11月11日消息（报道：李楠）近日，物理基础模型公司 TensorWorld 物原科技宣布完成天使轮及天使+轮融资，两轮融资在成立后的一个月内连续完成，累计金额过亿美元。其中，天使轮由凯辉基金、红杉中国联合领投，IDG资本、鼎晖VGC、星连资本、蚂蚁集团跟投。天使+轮由蚂蚁集团、和玉资本、美团战投联合领投，达晨财智、蔚来资本、景和资本及多家老股东持续跟投。
物原科技成立于 2026 年 7 月，专注物理基础模型研发，主张“在张量世界中，构建物理真实”，即让模型从数据中学习物理世界的演化规律，而不是仅依靠语言与视觉去近似真实世界。按公司的表述，其目标是让模型获得可迁移的物理表征，在未见过的场景中完成轨迹预测与行动规划。
物原科技所处的方向，是 AI 从数字世界走向物理世界的必经环节。大模型在代码、数学等任务上能力迅速提升，但要让机器人预测真实世界中物体的运动并完成交互，可靠性仍然不足。原因在于模型尚未真正掌握重力、摩擦、碰撞、流体等物理规律。
这条路径的成本很高。高保真物理标注数据价格惊人，一个工业级空气动力学仿真样本往往需要数万 CPU 小时；在 100 个场景中采集的数据，很难泛化到 10000 个未知场景；仿真器也难以完整复现真实世界中的摩擦与形变。斯坦福 HAI 报告显示，机器人在软件仿真中的任务成功率为 89.4%，而同一类任务在真实家庭环境中的成功率仅约 12.4%。
业内世界模型大致可分为两种范式。一种是视觉驱动，以视频生成为代表，目标是“看起来真实”，优化的是帧间的像素合理性，数据获取相对容易，多用于视频生成、数据工厂、场景预览与 VLA 前端感知。另一种是物理驱动，以物理规律建模为基础，目标是“推演真实”，优势在于可验证、可测量，能够支撑动作规划。
传统工业仿真软件如 MuJoCo、Isaac Sim 属于后一条路线中的手工建模方式，物理定律依赖工程师逐条编写，预测精确但成本高昂，面对不规则形状、柔性体与流体时工程投入极高。物原科技选择的是用数据驱动的物理基础模型替代手工建模。
物原的技术路线，几乎对准了物理AI 的三大痛点：在数据端，用合成动力学替代物理标签，大幅降低对昂贵真实数据的依赖；在泛化端，深度融合空间结构、时间演化与物理动力学，让模型自行涌现出通用的物理规律；在落地端，Autoformer、Transolver等底层架构已被工业界广泛验证并采纳（如NVIDIA PhysicsNeMo），化解AI在真实场景中落地的担忧。
来源：速途网