这是一个Sora级视频生成模型的杰作。它“看见”了世界，却完全没有“理解”世界。这是当前AI产业最深的裂缝之一。大语言模型在符号世界里攻城略地，但在物理世界面前，它们集体失语。与此同时，一场定义下一代AI范式的暗战已经打响。李飞飞的World Labs和杨立昆的AMI Labs在2026年相继完成超10亿美元融资，将“世界模型”推至资本风口。而在此刻的北京，一家成立仅四个月的公司，正试图以一条截然不同的技术路径切入这场竞赛。

6月17日，逆矩阵科技（Physis）宣布完成超亿美元种子++轮融资。投资方包括经纬创投、光合创投、五源资本、BAI资本、钟鼎资本，以及战略投资方蚂蚁集团；老股东高瓴创投与燕缘创投持续加码。这家由两位北大学生年度人物创立的公司，正在尝试回答一个核心问题：我们能否构建一个真正理解物理规律的AI？

字段 内容
公司 逆矩阵科技（Physis）
轮次 种子++轮
金额 超亿美元
投资方 经纬创投、光合创投、五源资本、BAI资本、钟鼎资本、蚂蚁集团（战略投资）、高瓴创投（老股东）、燕缘创投（老股东）
总部 北京
创始人 吉嘉铭、陈博远
官网 https://cby-pku.github.io/ （创始人主页，项目官网并没放出）

一场从“像素”到“物理状态”的根本迁移

世界模型赛道的分歧，本质上是哲学层面的。李飞飞的World Labs聚焦“空间智能”，核心是重建和生成三维世界；杨立昆的AMI Labs走JEPA架构路径，在抽象表示空间中进行预测。这两条路线分享一个共同假设：视觉逼真度是通往物理理解的可靠路径。逆矩阵科技的回应是尖锐的——这条路走不通。

“不同于当前主流世界模型仅追求视觉逼真度，该旗舰模型的核心目标是让模型真正‘理解’物理规律，并能响应动作指令做出物理正确的预测。”联合创始人吉嘉铭在接受暗涌Waves采访时，直接将矛头对准了行业的路径选择。逆矩阵科技的解决方案是一种根本性的迁移：建模对象从像素转向物理状态。视频、点云、力触觉等异构信号，被统一编码为隐空间中的物理状态表征。模型预测的不再是下一帧画面长什么样，而是物理状态如何演化。

这一思路对应着行业当前的三个共性难题：不懂真实物理规则、推演结果可信度低、长程时序记忆缺失。逆矩阵给出的技术答案，是构建一个“压缩-动作因果-强化学习验证-通用泛化”的闭环。其中最具差异化的环节在于强化学习的验证闭环。公司的技术逻辑简洁直接：物理世界中生成正确结果很难，但判断错误相对容易——碰撞是否守恒、物体是否恒常、接触是否连续，这些物理约束都可以转化为模型的校正信号。

把“动作”作为理解世界的原初语言

在逆矩阵科技的技术架构中，“动作”被提升到了前所未有的位置。公司认为，动作必须作为原子直接进入隐空间建模，而非作为外挂条件信号。在智源大会的演讲中，公司阐述了技术选择背后的第一性原理，即物理规律存在于物体的交互之中，世界诞生于感知、交互、决策的闭环，只有将动作引入建模，模型才能从学习“世界长什么样”跃迁到理解“世界如何运作”。

这一主张将逆矩阵科技与视频生成模型的界限划得格外清晰。传统视频生成模型本质上是“画”视频——给定前几帧，预测下一帧画面的像素分布。但画面“看起来对”和物理上“确实对”之间，隔着一道因果推理的深渊。动作条件化机制试图跨越这道深渊：给定一个具体动作，模型需要推演出物理世界“应该如何”响应，而非“通常看起来怎样”。

2026年6月13日，逆矩阵科技在智源大会主论坛发布悟界·Physis-v0.1，智源研究院将其定位为全球首个通用世界基座模型。在当天的世界模型分论坛上，陈博远与AMI Labs、NVIDIA的世界模型研究者同台对话。Physis-v0.1展示了四项核心能力：物理正确、长程一致、动作因果、通用泛化。这些能力通过统一架构实现——一次预训练后，通过可插拔解码器输出视频、3D运动、动作策略、物理量等多种形态。

高校实验室的“NEO Lab”形态与资本的新赌注

逆矩阵科技的组织形态，在全球AI投资图谱中属于一个正在崛起的新物种。暗涌Waves将其定义为“NEO Lab”——区别于从大厂离职的创业大军，NEO Lab由掌握最前沿学术信息、身处顶尖高校或实验室的精英学者主导。从DeepMind到World Labs再到AMI Labs，这一形态已经成为海外资本最愿意买单的故事类型之一。

逻辑直白：当技术范式本身还处于“混沌期”，没有任何一家大厂敢说自己掌握了终极路线时，距离前沿科学最近的“实验室大脑”就成了最稀缺的资产。投资人在赌的，是这些最聪明的大脑能够先于他人突破底层科学的临界点。

逆矩阵科技的创始团队高度契合这一叙事。吉嘉铭，1998年出生，北京大学人工智能研究院博士生，极少数同时获得苹果Scholar、腾讯青云奖学金、蚂蚁Intech奖学金的青年研究者，谷歌学术引用超6000次。陈博远，2004年出生，北大元培学院人工智能方向大四本科生，本科阶段即在NeurIPS、ACL发表多篇论文，含NeurIPS Oral（接受率仅0.35%），引用超2300次。两位创始人均获评“2025年北京大学学生年度人物”——这是北大每年全校仅遴选10人的最高学生荣誉。

高瓴创投相关负责人将这一团队结构概括为“人才密度极高的研发矩阵”：“两位创始人凭借敏锐的技术预判，成功汇聚了三十余位来自北大和头部大厂的顶尖科研大脑。我们看好他们在不可复制的底层原创力中，通过这种极致高密度的协同完成真正的技术突破。”据公开信息，除两位核心创始人外，团队核心成员已汇聚30余名北大本硕博人才和大厂头部算法人才，累计在NeurIPS、ICML、ICLR、ACL等顶会发表论文80余篇。

智源生态中的深度耦合与蚂蚁的战略意图

逆矩阵科技与北京智源人工智能研究院的关系，超出了典型的孵化合作范畴。公司创始人陈博远担任智源行为世界模型创新中心负责人，直接向智源研究院院长王仲远汇报。这种深度耦合意味着，逆矩阵科技不仅是智源的被投或孵化企业，更承担了国家级AI研究机构在行为世界模型方向上的核心研究职能。

智源研究院在国内AI基础研究生态中的地位，为逆矩阵提供了独特的资源禀赋。这家由科技部与北京市政府支持的研究机构，近年来在悟道大模型、FlagOpen开源体系等项目上持续投入。将“全球首个通用世界基座模型”的标签授予Physis-v0.1，并为其在2026年智源大会主论坛设置发布环节，表明智源已将世界模型列入其下一阶段的核心议程。

另一股值得审视的力量来自蚂蚁集团。天眼查信息显示，蚂蚁集团旗下上海云玚企业管理咨询有限公司已成为逆矩阵科技股东，公司注册资本由约111万元人民币增至约138万元人民币。作为战略投资方，蚂蚁入局的逻辑尚未被官方阐释，但线索并不难找：世界模型在具身智能、工业仿真之外，同样适用于复杂交易场景的因果推理和反事实预测——这些能力与蚂蚁在支付风控、供应链优化、数字孪生等领域的布局高度相关。相比财务投资者对技术突破的耐心，蚂蚁的入场可能代表了产业资本对世界模型落地路径的另一种押注。

超亿美元规模背后的资本结构信号

种子++轮融到超亿美元，这个标签本身就值得拆解。通常的种子++轮发生在公司已发布初步产品、需要大额资金启动大规模训练的节点。逆矩阵科技从2026年3月的超千万美元天使轮（高瓴创投与燕缘创投联合投资），到6月的超亿美元种子++轮，间隔不到三个月。资金注入速度之快，反映的并非收入增长或商业验证，而是投资人对技术方向的战略占位需求。

“害怕错过下一个百亿级标的”的焦虑正在一级市场蔓延，暗涌Waves在与市场投资人沟通后如此描述。这种焦虑有其数据支撑：World Labs完成10亿美元融资、估值逼近50亿美元；AMI Labs的10.3亿美元种子轮被称为“欧洲有史以来最大的种子轮”。全球资本正在以真金白银下注一个判断——世界模型将是继大语言模型之后，AI下一个基础设施级的战场。

但种子++轮本身也是一个值得警惕的信号。当一家公司在产品发布仅数天后完成巨额融资，且投资方横跨经纬、五源、BAI、钟鼎、蚂蚁集团等截然不同风格的机构时，这轮融资的定价逻辑和条款细节反而成了关键盲区。公司估值、各投资方持股比例、创始人股权稀释程度、是否存在对赌或里程碑条款——这些信息均未披露。

商业化路径缺失：技术愿景与产业落地的断裂带

在已披露信息中，逆矩阵科技的产品形态、商业模式、客户名单和定价策略均为空白。公司披露的商业模式为“未明确披露”，这在一个已经发布v0.1版本产品、完成超亿美元融资的公司身上，构成了不可忽视的信息缺口。

公司的叙事锚定在“基础设施”定位上。陈博远明确表示：“世界模型不是单点应用，而是一项面向长期的基础设施建设。公司希望以通用世界基座模型为起点，为物理AI时代提供一套可持续扩展、可跨场景迁移的底层引擎。”这种“基座模型即基础设施”的逻辑在大语言模型时代曾被反复使用，但LLM的基础设施化依赖于一个关键条件：存在大量下游应用开发者愿意基于API构建产品。世界模型的下游生态远未成形——具身智能仍在解决硬件成本与运动控制问题，工业仿真市场由西门子、达索等巨头主导且高度封闭，科学预测领域则每个子学科的验证标准天差地别。

逆矩阵科技强调的“One For All”泛化能力——一次预训练覆盖具身智能、工业仿真、游戏物理、科学预测等多个场景——在技术层面是一个值得称道的目标，但在商业层面意味着公司尚未选择任何一个垂直场景做深度商业化验证。这种“全场景叙事”在技术早期是合理的，但也意味着营收路径充满不确定性。

燕缘创投总经理、管理合伙人李军对这一矛盾的看法是，世界模型解决的是物理世界基础模型问题，“只有把上述模型放置在世界模型的数字底座中，才能真正实现物理世界的终极智能”。这是一种明确的“先修路、后跑车”逻辑。但问题在于，大语言模型的“路”是文本——文本生成本身就是一个巨大的应用场景。世界模型的“路”通向的是物理交互，而物理交互的容错率远低于文本生成。一个文本错误可以容忍，一个物理预测错误可能导致产线停工或机器人碰撞。这是世界模型商业化无法绕过的苛刻约束。

年轻天才的赌注：范式混沌期的先发优势与后发风险

逆矩阵科技最锋利的刀刃，也是最大的变量，是创始人的年龄与学术背景。吉嘉铭与陈博远在26岁以下，团队以北大在读及刚毕业的顶尖学生为骨干。这是一群世界模型领域最具前沿嗅觉的年轻大脑，但也意味着公司在商业化运营、产业资源整合、大规模团队管理方面的经验储备几乎为零。

这在技术范式混沌期是一个双刃剑般的特征。正面看，范式混沌期最稀缺的正是“无历史包袱的判断力”——大厂老兵可能更擅长工程优化，但在选择“像素路径还是物理状态路径”这类底层路线问题时，离前沿最近的人往往拥有最准确的直觉。反面看，当范式收敛、竞争转向工程落地与规模商业化时，学术团队通常面临巨大的组织升级压力。

世界模型赛道本身的范式不确定性，放大了这一风险。目前全球范围内尚未形成如Transformer之于LLM那样的共识架构。李飞飞走空间智能、杨立昆走JEPA、逆矩阵科技走强化学习+物理状态建模，三条路线本质上在回答同一个问题的不同侧面：AI如何理解物理世界？一旦某条路线被证伪或被超越，押注该路线的团队将面临方向性重置——这比商业模式试错的代价更高。公司资金来源中未披露具体用途的细节，但已知资金将主要用于“通用世界基座模型的预训练研发及规模化训练体系建设”。这是一条需要持续烧钱且验证周期以年为单位的路。

公司目前已展示的牵引力集中在学术社区：开源项目GitHub获星超2万，模型下载量突破500万次。这些指标更多指向技术社区影响力而非商业验证，但在这个阶段，它们至少证明逆矩阵的技术方向在开发者群体中引起了广泛关注。真正的考验将是2026年内计划发布的旗舰模型——它能否在物理正确性上形成可量化的代差优势，将直接决定公司能否在范式混沌期内建立足够深的护城河。

RecodeX 极客视：世界模型的竞赛本质上是一场关于“什么是理解”的哲学下注。逆矩阵科技选择了一条最硬核也最漫长路径：放弃视觉讨巧，直攻物理因果。这让他们在智源大会上赢得了与AMI Labs同台对话的入场券，但也让他们必须面对一个冰冷现实——工业级的物理正确验证，每一分精度提升都需要算力与时间的惊人投入。超亿美元种子++轮买的不是当下的产品，而是一张通往物理智能时代早期船票。而这张船票能否兑现，取决于这群年轻科学家能否在学术界定义的“好”与工业界需要的“可靠”之间，找到一条尚未被巨头踏平的窄路。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。