近日，通用世界基座模型公司逆矩阵科技（Physis）已完成超亿美元种子++轮融资，高瓴创投持续加注。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。

6月12日，逆矩阵Physis-v0.1在2026北京智源大会主论坛正式发布，智源研究院将其定位为“全球首个通用世界基座模型”。逆矩阵创始人陈博远于智源大会6月13日的世界模型分论坛上，发表主题演讲《Physis：预测下一个物理状态，迈向通用世界基座模型》，并与图灵奖得主Yann LeCun创立的AMI Labs、NVIDIA等国际顶尖机构的世界模型研究者同台对话。

Physis-v0.1以统一的物理状态学习（Next Physical State Prediction）为核心，针对当前模型不懂真实物理规则、推演结果可信度低、长程时序记忆缺失等共性难题，给出物理正确、长程一致、动作因果、通用泛化四项核心能力作答，并在具身智能、物理仿真、交互世界、科学预测等多种真实物理场景中开展应用。

逆矩阵聚焦物理智能赛道，致力于构建下一代通用世界基座模型，让人工智能真正理解和预测物理世界的运行规律，为具身智能、工业仿真、游戏物理、科学预测等物理 AI 场景提供通用底层认知引擎。

公司由北大青年学者陈博远以及吉嘉铭联合创立，团队长期专注于强化学习与世界模型研究。陈博远毕业于北京大学元培学院(人工智能方向)，本科期间即于国际顶级会议NeurIPS、ACL发表多篇文章并获口头报告、亮点论文等荣誉，谷歌学术引用超2300次，获北大学生五四奖章。吉嘉铭是极少数同时获得苹果、腾讯、蚂蚁三家顶级科技企业认可的青年研究者：他是2025年Apple Scholar（全球遴选，中国大陆仅2位）、首届腾讯青云奖学金得主、蚂蚁Intech奖学金（全球共10名）获得者，谷歌学术引用6000余次。团队基础研究实力突出，作为当届唯一纯华人高校团队斩获国际顶会ACL2025最佳论文，二人均获评“2025年北京大学学生年度人物”。公司与北京智源人工智能研究院共建行为世界模型创新中心，合力攻坚下一代通用世界基座模型。

过去几年，大语言模型让 AI 学会处理文本与知识。但当 AI 走出屏幕、进入物理世界—需要接触机器人、汽车、工厂产线——面对的是连续、不确定、受物理规律约束的真实要素和环境，需要理解重力、碰撞、接触与因果。这正是世界模型要回答的核心问题，同时产业需求也促生了全球 AI 竞争的转向：

产业需求面临 Sim-to-Real 鸿沟，工业仿真成本高昂，游戏物理调参周期漫长，科学预测依赖昂贵缓慢的传统求解器。它们共享同一事实：物理一致性是硬约束，而真实数据采样成本极高；同时物理规律天然通用，物理定律不会因场景切换而失效。真实物理场景下，能跨场景迁移的通用世界基座模型将成为 AI 走向物理世界的基础设施。

逆矩阵的核心技术判断是：世界模型即将从简单沿用 LLM 或视频生成模型的Scaling 路径，来到预测下一个物理状态 (Next Physical State Prediction)的GPT 时刻：给定当前物理状态，预测采取不同动作会导致世界下一步如何演化。

具体而言，是在物理隐空间扩展，并且让动作原子原生进入隐空间，让每单位算力、每条数据都在学习真正的物理交互动态。“动作”可以是具体的动作控制信号，也可以是抽象的潜在动作。而这里所蕴含的第一性原理是：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”。

让世界模型从“看起来合理”走向“物理上成立”，更加核心的是引入强化学习的验证闭环——物理世界中生成正确结果很难，但判断错误相对容易，碰撞守恒、物体恒常、接触连续都可通过强化学习的方式作为校正信号。

逆矩阵将这套能力概括为“One For All”， 物理规律不因场景切换而失效。统一的物理世界状态通过可插拔解码器映射为视频、3D 运动、动作策略、物理量等多种输出——一次预训练，服务具身智能、工业仿真、游戏物理、科学预测等全场景。

本轮融资后，逆矩阵将重点投入通用世界基座模型的预训练体系与基于强化学习的物理验证闭环两条主线。创始人陈博远表示：“通用世界基座模型之于物理 AI，正如大语言模型之于信息 AI。当 AI 真正学会在物理世界中‘交互’与‘验证’，它才能从看见世界走向理解世界。”

文章来源：高瓴创投