华为大模型双子星联手创业，押注物理世界基模

前华为云盘古大模型 CTO 李寅与前华为多模态首席科学家张含望联手，创立 Physical AI 创业公司息壤开物，宣布连续完成数亿元种子轮及天使轮融资，估值达 5 亿美元。本轮融资由敦鸿资产领投，华控基金、三花控股、银杏谷资本、泽然资本、本坚基金、天者基石、标朴投资等机构跟投。

押注 LPM：物理世界的基础模型

息壤开物选择的技术方向，是构建一套面向物理世界的基础模型 LPM（Large Physics Model，大物理模型）。

团队认为，大语言模型 LLM 主要学习已被人类抽象为语言、代码与公式的知识，属于 AI 1.0；而 Physical AI 是 AI 2.0，需要在连续、可行动、可反馈的物理环境中学习。物理世界没有现成的抽象表征，模型必须从海量视频、机器人轨迹与真实交互中自主发现稳定的物理结构。

这一方向的提出，部分源于团队对现有 VLA 路线的反思：尽管 VLA 已证明视觉与语言信息可被映射为机器人动作，但在实际部署中，多数模型仍需针对特定本体与任务做大量增训，难以规模化进入家庭和公共服务等场景。LPM 希望提供一个跨本体、跨任务共享的物理能力底座。

华为大模型双子星的组合

两位创始人的能力组合，是此次创业被资本看重的关键因素之一。

创始人、CEO 李寅：清华大学毕业，曾任华为云盘古大模型 CTO、行业大模型开发部部长。她曾带领 400 人团队，基于百万小时视频数据集在万卡集群上训练出一个 8B 视频大模型；同时负责国内多地具身智能创新中心落地，覆盖智驾、矿山、金融、医疗、气象等 30 多个行业、200 多家客户，兼具基模训练工程经验与产业交付经验。
联合创始人兼首席科学家张含望：南洋理工大学计算与数据科学学院教授、人工智能校长讲席教授，前华为多模态首席科学家。累计发表论文 228 篇，被引超 4.2 万次，H-index 达 81，曾入选 IEEE「全球 AI 领域十大最值得关注学者」，获新加坡总统科技奖青年科学家奖。其在因果机器学习、多模态理解与模型泛化方向上的积累，与 Physical AI 所需的稳定因果判断与跨场景迁移能力直接对应。

息壤团队内部设有 Model、Data、System Infra 三条能力线，分别负责统一生成模型与物理表征、多来源数据管线与仿真真实数据处理、大规模训练与推理优化。

技术架构与训练规划

在架构层面，息壤以 Unified AR Transformer 作为骨干，让自回归模型将复杂过程拆解为连续的条件预测；Diffusion 作为可选模块存在，承担视觉生成。团队将自回归路线的理论依据追溯到马尔可夫过程与贝尔曼递归——在当前状态包含决策所需充分信息的前提下，下一时刻的状态主要由当前状态与当前动作决定，长期任务的价值可以拆解为即时收益与未来价值。

具体到工程层面，LPM 由六项底层能力底座组成：

统一 Token：把视觉、动作、触觉、力觉等异构信息转换为可共同处理的表征；
统一架构：在同一模型中组织状态理解、推理、行动与未来预测；
强化学习：让模型从行动结果中更新策略；
数据体系：覆盖互联网物理视频、Ego 第一视角、UMI 示教、仿真与合成数据、公开机器人轨迹与真机反馈；
评测体系：判断模型是否学到真实物理规律；
工程底座：支撑万卡级稳定训练与后续推理优化。

产品规划上，息壤将模型能力划分为三层：

L0：通用物理基础模型，跨任务、跨场景、跨本体的底层能力；
L1：领域模型，进入工业制造等具体场景；
L2：可部署的机器人应用任务。

首版训练成果 XIRRA v0.1 计划于今年晚些时候发布。

初步信号与待解问题

在 World Arena 2.0 Track 1 评测中，息壤模型「RiXin」在 Trajectory Accuracy 单项排名第一，在 Physical Adherence 单项排名第二。前者考察模型预测的物体运动轨迹是否准确，后者关注模型生成的未来状态是否符合基本物理规律。

与此同时，团队表示，随着数据规模与训练规模增加，模型性能已出现初步的 Scaling 趋势，认为这条路线值得继续投入。

不过，物理世界基础模型仍面临未解难题。其中之一是长程任务中的「组合爆炸」：假设机器人每个时刻有 b 种候选动作，完成任务需连续决策 H 步，则可能的行动路径将增长到 b^H 量级，远超现有模型的穷举能力。这也是 LPM 在数据规模之外，仍需在架构与算法层面取得突破的原因。

公司名「息壤」取自《山海经》，寓意土壤可自行生长、不断增殖，最终承托浩大工程——与 Physical AI 通过真实反馈不断自我生长的愿景形成呼应。