專訪逆矩陣：一家不愿只做具身智能的世界模型企業

作者：呂鑫燚 出品：先驗實驗室

每一次技術革命的黎明，都伴隨著相似的混亂與喧囂。

三年前大語言模型橫空出世時，最先跑通的是各類垂類模型。它們瞄準特定行業的效率痛點，用更少的算力、更短的周期快速落地，一度被視為“大模型商業化的唯一正確路徑”。但當通用基座模型能力指數級躍升后，這場看似穩妥的捷徑迅速變成了死路，垂類模型一點點被通用模型壓縮空間，一夜之間發現自己的核心壁壘不過是通用模型的一個插件。

歷史正在以驚人的相似度重演。今天，世界模型被推上AI產業的C位，被視作是AI從數字世界走向物理世界的關鍵一躍。

但面對這陣浪潮，絕大多數從業者的想象力都被局限在了“具身智能”這一載體上。誠然，世界模型能成為具身智能的技術奇點，帶動具身智能向物理世界挺進，但這絕不是它的全貌。如果只將世界模型和具身智能看做成是等式關系，那正在親手給這個足以改變所有物理行業的技術，套上了一個狹窄的籠子。

“如果世界模型只能解決具身智能，那我不會出來創業。”逆矩陣CEO吉嘉銘對具身研習社直言。

在吉嘉銘看來，當前行業對世界模型存在認知偏差，“大語言模型的核心是理解文本，它的應用邊界是數字世界。而世界模型的核心是理解物理，物理世界的邊界就是世界模型的邊界。”

而物理世界中需要世界模型的并不僅僅是具身智能，工業制造、航天航空乃至所有與物理世界交互的產業，都需要世界模型來進行重構。因此，從DAY 1開始，逆矩陣就堅持做一個通用世界模型的基座。

這是一個極具戰略定力的選擇，在混亂和喧囂中逆矩陣沒有被短期的熱潮裹挾，這個足夠年輕的團隊更沒有陷入“老輩子”的路徑依賴，而是用原生的姿態從0-1搭建起面向整個物理世界的智能底座。當基座足夠堅實，萬物都將在這里長出全新的可能性。

這份戰略定力正迎來資方的反饋，今日逆矩陣科技（Physis）官宣完成超億美元種子++輪融資。本輪由經緯創投、光合創投、五源資本、BAI資本、鐘鼎資本等頭部機構共同參與，并獲螞蟻集團戰略投資，老股東高瓴創投、北大燕緣創投持續超額加注。資金將主要用于通用世界基座模型的預訓練研發、及規模化訓練體系建設。

坦白講，今天整個行業對世界模型的理解，普遍被窄化了。

這種窄化來自兩層原因：一是熱潮之下概念魚龍混雜，大量蹭熱點的玩家入場，用各類包裝過的技術貼上世界模型標簽，模糊了這項技術的真實邊界；二是路徑依賴帶來的視角局限，不同技術背景的團隊天然帶著原有認知切入賽道，比如CV出身的團隊做出來的世界模型，往往會不自覺地偏向內容創作類場景落地。

但對從成立第一天就錨定世界模型賽道的逆矩陣而言，這套窄化的認知框架從一開始就不成立。他們對世界模型的判斷，建立在一套更底層的產業坐標系之上：Virtual AI（虛擬世界AI）與Physical AI（物理世界AI）的本質分野。

圖片：逆矩陣創始人陳博遠

在逆矩陣的判斷里，要讀懂世界模型的真實價值，先要找對正確的對標參照。當下行業里很多人習慣用代理模型、通用大模型公司作為對標，盯著估值體量判斷賽道天花板，但這本質上仍是在用虛擬世界AI的邏輯，去套物理世界AI的命題。

吉嘉銘解釋，工業仿真、自動駕駛、航空航天等所有物理世界的AI場景，都面臨信息不完備的共性問題，也都需要世界模型來補全上下文。此外，對于現實跑通一次經濟成本巨大的場景，世界模型更具有價值優勢，無論是商業火箭還是可控核聚變，都可以在世界模型先進行全模態的預演，降低真實驗證造成的成本高企。逆矩陣創始人陳博遠也表示，讓AI理解“我做了什么，世界怎么變”。這是基礎設施。沒有世界模型，AI就走不出數字世界，真正來到物理世界。

這才是世界模型的標的，它等號的另一面不是某一個硬件載體，而是整個物理世界。

厘清世界模型的價值后，下一步就是世界模型究竟該如何解構再重塑一個世界。

虛擬世界的AI運行在信息完備的空間內，給定充足的上下文、指令與規則，模型只需要完成推理。但物理世界的邏輯完全不同，信息天然是不完備的。“哪怕是最簡單的“抓取&放置”具身操作場景，也沒有傳感器能覆蓋所有變量，空氣濕度、局地重力加速度、光照變化都是缺失的輸入。”在吉嘉銘看來，物理世界的AI核心不是推理，而是規劃；而規劃的前提，是補全那些無法被傳感器捕捉的信息。

這正是世界模型作為通用基座的核心意義，它要將殘缺的局部信息，擴充為相對完備的物理信息空間，核心能力是“預測下一個物理狀態”。

逆矩陣用了一個十分直觀的演示，世界模型自己生成了一段物理世界運行的軌跡，畫面中有一個恒常量（時鐘），一個變量（正在接水的杯子），一個常量（多個顏色組成的魔方）。三個物體擺放在桌面上，當視角向水杯移動時，水杯的水位線隨著時間的推移逐步上升，視角拉開后，原本被遮蓋視角的時鐘走的速度和水位線相同，再拉開視角，魔方也始終保持初始的位置與角度，沒有絲毫偏差。

這是一次全局自洽的物理狀態持續推演。它不是在逐幀生成畫面像素，而是模型遵循著一整套現實規律的物理系統。視角遮擋造成的信息缺失，不會中斷系統的運行，模型會基于因果邏輯與物理法則，持續補全每個物體的下一時刻狀態。無論視角如何切換、哪些物體暫時不可見，整個場景的時間流速、物理規則始終保持統一。

這套對物理世界的推演，正是逆矩陣的價值所在，它不是具身智能的專屬，是物理世界的解構師。

當行業多數玩家把對標準在具身智能、視頻生成模型之上，盯著百億級的市場估算天花板時，逆矩陣的參照系，是整個真實物理世界的宏大命題，它的對標不是某一家細分賽道的頭部公司，而是下一代通用智能的基礎設施，是支撐起所有Physical AI場景的底層。

對標的認知差，最終拉開了技術路線的距離，也決定了一家公司的產業格局。對逆矩陣而言，從成立第一天就拒絕窄化從來不是刻意特立獨行，而是當你真正看清世界模型的終極價值時，這是唯一合乎邏輯的選擇。

給世界模型樹立清晰的標的后，逆矩陣要做的事也呼之欲出了--通用世界模型基座。

通用和基座，這兩個詞碰到一起，聽起來又是一個年輕團隊在路演現場的雄心壯志，不像一個寫在日程表上的可交付結果。但往深處來探，這兩個詞恰是逆矩陣技術直覺的最佳縮影。

圖片：逆矩陣在智源大會發布“Physis-v0.1”

吉嘉銘用了三個邏輯來解讀通用和基座。

第一層邏輯，是通用的內核往往是簡單，而簡單才具備可規模化的潛力。大語言模型之所以能實現指數級進化，核心就在于“預測下一個token ”這個極簡的底層規則，它足夠樸素，卻能支撐起無限的規模擴張。逆矩陣相信，AI領域的底層突破始終遵循第一性原理：越接近本質的規律，形式越簡潔。就像萬有引力公式、量子力學的核心方程，真正的通用能力，一定建立在某個統一、極簡的底層機制之上，而非為每個垂類場景單獨定制解法。“越通用，內核越簡單；越簡單，才越有持續縮放的空間。”這是逆矩陣押注通用路線的原點。

第二層邏輯，是一個行業非共識，僅靠具身場景，長不出真正的通用世界模型。當下主流判斷認為，世界模型會從具身場景的迭代中自然涌現出通用能力，但逆矩陣并不認同。在他們的定義里，通用模型的核心是底層知識的通用性，而非應用場景的簡單疊加。如果模型只習得抓取、搬運等具身場景的專屬知識，只靠具身數據做規模堆疊，永遠無法涌現出跨領域的通用物理認知，最終只會停留在專用工具的層面。“真正的通用，是模型里的知識本身就通用，而不是靠多個場景拼湊出‘看起來通用’的表象。”吉嘉銘說道。

第三層邏輯，是現實的數據瓶頸，單靠具身數據，轉不起數據飛輪。行業普遍將真實具身交互數據視為世界模型的核心壁壘，但逆矩陣從一開始就意識到，當前具身數據的規模、豐富度與采集效率，遠不足以支撐正向循環的數據飛輪。要讓模型的物理認知持續躍遷，必須打破數據來源的邊界，游戲仿真數據、大規模真實世界視頻數據，都可以成為多模態訓練的有效素材，共同推動模型底層物理理解的升級。而只有足夠通用的基座，才能兼容多元數據來源，釋放出真正的規模效應。

這三層邏輯就是通用世界模型基座的價值點，正是基于這三層判斷，逆矩陣沒有走場景定制的捷徑，而是從底層搭建了一套面向通用物理世界的模型體系。

這套體系的關鍵詞是：物理一致性、動作因果性、長程可推演、通用泛化性。

組合起來看就是，模型輸出的是帶單位的三維運動軌跡與物理狀態量，位移、速度、接觸力等均可量化、可驗證，而非僅停留在視覺展示層面，且能精準刻畫成功與失敗邊界動作對應的不同物理后果，不會做出“看似抓起物體”的過度樂觀預測。上述一長串的輸出，都在隱空間中維護著連續穩定的物理狀態，長時序推演中始終保持物體恒常性與時間線一致性，不會因視角遮擋或時間拉長出現邏輯斷裂。

最重要的是，模型學習的是可遷移的物理規律本身，覆蓋不同形態的物理現象。正因為掌握的是物理世界共享的底層因果結構，而非某一垂類的表面相關性，這套基座天然具備“One for All”的潛力：一套模型，服務于所有需要理解物理規則的場景。

支撐這四大能力的，是逆矩陣從根上區別于行業主流的四條技術路線選擇。

• 其一，建模對象從像素轉向物理狀態。視頻、點云、力觸覺等異構信號，被統一編碼為隱空間中的物理狀態表征，模型預測的是物理狀態的演化，而非畫面像素的延續；

• 其二，以動作作為交互的基本原子。引入動作條件化機制，讓模型精準刻畫“采取某一動作，世界會轉移到何種狀態”，從相關性建模走向因果性建模。

• 其三，用強化學習驗證閉環保障物理正確性。持續修正模型的物理認知。

• 其四，統一架構實現全場景泛化。統一的狀態表征通過可插拔解碼器，可輸出視頻、動作指令、物理量等不同形態的結果；一次預訓練，即可覆蓋工業場景、具身智能、物理仿真、交互內容、科學預測等全領域，真正實現通用基座的價值。

逆矩陣展現了一個非常有想象力的場景：在手柄游戲古早網紅「坦克大戰」中，模型接收當前畫面狀態與操作動作，推演下一時刻的全局狀態，再將新狀態作為輸入持續迭代，形成完整的閉環推演。模型基于對世界底層的理解，實時模擬兩個玩家的不同操作后果。

2個月跑通一款游戲的價值，遠不止“ AI會玩游戲”這么簡單。它最核心的證明意義在于，一套為真實物理世界設計的狀態演化框架，能適配任何場景。游戲世界的“動作輸入-狀態反饋”閉環，和真實物理世界的具身交互遵循著同源的因果邏輯，磚墻可被摧毀、坦克移動有慣性、子彈飛行有軌跡，這些規則和現實世界的物理規律共享著底層的推演邏輯。

更重要的是，Physis 可以讓多個智能體同時行動，并實時推演它們對共享環境造成的物理后果。這不只是“世界模型的多人版”或“世界模型打游戲”，而是在回答一個更根本的問題：AI 能不能理解一個由多個參與者共同作用的物理世界？能不能把這種理解遷移到真實產業場景？

真實世界很少只有一個主體在行動。手術室里有多機械臂協同，工廠里有多機器人調度，道路上有車輛、行人、騎行者共同博弈，倉儲系統里有大量設備同時運行。幾乎所有高價值物理場景，本質上都是多個主體在共享環境中協作、競爭和相互影響。

傳統AI 往往只站在單個 agent 的視角理解環境，而 Physis 學習的是物理世界本身。正因為它理解的是共享環境中的物理因果關系，而不是某一個主體的局部視角，所以它有機會成為機器人集群、智能工廠、自動駕駛和復雜交互系統的通用世界引擎。

正因為基座學到的是通用的狀態演化與因果推理能力，而非某一領域的專屬特征，才能實現極低成本的跨場景遷移。這恰恰擊中了當前行業的普遍痛點：多數團隊為每個垂類場景單獨組隊、單獨訓模，每進入一個新領域都要從零開始；而通用基座每往前迭代一步，所有下游場景都能同步受益。

這也印證了逆矩陣的判斷，通用是長期來看最高效的路徑。今天用2個月跑通游戲，明天就能用更短的周期切入工業仿真，后天就能向更多物理場景滲透，這套滾雪球式的效率優勢，才是通用基座真正的長期壁壘。

大模型時代的勝負手在通用基座，世界模型時代的勝負手也一樣。今天選擇走難而正確的路，本質是在爭奪下一代物理AI的定義權。

無論是認知還是技術實力，都離不開逆矩陣的基因。這是一家年輕但足以承載所有野心的AI Native企業。

吉嘉銘是北京大學智能學院2023級博士研究生，研究方向為強化學習與人工智能安全對齊，2025年獲評“北京大學學生年度人物”，獲ACL 2025最佳論文獎（唯一中國大陸獨立完成單位），并在同年入選Apple Scholar（全球遴選，中國大陸僅2位）。

陳博遠是北京大學元培學院2022級人工智能專業本科生，是北大最高榮譽“學生年度人物”和“北大五四獎章得主”，本科期間就拿下了NeurIPS Oral（全球錄取率不足0.5%），現任北京智源人工智能研究院行為世界模型創新中心負責人。

這是投資人眼中的稀缺標的，也是新時代背景下這片土地所需要的。

經緯創投就表示“博遠和嘉銘新一代創業者跳出傳統路徑，是一個充滿活力的團隊，同時具備國際一流的研究創新和扎實的工程經驗”。

誠然，逆矩陣的獨特性讓外界總習慣給逆矩陣貼標簽：北大天才團隊、頂刊論文大戶、明星融資標的……這些標簽堆砌起來，很容易就成了一篇篇爆款報道的標題。

“標簽有好有壞。”吉嘉銘并不否認行業上行期，光環能幫公司拿到更多融資，儲備更多彈藥，這是過往積累帶來的正向價值。但他更警惕另一面，團隊會不會被標簽困在次優解里，躺在過往的履歷上止步不前。“融資只能保證你活著，能不能真正站起來，還是要看技術能不能突破。”

如果要自己給逆矩陣貼一個標簽，他的答案只有一個：技術為先，尊重原始創新。“北大、論文，都是階段性的標簽。公司越做越大，最終還是要靠好的模型、好的產品說話，這才是最核心的。”

這份務實，也貫穿在逆矩陣的團隊里。

外界看逆矩陣是人才密度極高的明星團隊：成員多來自頂尖高校的碩博，覆蓋大語言模型、多模態、視頻模型、底層算子優化、數據工程等多個方向，幾乎集齊了做通用世界模型需要的全鏈路人才。但在內部，吉嘉銘一直在強調“扁平化”，世界模型是一條沒有成熟參考的全新賽道，不管過去有多光鮮的履歷、發過多少頂會論文，站在這條路上，所有人都是同一起點的探索者。

吉嘉銘的日程對團隊所有人開放可見，任何人有疑問，都可以直接約他15到30分鐘的討論，點對點溝通，不用層層審批。這種去層級化的協作模式，把內部的非技術噪音降到了最低，所有決策圍繞技術本身展開，沒有部門墻的阻隔，也沒有流程內耗的拉扯。

陳博遠也分享過真實逆矩陣的故事，內部所有技術人員坐在一起，會有激烈討論甚至爭吵，在技術碰撞中探索更加具有擴展性的技術路線，而每次爭論后都會產生新的想法。

從團隊日常中就能窺見逆矩陣的未來，它們的注意力從不放在“我有過什么”，而始終錨定在“我要做成什么”。

過去數年，國內AI產業的優勢集中在應用層的快速落地與場景側的高效迭代；但越往底層基座深扎，越需要敢于投入原始創新的長期主義者。世界模型作為物理AI的通用基礎設施，恰恰是一場沒有捷徑可走的硬仗，拼的不是短期demo的驚艷程度，而是對物理規律的底層認知，是技術架構的長期擴展性，是團隊在無人區里持續試錯的定力。

今天的世界模型賽道，像極了五六年前的大語言模型，路線分歧巨大，估值泡沫浮現，人人都在談未來，但很少有人愿意為真正的未來付出長期代價。

歷史早已反復印證，每一輪技術范式的更迭，最終勝出的從來不是最會講故事、最懂蹭風口的玩家，而是那些從第一天就選對了底層方向，并且能沉下心持續打磨核心能力的團隊。

名校title、頂會論文、明星融資，都會在時間里褪色，但逆矩陣不會困在光環里，他的現在已經為喧囂的行業提供了一種更扎實的可能性。而這，或許就是一家AI Native公司，在技術革命的黎明里，最該有的模樣。