华为大模型双子星联手创业，息壤开物完成数亿元融资

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、泽然资本等机构跟投，估值达5亿美金。这笔资金投向的，是一个尚未完成预训练的物理基础模型实验。

站在公司背后的是被称为华为大模型双子星的两人：创始人、CEO李寅，前华为云盘古大模型CTO、行业大模型开发部部长；联合创始人兼首席科学家张含望，前华为多模态首席科学家、南洋理工大学教授。二人的能力分别对应华为大模型体系中的工程产业侧与算法研究侧。

资本愿意在模型尚未完成预训练时下注，本身说明这是一个非共识答案。息壤要回答的问题是：大语言模型之后，面向物理世界的下一阶段，是否仍然需要一个基础模型？

在息壤的定义里，LLM代表AI 1.0，主要学习已被人类抽象为语言、代码和公式的知识；Physical AI即其所说的AI 2.0，面对的是连续变化、可被行动改变、且每次行动背后存在无数种可能的世界。物理世界不提供现成抽象表征，只提供像素、声音、位置和受力变化。

息壤认为VLA路线存在局限：尽管视觉和语言信息可被映射为机器人动作，但实际部署中大量模型仍需针对特定本体和任务进行增训。若机器人要进入家庭和公共服务场景，模型需要具备通用能力，在新环境中保留已学到的物理知识。LPM希望提供的正是这样一个能力底座。

为此，息壤选择自回归架构，以Unified AR Transformer为骨干，将复杂过程拆解为连续的条件预测；Diffusion作为可选模块，在需要把未来状态渲染成连续视频时完成视觉生成。其理论直觉可追溯到马尔可夫过程与贝尔曼递归：过去不必逐帧保存，未来也不必一次穷举，模型只需在当前状态下选择动作，再根据新状态继续推演。

息壤披露了两个乐观信号。其一，其模型在World Arena 2.0 Track 1中，Trajectory Accuracy单项排名第一，Physical Adherence单项排名第二；前者考察模型预测的物体运动轨迹是否准确，后者关注生成的未来状态是否符合基本物理规律，均与LPM要解决的问题直接相关。其二，据息壤介绍，随着数据规模与训练规模增加，模型性能已出现初步提升趋势，团队认为值得继续做下去。

但拉长这条技术曲线并不容易。万卡集群一开，一个月就要花费上亿元，能在这样的消耗下持续推进的人并不多。资金储备是一方面，对团队组织和技术路线的判断是另一方面。

李寅的经历横跨基模训练与产业交付：她曾带400人团队，依托百万小时视频数据集，在万卡算力集群上耗时2个月训出一个8B视频大模型；产业侧则负责国内多地具身智能创新中心落地，交付智驾、矿山、金融、医疗、气象等30个行业的200多家客户，每年带来数亿营收。这些经验构成了她判断Physical AI路线的背景。

物理基模之难不亚于LLM。以收拾桌面为例，机器人需先识别物体，再判断抓取顺序，规划移动路径，并根据每次动作后的环境变化不断调整策略。若每个时刻有b种选择、完成任务需连续决策H步，可能路径会增长到b^H；若每步10种选择、连续决策20步，理论路径数量将爆炸增长到无法想象的数量级。这就是长程决策中的组合爆炸。

张含望的研究与这一问题直接相关。物理世界中仅靠统计相关性不足以支撑稳定行动：一个物体移动可能来自机器人动作，也可能来自重力、碰撞或外部干扰，模型只有理解动作与结果之间的因果关系才能做出更可靠判断；泛化同样如此，若只记住训练数据中的物体外观和机器人姿态，更换材质、光照或本体后能力就可能失效。他在因果学习和去偏方面的研究，正能减少模型对表面相关性的依赖。

基于这套框架，息壤将LPM拆分为六个相互配合的底层能力底座：统一Token负责把视觉、动作、触觉和力觉等异构信息转换为可共同处理的表征；统一架构负责在同一套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；数据体系提供学习材料；评测体系检验模型学到的是真物理规律还是假表象关系；工程底座决定这套方法能否在足够大的数据与算力规模上运行。由此形成闭环：数据被转换为统一表征，模型生成动作并预测后果，动作进入仿真或真实环境接受检验，奖励与评测把结果转化为反馈，成功和失败的经验再重新进入训练。

按照息壤的规划，第一阶段数据将来自互联网物理视频、Ego第一视角数据、UMI示教、仿真与合成数据，以及公开机器人轨迹和真机反馈。过去丰富的商业化经验使其有机会进入真实产业场景拿到数据，快速跑出数据飞轮。

在产品规划上，息壤将模型能力划分为L0、L1与L2三个层次：L0是通用物理基础模型，目标是形成跨任务、跨场景和跨本体的底层能力；L1是领域模型，进入工业制造等具体领域后还要学习行业中的对象、流程和约束；L2进入具体应用，将领域能力转化为可部署的机器人任务。其训练成果XIRRA v0.1计划于今年晚些时候亮相。

物理世界是否真的存在一个符合Scaling Law的基础模型，目前仍是一个开放问题。息壤的排名成绩与初步提升趋势来自其自身披露，尚待第三方验证；模型尚未完成预训练，XIRRA v0.1也尚未亮相。判断物理模型价值的标准是否会更新，只能拭目以待。