#息壤开物估值5亿美元##物理基础模型新赛道##具身智能竞争升级##初创公司快速融资# 【成立两个月估值5亿美元，息壤开物押注物理基础模型】 经济观察网 具身智能的竞争正在向更底层延伸。
当大量创业公司围绕机器人本体、灵巧手和应用场景展开竞争时，一批企业开始尝试解决另一个问题：大模型如何真正理解物理规律，并在连续任务中预测环境变化、规划下一步动作。
成立仅两个月的息壤开物，选择从物理基础模型切入。
近日，息壤开物宣布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、标朴投资等机构跟投。按照公司披露的信息，其目前估值已达5亿美元。
本轮融资将主要用于原生物理AI模型的规模预训练、真实物理交互数据建设、核心人才引入及场景验证。
在具身智能融资逐渐向头部团队集中的背景下，一家初创公司在成立早期连续获得两轮融资，背后是资本对物理基础模型这一新方向的押注。
重做一套模型
李寅
息壤开物由李寅创办。李寅曾任华为云大模型CTO、华为云行业大模型开发部部长，是华为大模型体系早期核心成员之一。
张含望
公司披露，现任华为多模态首席科学家、南洋理工大学教授张含望即将出任息壤开物联合创始人、首席科学家。张含望长期从事因果机器学习和多模态智能研究。
这一团队组合对应了物理智能需要解决的两类问题。一类是模型能否从数据中学习物理规律，另一类是模型能否在真实产业场景中稳定运行。
过去几年，大语言模型已经能够处理文本、代码和工具调用等任务。但机器人进入工厂之后，面对的是一个持续变化的环境。物体会移动，动作会失败，不同工位的设备和摆放也存在差异。模型不仅要识别眼前有什么，还要判断一个动作执行后会发生什么。
息壤开物将其自研模型称为LPM，即物理基础模型。其核心目标是让模型同时学习环境变化和动作策略，在连续任务中预测状态演化，并规划后续动作。
在理论上，息壤开物以贝尔曼方程作为模型设计基础。简单而言，一个复杂的长期任务可以被拆解为一系列连续决策。模型每完成一步，都要根据新的环境状态重新判断下一步动作，逐步逼近最终目标。
在技术路径上，息壤开物采用原生物理预训练，从物理交互数据的编码、状态变化和动作结果入手，让模型在预训练阶段形成对物理规律的理解。
这一路线与当前较为常见的“视觉语言模型加动作模块”有所不同。后者更像是在已有模型之上增加机器人控制能力，息壤开物则希望从训练底层建立状态、动作与结果之间的联系。
把失败变成数据
物理基础模型的训练，难点不仅是算力，还包括数据。
互联网可以提供大规模文本和图像，真实物理交互数据却很难直接获得。机器人执行一次失败动作，同样包含环境、操作过程和结果等多维信息，采集、清洗和标注成本更高。
围绕这一问题，息壤开物搭建了XR数据平台和XR评测平台。
其中，数据平台用于接入和处理真机轨迹、人类示教及真实失败案例，并将不同机器人、不同场景产生的数据转化为可训练的数据。评测平台则覆盖场景构建、模型执行、结果记录和报告生成。
两套平台形成一条闭环：模型在场景中执行任务，失败样本被记录和定位，经过补充数据和重新训练后，再进入下一轮验证。对物理智能而言，失败不只是一次任务中断，也是一条新的训练素材。
息壤开物披露，其模型在WorldArena 2.0全球总决赛Track 1中，轨迹精度排名全球第一，物理合规性进入全球前三。这两项指标分别反映模型对运动轨迹的还原能力，以及生成结果对物理规律的遵从程度。
按照规划，息壤开物将首先在机器人场景中验证模型能力，与本体企业和场景方共同积累数据、评测方法及工具链。此后，这套模型还将延伸至自动驾驶闭环仿真、极端天气预测和药物分子研发等领域。
其商业路径也分为三层：底层提供通用物理能力，中间层通过行业数据形成领域模型，上层再蒸馏出面向具体任务的应用模型。
这意味着，息壤开物瞄准的是物理智能时代的模型底座。机器人是其进入产业的第一个场景，也是检验这套技术路线能否成立的第一块试验场。
从数字世界走向物理世界，大模型需要补上的能力，是对动作结果和环境变化的预判。息壤开物的判断是，预测能力一旦形成，模型才有可能从“看见世界”走向“理解世界”。