华为大模型双子星创业，息壤开物完成数亿元融资探索物理世界 Scaling Law
一家新公司拿了数亿元融资，想验证物理世界是否也存在像 LLM 那样的 Scaling Law，先训通用物理模型再适配机器人。
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 5 亿美金，由敦鸿资产领投。团队由前华为多模态首席科学家张含望与李寅搭档，主张先预训练物理基础模型（LPM），再适配不同机器人本体与任务。
正文摘录
Physical AI 创业公司息壤开物宣布，公司已经连续完成数亿元种子轮及天使轮融资。 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、天使基石、标朴投资等知名机构跟投，估值达 5 亿美金。 即先从海量视频、机器人轨迹和真实交互中预训练一个物理基础模型，再让它进入不同本体和任务。 除了看重李寅、张含望及团队本身，为什么资本愿意在模型尚未完成预训练时，便下注这个非共识答案？ 在息壤的定义里，大语言模型（LLM）代表的是 AI 1.0 时代，主要学习那些已经被人类抽象为语言、代码和公式的知识。 原来这个世界是连续变化的、可以被行动改变的，而且每一次行动的背面，还存在其他无数种可能…… 这种混沌且连续演化的复杂性，是仅仅在离散 Token 序列中进行概率预测的 LLM 所无法忍受的。 所谓表征，是让“某种形式”代替某个对象，使一个系统能够对它进行识别、比较、推理或行动。 一个人眉头蹙起却嘴角上扬，这是无语、苦笑、讥讽，还是忍痛？不知道，物理世界只提供像素、声音、位置和受力变化。 在这无限多的变化和变化的组合之中，或许只有一个信号值得把握。而模型只能从亿万次观察、行动与反馈中自己找到答案。 这就是 LPM，Large Physics Model，“大物理模型”将要完成的任务。 尽管 VLA 已经证明，视觉和语言信息可以被进一步映射为机器人动作，但在实际部署中，大量模型仍然要针对特定本体和任务进行增训。 如果机器人要进一步进入家庭和公共服务场景，模型就需要具备通用能力，在进入新环境时保留已经学到的物理知识。 据披露，息壤模型在 World Arena 2.0 Track 1 中，Trajectory Accuracy 单项排名第一，Physical Adherence 单项排名第二。