息壤开物获数亿元融资，押注原生物理大模型破解具身智能泛化难题

【科技纵览】在具身智能赛道日益拥挤的当下，一家初创公司试图从底层重构物理世界的认知逻辑。近日，物理AI企业息壤开物（XIRRA）宣布完成种子轮及天使轮融资，总额达数亿元人民币。本轮由敦鸿资产领投，华控基金、三花控股、银杏谷资本等知名机构跟投，公司估值已攀升至5亿美元。值得注意的是，这笔资金将在两个月内分两笔注入，显示出投资方对团队技术路线的高度认可。

息壤开物的核心阵容堪称“豪华”。创始人兼CEO李寅，曾是华为云大模型CTO，也是华为大模型从0到1的核心操盘手；联合创始人兼首席科学家张含望教授，则是南洋理工大学AI领域校长讲席教授，曾任华为多模态首席科学家。两人联手，意在打造一套通用的原生物理基础模型（LPM），旨在解决机器人、自动驾驶等场景中高昂的定制化成本痛点。

为何要重走一条艰难的技术路径？回顾数字AI发展史，GPT等大语言模型的出现终结了NLP领域单场景定制的碎片化局面，开启了AI 1.0时代。然而，当AI迈向物理世界，机器人每更换一个工位或物料，往往需重新采集数据并训练模型，这种高成本的重复劳动严重阻碍了规模化落地。息壤开物希望复制LLM的成功经验，通过通用底座赋予机器人跨任务、跨本体的泛化能力，让行业客户能低成本开发自己的“具身大脑”。

目前主流具身模型多采用“视觉语言模型+动作头”的增训路线，虽开发成本低，但在理解物理规律和长程决策上存在先天局限。息壤开物选择回归第一性原理，以贝尔曼方程的最优性为理论基础，构建LPM。该架构将世界推演与视频渲染解耦：自回归模块负责因果历史推演，扩散模型负责视觉渲染。这种设计让模型在预训练阶段即习得物理规律，而非仅仅拟合数据表象。

这一技术路线已初显成效。在9月16日公布的WorldArena 2.0全球总决赛中，息壤开物在Track 1视频质量赛道斩获轨迹精度全球第一、物理合规性全球前三。这两项指标直接衡量模型对运动轨迹还原及物理定律遵从的能力，是检验物理建模水平的硬通货。

为支撑模型落地，息壤开物构建了XR数据平台与XR评测平台。前者解决多模态物理数据标准化难题，将真机轨迹、示教视频转化为可训练资产；后者实现从场景构建到报告生成的自动化闭环，形成“评测即飞轮”的迭代效应。商业化方面，公司提出L0（基础模型）、L1（领域模型）、L2（垂域应用）三层架构，计划优先在机器人领域建立闭环，随后延伸至自动驾驶仿真、气象预测及药物分子生成等领域。

李寅过往带领团队交付200多个行业AI项目、累计金额超10亿元的工程经验，为这套理论提供了坚实的落地保障。随着国内多地具身智能创新中心的建设，公共底座与工具链需求激增。息壤开物试图通过真实场景数据反哺模型训练，降低后续部署成本，构建起物理智能长期增长的训练飞轮。这条难而正确的路，或许正是具身智能突破瓶颈的关键所在。