当语言模型已经能够写代码、做推理、生成图像时，AI 与物理世界之间仍隔着一道看不见的墙。工厂产线每天在变，仓库货位随物流流动而重构，建筑现场在施工周期内持续改写自身形态。一台机器人可以识别面前的箱子，却未必理解这个箱子与货架、地面、操作者手掌之间的约束关系，更难以判断下一次抓取会不会破坏整条产线的空间秩序。行业里不缺三维扫描，缺的是一套能够持续理解空间状态、交互关系与演化逻辑的底层系统。
乙太科技试图把这道墙拆掉。36氪硬氪报道，以物理空间引擎为基座的空间智能基础设施公司乙太科技近日连续完成种子轮及天使轮融资，累计融资规模超亿元。这笔钱发生在公司成立不到一年之内——乙太科技成立于2025年12月，创始团队来自HTC VIVE、微软、京东、美团等企业，创始人兼CEO杨叶青曾任HTC VIVE Chief of Staff、中国区元宇宙事业部及软件和服务事业部负责人。
在空间智能赛道尚未形成统一技术路线的当下，乙太科技选择了一条更底层、也更慢的路径：不做生成式世界模型，不做单纯的三维重建，而是把现实空间编译成可计算、可运行、可迁移、可部署的空间表达。这个定位能否成立，取决于它能否在机器人、世界模型与行业应用之间，真正建立起一套可被调用的空间语言。
| 字段 | 内容 |
|---|---|
| 公司 | 乙太科技 |
| 轮次 | 种子轮及天使轮 |
| 金额 | 累计超亿元 |
| 投资方 | 产业投资方：华为哈勃、嘉立创、自变量、智元、中科第五纪、软通动力；财务投资方：高瓴、深高新投、上海半导体、中平资本、芯能创投、交源资产、Neuron VC、德石、曦晨等 |
| 总部 | 未披露 |
| 创始人 | 杨叶青（创始人兼CEO） |
| 官网 | 未披露 |
把“空间里正在发生什么”变成可计算资产
乙太科技的核心产品是物理空间引擎。根据公司通稿描述，这是一套依托空间认知数据打通现实和虚拟的底层认知系统：以空间数据为输入、高精度真值为基准，持续将现实空间编译为可计算、可运行、可迁移、可部署的空间表达，再借助现实场景反馈优化数据。
这套引擎在架构上分为五层。输入层采集视觉、空间定位、力触觉、惯性等多模态数据；核心能力层进行融合与时空对齐，识别空间结构、物体状态及交互关系，并结合物理约束形成对空间状态的表达；空间资产层将处理后的信息沉淀为可加载、可编辑、可复用的空间资产，其中包含碰撞关系、物理约束与交互属性；平台层通过SDK、API、多端部署及私有化部署将能力封装为服务；应用层面向机器人、工业制造、汽车、建筑、物流、游戏、文旅、教育等行业探索落地。
与常见三维重建或数字孪生路线的关键差异在于，乙太科技强调自己不做生成，而负责表达空间状态。公司通稿援引杨叶青的说法称，三维重建回答的是某一时间点的空间长什么样，输出静态几何；数字孪生将物理对象状态映射到虚拟环境，形成状态镜像；而物理空间引擎还要回答哪些对象可操作、人正在做什么、动作如何改变空间状态、虚拟变化能否在现实中成立。换句话说，它试图把空间从“可观看”推进到“可运行”。
这一技术主张的验证边界同样清晰。公司通稿援引杨叶青称，人类交互数据采集精度可达亚毫米级，数据维度丰富，并在数据处理方面有较深积累。但该性能表述来自创始人单方说法，本次来源未提供独立第三方验证。公司成立时间较短，产品与商业化进展多为公司通稿自述，未披露客户数量、收入等量化指标。官网与总部地址也未在来源中出现。
先抓双手：最密集的空间交互入口
在数据输入层，乙太科技将空间数据分为两个维度：一是空间的物理结构，理解空间形态与布局；二是人在空间中的交互数据，理解空间里发生了什么，以及人如何移动、操作和反馈。现阶段，公司优先关注人类双手及其交互数据。
这个选择有其产业逻辑。双手是人类作用于物理空间最直接的接口，抓取、推动、旋转、插入、装配和工具使用等动作，天然包含大量空间关系、操作经验与物理反馈。公司通稿援引杨叶青的话称，真正有价值的空间数据不只是记录手部移动轨迹，还需要记录动作发生的位置、接触关系、空间判断、物体状态变化，以及任务执行过程中的反馈。
从已披露的产品架构看，这意味着乙太科技的数据采集逻辑与面向具身智能的常见数采公司存在口径差异。公司通稿援引杨叶青在问答中称，市面上常见的数据采集只是空间输入的一部分，具身数据采集重点在“记录人做了什么动作”；而物理空间引擎的数据采集重点在“记录人与空间的关系”，需要引入更多维度信息，回答“人在什么空间里、为了什么目标、以什么方式作用于哪个对象、产生了什么结果，以及这个空间如何被复用和运行”。
不过，这一差异目前仍停留在定义层面。公司通稿称已在机器人和世界模型等领域开展应用，相关合作主要围绕空间数据展开，但未披露具体客户名称、合作规模或收入贡献。团队过往曾服务于全球头部B端客户与海量C端开发者，覆盖文娱、游戏、工业、文物、医疗等领域，这一履历同样来自公司通稿，未提供可核验的项目清单。
不生成世界，只表达世界：一条与3D生成错开的路线
当前空间智能赛道至少存在几条并行路线：三维重建公司输出静态几何模型，数字孪生公司构建物理对象的虚拟镜像，3D生成路线的世界模型公司试图预测或生成世界下一时刻的状态，面向具身智能的数据采集公司则专注于记录人类操作动作。乙太科技的自我定位是这些路线之外的第四种角色——世界模型底层的基础设施。
公司通稿援引杨叶青的解释称，世界模型的核心是生成世界，预测或生成世界下一时刻的状态；乙太科技不做生成，而是负责表达空间的状态。世界模型可以调用乙太科技的能力，包括高质量的空间数据、可运行的空间资产和物理约束环境。公司将真实空间转化为可计算、可编辑的空间资产，世界模型则调用这些资产及相关空间信息。
这个定位的巧妙之处在于，它避开了与世界模型公司直接竞争，转而试图成为其上游供应商。但风险同样存在：如果世界模型公司自身已经具备足够的空间数据采集与处理能力，或者更倾向于使用自有数据闭环，乙太科技作为独立基础设施层的不可替代性就需要更具体的客户案例来证明。目前公司通稿未点名任何具体竞争对手，也未披露与世界模型或机器人公司的合作方名称，因此这一产业位置更多是公司提出的框架，而非已被市场验证的格局。
从产业链约束看，物理空间引擎要成为可被调用的底层设施，至少需要跨过三道坎：一是空间资产标准能否被行业接受，二是SDK与API的工程稳定性能否支撑多端部署，三是私有化部署能否满足工业客户对数据安全与实时性的要求。公司通稿称正在推动建立统一的空间资产标准，既用于评测空间表达的准确性与一致性，也支持不同行业在同一框架下直接调用空间能力。但标准建设通常需要生态位优势或头部客户背书，乙太科技目前未披露任何标准组织的参与情况或已落地的标准文本。
华为哈勃与高瓴同框：一笔带有产业卡位意味的早期融资
本轮融资的投资者名单呈现出明显的产业资本与财务资本混合特征。据36氪硬氪报道，产业投资方包括华为哈勃、嘉立创、自变量、智元、中科第五纪、软通动力；财务投资方包括高瓴、深高新投、上海半导体、中平资本、芯能创投、交源资产、Neuron VC、德石、曦晨等。累计融资规模超亿元，但各投资方具体金额与估值未披露。
华为哈勃的出现值得注意。作为华为体系内的产业投资平台，哈勃历史上多围绕半导体、光电子、EDA等硬科技环节布局，其投资标的通常与华为自身供应链或技术生态存在潜在协同。哈勃进入一家成立仅数月的空间智能基础设施公司，至少说明空间计算能力在华为的具身智能或终端生态中可能具有战略价值。但这一判断属于编辑基于投资方背景的推断，华为哈勃与乙太科技之间是否存在具体业务协同，本次来源未披露。
智元作为产业投资方同样具有信号意义。智元机器人本身是具身智能赛道的主要参与者，其投资一家空间数据与空间资产公司，可能意味着乙太科技的数据或引擎能力与机器人训练需求之间存在潜在接口。但同样，双方是否有实际合作、合作深度如何，来源未提供信息。
财务投资方中，高瓴、深高新投、上海半导体、中平资本等机构的组合，显示出这笔融资在早期阶段就具备了较强的机构化色彩。对于一家成立不到一年的公司而言，超亿元累计融资规模在种子轮及天使轮阶段并不常见。这可能与创始人杨叶青在HTC VIVE的产业履历、团队近十年XR技术研发经验，以及空间智能赛道当前的热度有关。但融资规模本身不能等同于产品成熟度或商业验证，乙太科技仍需在后续轮次中证明其技术路线能够转化为可持续收入。
资金用途未披露，但花钱方向可以从架构中读出
本轮资金用途在来源中未披露。不过，从乙太科技当前所处的阶段和产品架构可以推断，资金大概率会流向几个方向：多模态数据采集硬件与系统的搭建、空间资产标准的研发投入、平台层SDK与API的工程化，以及面向机器人、工业制造等行业的早期落地验证。
其中，数据采集环节可能是最重的投入。公司通稿称，其优势之一在于从源头硬件与算法、工程化软件实现到技术架构形成完整能力闭环。这意味着乙太科技可能需要在采集设备、传感器融合算法与数据处理管线方面进行自研投入，而非单纯采购第三方设备。若真如此，早期资金消耗速度会显著高于纯软件公司。
另一个潜在投入方向是标准建设。公司通稿称正在推动建立统一的空间资产标准，这通常需要参与行业组织、联合头部客户做试点、甚至开源部分工具链以吸引生态。这些动作在短期内难以产生直接收入，但对“基础设施”定位的公司而言，是建立生态壁垒的必要成本。由于资金用途未披露，以上仅为基于产品架构的编辑推断，具体分配需待公司后续披露。
商业化刚起步：有场景描述，没有客户名单
乙太科技在应用层的商业化叙事覆盖多个行业。公司通稿称，在游戏领域探索新的内容创作方式以降低制作成本；在手工与工业制造领域将老师傅的操作过程转化为可分析、可复用的空间资产，用于培训或辅助自动化修复；在机器人和世界模型领域已开展应用，相关合作主要围绕空间数据展开。
游戏场景的描述相对具体。公司通稿称，游戏开发者无需从零构建场景与动作，可以实时调用现实锚定的空间资产，生成关卡、机关与跨端互动；物体具备真实物理属性，玩家可在UGC空间中自然交互，AI NPC与数字人能理解物体位置、接触与状态变化并做出符合物理逻辑的反馈。这一描述如果成立，意味着物理空间引擎可以作为游戏内容生产管线的一部分，降低场景与动作资产的制作成本。
但商业化验证的关键指标仍然缺失。公司通稿未披露任何客户名称、合同金额、付费模式或收入数据。“已在机器人和世界模型等领域开展应用”这一表述，无法区分是付费合作、试点项目还是技术验证。团队过往服务全球头部B端客户与海量C端开发者的履历，来自公司通稿，未提供可独立核验的项目清单。对于一家定位基础设施的公司而言，早期客户的质量与场景深度，比客户数量更能说明问题，但两者目前都不可见。
从收入确认角度看，空间引擎类公司的商业模式通常包括SDK授权费、API调用费、私有化部署项目费，以及空间资产授权或分成。乙太科技未披露其具体定价方式。如果以私有化部署为主，收入确认周期长、项目制特征明显；如果以API调用为主，则需要足够大的调用量才能形成规模收入。这两种模式的验证路径完全不同，目前尚无法判断乙太科技更接近哪一种。
成立不到一年，最大的对手是时间与标准
乙太科技面临的风险，首先来自公司自身的时间窗口。公司成立于2025年12月，截至融资报道发布时运营时间极短。物理空间引擎的完整架构涉及多模态数据采集、时空对齐、物理解算、空间资产标准与跨端部署，每一层都需要大量工程打磨与场景验证。在具身智能与世界模型快速迭代的背景下，乙太科技需要在技术成熟度与市场窗口之间找到平衡。
其次是标准话语权的争夺。空间资产标准是乙太科技商业模式的隐含前提——如果不同行业无法在同一框架下调用空间能力，跨场景复用的门槛就难以降低。但标准建设通常由生态主导者推动，而非初创公司单方面定义。乙太科技能否借助华为哈勃、智元等产业投资方的生态位，将自身标准嵌入更大的产业体系，是后续需要观察的关键变量。
第三是数据采集的差异化能否持续。公司通稿援引杨叶青称，其优势在于亚毫米级精度、数据维度丰富和数据处理积累，这些能力来自团队此前在XR空间计算领域的长期积累。但XR空间计算与工业级空间数据采集之间存在场景差异：XR强调低延迟交互与用户体验，工业场景则更强调精度稳定性、环境鲁棒性与数据可追溯性。团队能力能否平滑迁移，需要具体项目验证。
最后是资本结构带来的潜在张力。本轮投资者中既有华为哈勃、智元这样的产业方，也有高瓴、深高新投等财务机构。产业方可能更关注乙太科技与自身业务的协同，财务方则更关注退出路径与估值增长。在早期阶段，两类投资者的诉求尚可兼容；但随着公司发展，若产业协同与独立商业化之间出现冲突，乙太科技需要在客户选择与产品路线上做出取舍。这种张力目前尚未显现，但资本结构本身已经埋下伏笔。
从已披露的融资规模、投资方构成与产品架构看，乙太科技在空间智能赛道中占据了一个相对独特的位置：它不直接参与世界模型或具身智能的竞争，而是试图成为这些系统共同依赖的空间表达层。这个位置如果成立，天花板很高；但验证周期长、标准建设难、客户获取慢，也是其必须承受的代价。公司通稿中的技术描述与产业判断逻辑自洽，但真正的分水岭在于，第一批量产级客户是否愿意为“空间表达”单独付费，而不是将其视为世界模型或机器人系统内部的一个模块。
RecodeX 极客视：乙太科技讲了一个关于“空间语言”的故事：当AI学会读写文字之后，下一步是学会理解一个持续变化的物理世界。但语言的价值在于被广泛使用，空间语言也一样。在首个付费客户、第一套被行业接受的空间资产标准出现之前，这套五层架构仍然是一份设计精良的语法书，而非一门活的语言。华为哈勃与高瓴的押注，买的是它成为底层词典的可能性；而乙太科技需要证明的，是这个世界真的愿意用它的词典说话。
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。