低数据依赖，提升泛化与落地能力。投资方包括红杉中国、IDG、蚂蚁、美团、蔚来等，看好其成为物理AI底层基座的潜力。
延伸解读
物理AI的仿真到现实鸿沟
文章引用斯坦福HAI报告指出，机器人在软件仿真中的任务成功率可达89.4%，但在真实家庭环境中仅约12.4%。这一巨大落差揭示了物理AI的核心难题：仿真器难以完整复现真实世界的摩擦与形变，且高保真物理标注数据成本极高。物原科技试图通过物理基础模型学习重力、摩擦等规律，来弥合这一鸿沟，其技术路线直指行业痛点。
物理驱动与视觉驱动的路线分野
业内世界模型大致分为视觉驱动和物理驱动两种范式。前者以视频生成为代表，追求“看起来真实”，数据易得但难以支撑可靠动作规划；后者以物理规律建模为目标，追求“推演更真实”，可验证、可测量。物原科技选择后者，并借助合成动力学降低对昂贵真实数据的依赖，这与传统工业仿真软件依赖工程师手写物理定律的“手工派”形成对比。
学术积淀与工程能力的双重支撑
物原科技成立仅四个月便获过亿美元融资，其团队融合清华、MIT等学术成果，沿“时间演化—空间表征—物理规律—行动规划”主线构建物理基座模型。文章提到，团队此前还主导过亿级用户产品、管理过十万张加速卡的算力基础设施，这种学术与工程能力的结合，成为资本押注其技术路线可落地的重要依据。
投资方阵容透露的场景泛化信号
物原科技的天使轮及天使+轮投资方包括红杉中国、IDG资本、蚂蚁集团、美团战投、蔚来资本等。文章分析，美团代表海量C端场景，蚂蚁集团对应严肃工业场景，蔚来资本指向自动驾驶场景，这些不同领域的资本同时入局，佐证了其物理基础模型路线具备较强的泛化特征，可匹配更广泛的行业需求。
Q&A
物原科技是一家做什么的公司？
物原科技（TensorWorld）是一家专注于物理基础模型的初创公司，旨在让AI学习重力、摩擦等物理规律，解决机器人在真实物理世界中可靠执行任务的问题。
物原科技成立多久了？融资情况如何？
物原科技成立于2025年7月，成立仅四个月。一个月内连续完成天使轮及天使+轮融资，总额过亿美元。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、景和资本及老股东跟投。
为什么机器人从仿真到真实世界的成功率会骤降？
因为仿真器很难完整复现真实世界的摩擦与形变，且高保真物理标注数据极其昂贵（一个工业级空气动力学仿真样本需数万CPU小时），在少量场景采集的数据难以泛化到大量未知场景。斯坦福HAI报告显示，机器人在仿真中任务成功率可达89.4%，但在真实家庭环境中仅约12.4%。
物原科技的物理基础模型技术路线有什么特点？
物原科技走物理基础模型路线，提出“在张量世界中，构建物理真实”，让模型从数据中学习物理世界的演化规律。其技术栈包括Autoformer（长时序预测）、TimesNet（时间数据可视化）、Uni3D（三维表征学习）、GeoPT（融合几何与合成动力学的预训练，减少20%-60%有标签数据需求，收敛速度最高提升2倍）、Transolver（理解不规则空间中的受力与形变）和EfficientZero（基于世界模型推演未来并规划）。
物原科技如何解决物理AI的数据和泛化难题？
在数据端，用合成动力学替代物理标签，大幅降低对昂贵真实数据的依赖；在泛化端，深度融合空间结构、时间演化与物理动力学，让模型自行涌现出通用的物理规律；在落地端，Autoformer、Transolver等底层架构已被工业界广泛验证并采纳（如NVIDIA PhysicsNeMo）。
物原科技的团队背景如何？
物原科技创始团队横跨清华与MIT等国际顶尖学术机构，沿着“时间演化—空间表征—物理规律—行动规划”的递进主线开展研究，此前还主导过亿级用户产品、管理过十万张加速卡的算力基础设施，兼具学术与产业实战经验。
物原科技的路线可能带来哪些影响？
若路线走通，模型将真正具备理解世界运行、预判行动后果的能力，其价值不止于机器人或自动驾驶等单一场景，而有望成为Physical AI生态的底层标准与基座，为AI从数字世界走向物理世界铺平道路。
