一筆“超億美元種子++輪”，把逆矩陣科技（Physis）這家公司推到了臺(tái)前。經(jīng)緯創(chuàng)投、光合創(chuàng)投、五源資本、BAI資本、鐘鼎資本等頭部機(jī)構(gòu)都參與了本輪融資。螞蟻集團(tuán)也以戰(zhàn)略投資方身份進(jìn)入。老股東高瓴創(chuàng)投和北大系基金燕緣創(chuàng)投則持續(xù)超額加注。資金指向很明確：通用世界基座模型的預(yù)訓(xùn)練研發(fā)和規(guī)模化訓(xùn)練體系建設(shè)。

創(chuàng)始人配置在AI創(chuàng)業(yè)公司里不算常見。陳博遠(yuǎn)和吉嘉銘聯(lián)合創(chuàng)立了這家公司。陳博遠(yuǎn)畢業(yè)于北京大學(xué)元培學(xué)院人工智能方向，本科期間就在 NeurIPS、ACL 這些國際頂會(huì)上發(fā)了多篇文章，拿過口頭報(bào)告和亮點(diǎn)論文，谷歌學(xué)術(shù)引用超 2300 次，得過北大學(xué)生五四獎(jiǎng)?wù)?。吉嘉銘則是極少數(shù)同時(shí)拿到蘋果、騰訊、螞蟻三家科技企業(yè)認(rèn)可的青年研究者——2025 年 Apple Scholar、首屆騰訊青云獎(jiǎng)學(xué)金、螞蟻 Intech 獎(jiǎng)學(xué)金都在他履歷上，谷歌學(xué)術(shù)引用 6000 余次。兩人作為當(dāng)屆唯一純?nèi)A人高校團(tuán)隊(duì)，拿下了國際頂會(huì) ACL 2025 最佳論文，也都評(píng)上了“2025 年北京大學(xué)學(xué)生年度人物”。

團(tuán)隊(duì)的學(xué)術(shù)底子夠厚，工程落地的經(jīng)驗(yàn)也在線。核心成員來自國內(nèi)外頂尖高校和頭部科技企業(yè)，長期扎根在世界模型、強(qiáng)化學(xué)習(xí)這些方向，累計(jì)在 NeurIPS、ICML、ICLR、ACL 等頂會(huì)上發(fā)了 80 多篇論文。工程側(cè)同樣有實(shí)打?qū)嵉漠a(chǎn)出：核心成員主導(dǎo)的開源項(xiàng)目，GitHub 星星超過 2 萬，模型下載量突破了 500 萬次。這波人同時(shí)還是智源研究院的孵化團(tuán)隊(duì)，智源為了加速下一代通用世界基座模型，近期專門設(shè)了一個(gè)行為世界模型創(chuàng)新中心，由陳博遠(yuǎn)擔(dān)任負(fù)責(zé)人，直接匯報(bào)給智源研究院院長王仲遠(yuǎn)。

他們做的事，核心邏輯一句話：世界模型跟大語言模型走的不是同一條路?，F(xiàn)在業(yè)內(nèi)對(duì)世界模型的定義正從“簡(jiǎn)單沿用 LLM 或視頻生成模型的 Scaling 路徑”，轉(zhuǎn)向“預(yù)測(cè)下一物理狀態(tài)”。這直接關(guān)系到具身智能能不能在真實(shí)環(huán)境里跑起來——機(jī)器人要在一個(gè)充滿不確定性的物理世界里行動(dòng)，不理解、不預(yù)測(cè)、不規(guī)劃物理狀態(tài)，連門都出不去。具身智能也因此成了世界模型當(dāng)下最直接的應(yīng)用場(chǎng)景。

但世界模型的價(jià)值遠(yuǎn)不止綁在某一種硬件形態(tài)上。它的底層能力是沉淀物理世界里跨場(chǎng)景共享的那些規(guī)律。工業(yè)仿真、自動(dòng)駕駛、航空航天，這些領(lǐng)域都面臨同一個(gè)問題：信息不完備。世界模型要做的就是補(bǔ)全上下文，把缺失的那塊拼圖給填上。還有一種場(chǎng)景更依賴世界模型——現(xiàn)實(shí)里跑一次成本太高的那些。商業(yè)火箭也好，可控核聚變也好，在世界模型里先做全模態(tài)預(yù)演，能省下真實(shí)驗(yàn)證帶來的巨額成本。所以講白了，世界模型等號(hào)的另一邊，不是某個(gè)硬件載體，是整個(gè)物理世界。

逆矩陣從第一天開始就踩在這個(gè)判斷上。他們選擇在物理隱空間里做擴(kuò)展，把動(dòng)作原子原生地塞進(jìn)隱空間，目的就是讓每單位算力、每條數(shù)據(jù)，都扎扎實(shí)實(shí)用在學(xué)物理交互動(dòng)態(tài)上。6 月 12 日發(fā)布的首個(gè)通用世界基座模型“悟界·Physis-v0.1”，瞄準(zhǔn)的就是“預(yù)測(cè)下一物理狀態(tài)”這個(gè)核心，要解決當(dāng)前模型不懂真實(shí)物理規(guī)則、推演結(jié)果可信度低、長程時(shí)序記憶缺失這些共性難題。技術(shù)閉環(huán)走的是“壓縮-動(dòng)作因果-強(qiáng)化學(xué)習(xí)驗(yàn)證-通用泛化”這條路徑，已經(jīng)在具身智能、物理仿真、交互世界、科學(xué)預(yù)測(cè)等場(chǎng)景里開始應(yīng)用。

陳博遠(yuǎn)自己的說法是：“通用世界基座模型之于物理 AI，正如大語言模型之于信息 AI。當(dāng) AI 真正學(xué)會(huì)在物理世界中‘交互’與‘驗(yàn)證’，它才能從看見世界走向理解世界?！毕乱徊降闹攸c(diǎn)，就是把預(yù)訓(xùn)練研發(fā)和規(guī)模化訓(xùn)練體系的建設(shè)壓上去。在他們看來，世界模型是一項(xiàng)面向長期的底層基礎(chǔ)設(shè)施，逆矩陣要做的，是為物理 AI 時(shí)代提供一套能持續(xù)擴(kuò)展、能跨場(chǎng)景遷移的引擎。