文章核心观点 - 世界模型赛道持续吸引顶尖人才涌入[1] - 清华特奖得主吴海旭已开启世界模型创业，公司名为物原科技，估值达6亿美元[2] - 物原科技已融资三轮，投资方包括蚂蚁、美团、达晨财智、星连等一线机构[2] - 创业方向为搭载物理建模能力的世界模型，技术思路延续GeoPT研究路线[6] 吴海旭个人背景 - 2016年进入清华大学软件学院软件工程专业就读本科[7] - 次年起在清华数学科学系攻读纯数学与应用数学第二学位[7] - 2019年暑期作为访问学生进入哈佛大学Visual Computing Group，导师为Hanspeter Pfister教授[7] - 本科毕业后在清华大学软件学院读研，导师为龙明盛副教授[8] - 龙明盛课题组早期起家于迁移学习，后转向时序基础模型、时空预测、AI for Science、气象大模型等[8] - 2022年获清华特等奖学金[9] - 2025年起前往MIT CSAIL从事博士后工作[12] - 博士后导师Wojciech Matusik为计算设计与制造领域知名学者，研究横跨计算机图形学、计算制造、机器人学等[13] - 个人研究重点面向深度学习与科学机器学习，目标为物理系统构建可扩展原则[13] - 谷歌学术被引用数为29611[14] 学术成果与研究方向 - 特奖答辩时已在ICML、NeurIPS、IEEE TPAMI等CCF-A类会议/期刊发表论文7篇，其中一作/共一6篇[11] - 核心研究成果Autoformer首次系统性将序列分解思想与改进注意力机制深度融合，被称为长时序预测里程碑模型[11] - Autoformer后发表PredRNN、Corrformer、Neural-Solver-Library、FlashBias等工作[11] - 研究聚焦物理系统与动力系统两大主题，分为三个方向[14] - 方向一：基于物理原理的可扩展骨干网络（Autoformer、Corrformer、Transolver）[15] - 方向二：端到端物理基础模型（TimesNet、Unisolver、GeoPT）[15] - 方向三：领域感知型科学学习系统（Flowformer、Transolver++、FlashBias）[15] GeoPT技术细节 - 2026年2月，吴海旭为一作的GeoPT在技术领域引起热议[4] - 提出全新动力学提升预训练范式，通过合成动力学将静态几何提升到动态空间[4] - 让模型在无标签数据上通过学习粒子轨迹演化获取物理直觉[4] - 论文作者包括清华软件学院长聘副教授龙明盛、MIT何恺明、MIT教授Wojciech Matusik等[4] - 2026年4月发布GeoPT，获ICLR 2026 Workshop on Foundation Model for Science最佳论文[12] - 2026年8月GeoPT被MIT News和CSAIL News报道[12] 学术成果时间线 - 2021年12月：Autoformer被Paper Digest选为最具影响力论文[12] - 2022年4月：PredRNN获ESI高被引论文和热点论文[12] - 2023年5月：TimesNet被Paper Digest选为最具影响力论文[12] - 2023年6月：Corrformer作为封面文章发表于Nat. Mach. Intell.，获WAIC 2024青年优秀论文提名[12] - 2025年2月：发布Neural-Solver-Library[12] - 2025年10月：发布FlashBias，为AlphaFold 3中Pairformer带来1.5倍加速[12] - 2026年2月：Transolver扩展至第三版Transolver-3，支持超过1亿个单元的几何PDE求解[12] 谷歌学术引用数据 - 总引用数29611，自2021年起29601[16] - h-index为21，i10-index为30[16] - Autoformer引用8242次[16] - TimesNet引用5453次[16] - iTransformer引用5325次[16] - Anomaly Transformer引用2019次[16]

核心观点 - 世界模型赛道持续吸引顶尖人才涌入 [1] - 清华特奖得主吴海旭已开启世界模型创业，公司名为物原科技，迄今融资三轮，估值达6亿美元 [2] - 投资方包括蚂蚁、美团、达晨财智、星连等一线机构 [2] - 物原科技从搭载物理建模能力的世界模型切入，技术思路延续GeoPT研究路线 [4] 吴海旭学术背景 - 2016年进入清华大学软件学院软件工程专业本科就读，次年起在清华数学科学系攻读纯数学与应用数学第二学位 [5] - 2019年暑期作为访问学生进入哈佛大学Visual Computing Group，导师为Hanspeter Pfister教授 [5] - 本科毕业后在清华大学软件学院读研，导师为龙明盛副教授 [5] - 龙明盛课题组早期起家于迁移学习，后转向时序基础模型、时空预测、AI for Science、气象大模型等方向 [5] - 2022年获清华特等奖学金，答辩时已在ICML、NeurIPS、IEEE TPAMI等CCF-A类会议/期刊发表论文7篇，其中一作/共一6篇 [6] - 2025年起前往MIT CSAIL从事博士后工作 [8] - 博士后导师Wojciech Matusik为计算设计与制造领域知名学者，研究横跨计算机图形学、计算制造、机器人学等方向 [9] - 谷歌学术被引用数为29611 [9] 核心研究成果 - 核心研究成果Autoformer首次系统性将序列分解思想与改进的注意力机制深度融合，被称为长时序预测里程碑模型 [6] - Autoformer后发表PredRNN、Corrformer、Neural-Solver-Library、FlashBias等工作 [7] - 2025年2月，吴海旭为一作的GeoPT引起技术领域热议，提出全新动力学提升预训练范式，通过合成动力学将静态几何提升到动态空间，让模型在无标签数据上通过学习粒子轨迹演化获取物理直觉 [3] - GeoPT论文作者包括清华软件学院长聘副教授龙明盛、MIT何恺明、MIT教授Wojciech Matusik等人 [3] - 研究聚焦物理系统与动力系统两大主题，分为三个方向：基于物理原理的可扩展骨干网络（Autoformer、Corrformer、Transolver）、端到端物理基础模型（TimesNet、Unisolver、GeoPT）、领域感知型科学学习系统（Flowformer、Transolver++、FlashBias） [9]

文章核心观点 - 世界模型在动作驱动预测中可能生成看似合理却与实际执行不符的结果，即“脑补”成功结局而非真实预测未来 [2][5] - 普林斯顿大学、得克萨斯大学奥斯汀分校、多伦多大学、NVIDIA和智元的研究人员共同提出WorldOracle评测平台，以真实执行为参照检验世界模型预测能力 [5] - 评测发现两类突出问题：机械臂移动路径预测较准但物体位置和运动仍可能偏离现实；短时表现较好的模型在完整操作序列中可能明显退化 [7] - WorldOracle于10月16日向开发者正式开放，开发者使用评测集提供的初始画面和动作序列生成预测视频并提交平台，由平台与真实执行记录对照评分 [7] 首批成绩单：七种世界模型谁能对上真机 - 研究对包括DreamDojo、Cosmos 3、IRASim、GE-Sim 2.0等七种代表性模型开展评测 [7] - 五个参评模型的机械臂得分均高于物体得分，画面中机械臂即使较好跟随给定动作，物体位置与运动仍可能偏离现实 [14] - IRASim的机械臂得分为78.8，操作物体只有29.1；Cosmos 3的两项得分分别为89.4和45.4 [14] - 同一组机器人遥操作数据上，五个模型的单视角综合分均有所下降 [18] - DreamDojo得分从50.56降至27.08，Cosmos 3从53.99降至26.60，两者下降均接近减半 [18] - GE-Sim 2.0得分从73.86降至63.33，短时与完整长序列得分均为五种模型中最高，长序列下降幅也相对较小 [18] - 模型之间相对次序发生变化：IRASim前30秒得分低于Ctrl-World、DreamDojo和Cosmos 3，但完整序列得分高于这三个模型 [19] WorldOracle的出题与判分机制 - 评测从预先采集的真实操作记录出发，向模型提供初始画面和动作序列，由模型生成预测视频，再与同一组动作对应的真实执行进行比较 [22] - 模型需要预测真实操作中的抓空、掉落和洒水，即便现实操作失败，如果准确预测这次失败也是正确的预测 [23] - 失败案例成为重要测试样本，检验模型是否遵循给定动作及其后果，还是把操作过程补成常见成功版本 [24] - 评测覆盖智元G2、YAM两种机器人本体，以及第一视角人手操作场景 [24] - 四类任务包括水果抓取、挂毛巾、倒水和开合抽屉，分别涉及刚体、柔性物体、流体和关节物体交互 [24] - 人手场景面向能够接收手部动作输入的世界模型，检验模型能否根据记录的手部姿态序列预测后续物体变化和交互结果 [24] - 具备相应第一视角世界建模能力的模型在人手场景下接受零样本评测，不使用平台提供的额外人手适配数据 [24] - 数据包含两类来源：一类由人工完成任务采集，包括机器人遥操作轨迹和人类手部操作轨迹；另一类是机器人策略自主执行轨迹 [27] - 机器人自主执行时可能出现不同于人工操作的停顿、抖动和动作修正，纳入这类数据有助于检验世界模型面对不同来源动作能否仍然预测准确 [28] - WorldOracle是唯一同时覆盖动作序列输入、真实执行数据、失败案例、长时序交互、多本体、多视角及策略自主执行轨迹的具身世界模型评测基准 [29] 评测赛道与指标体系 - 平台设置三条赛道：WorldOracle-Core评估人工采集轨迹前30秒的预测表现；WorldOracle-Policy评估模型对机器人策略自主执行完整过程的预测表现；WorldOracle-Long评估人工采集的完整长序列中的持续预测表现 [31] - WorldOracle用四项互补指标检查预测 [32] - 物理状态正确性：检查每次交互结束时的物体位置、抓取状态、液体转移等是否与真实结果相符 [39] - 交互空间对齐度：检查物体、机械臂或人手的位置及移动路径是否与真实过程一致 [39] - 关键交互区域保真度：聚焦物体、夹爪和人手等区域，综合像素、感知与语义相似度，减少大面积背景对评分的干扰 [39] - 多视角动作一致性：针对支持多视角输出的模型，检查各同步相机画面中的机器人运动是否与真实执行对齐 [39] - 前三项指标等权平均形成单视角综合分；多视角评测加入第四项后再等权平均，分项成绩同时保留 [34] - 研究邀请119名参与者比较128对预测视频，发现四项指标对预测优劣的判断与人类选择的一致率为88.1%—93.2% [35] - 该评测衡量的是预测与一次真实执行记录的匹配程度，对于流体、柔性物体和随机接触，同样动作可能产生多种合理结果，单次参照尚不能完整描述这些可能性 [35] - 不同本体的训练支持不相同：G2使用专门采集的训练集，YAM使用公开数据，人手场景采用零样本评测，三个场景的成绩不宜直接用于判断本体难度或跨本体泛化能力 [35] 平台开放与模型迭代反馈 - WorldOracle支持开放权重与闭源模型参与，开发者完成注册和审核后可根据模型支持的本体或操作场景选择赛道，按提交指南生成并上传预测视频，查看综合分、分项成绩及对比结果 [37] - 对于模型迭代，反馈可以落到具体问题：一次改进是否让物体运动更准确、是否减少了对失败操作的误判、预测时间拉长后提升是否仍然成立 [38] - 世界模型生成的未来是否可靠需要放到真实执行面前检验，WorldOracle将这种检验转化为统一的任务、数据和评分方法，为开发者比较模型、识别误差和验证改进提供依据 [38]

文章核心观点 - DeepSeek创始人梁文锋进军风险投资，领投具身智能赛道，同时考虑亲自组建团队下场研发或通过投资收购切入该领域 [5][6] - 大模型公司入局具身智能成为必然选择，GPT-6 Astra展现出强大基础通用模型能力，刷新行业认知，证明不需要懂具身也能做出泛化具身模型 [7][8] - 具身智能行业正面临融资收紧和IPO受阻，行业明显降温，“被并购”成为可接受的归宿，具身创业者圈子流露出“希望被梁文锋看上”的情绪 [10][12] 梁文锋入局具身智能 - DeepSeek已同意领投腾讯前科学家胡瀚创立的初创公司Winverse AI种子轮融资，金额达数千万美元，投后估值将达约4亿美元，但交易尚未最终敲定 [5] - 胡瀚7月从腾讯离职时透露创业方向为聚焦具身智能和世界模型，其创业方向与具身大脑相关，目前正在招人，招聘要求对标大模型行业 [5] - 前逐际动力基础模型负责人俞涛也已开启创业，方向为LLM+具身，公司估值第一轮7000万美金，第二轮2亿美金，DeepSeek也在投资方之列 [5] - 梁文锋近期密集关注具身智能领域，并与多位该领域创业者交流学习，探讨机器人、大模型与现实世界交互等方向 [5] - 梁文锋正在考虑DeepSeek是否要进一步进入具身智能领域，方案可能包括亲自组建团队下场研发，也可能通过投资相关企业切入 [6] - 曾经投资人排队见梁文锋要融资份额的盛况，或许具身企业们要将这一幕重现 [6] 入局具身智能的时间点与逻辑 - 过去大模型圈对做具身存在畏难情绪，但9月份发布的GPT-6 Astra展现出强大的基础通用模型能力，让大模型公司看到不需要懂具身也能做出泛化具身模型 [7] - Coding能力肉眼可见到顶，往后会进入缓慢增长的节奏中，大模型公司需要找到新的风口去承接带来持续的震撼 [6] - 一位具身研究人士表示，入局具身智能是大模型公司以及大厂必然的选择，放眼全球，OpenAI、Anthropic还是Meta都已经组建自身的机器人团队 [8] - 今年5月梁文锋在披露DeepSeek的AGI路线图时释放过具身智能的节奏：语言模型→CoT思维链→Agent智能体→持续学习→自我迭代→具身智能 [8] - DeepSeek招聘多模态理解研究员的职位描述显示：AGI绝不会止步于文本，迈向AGI的关键一环，在于让模型拥有理解物理世界的能力 [9] - 大模型公司入局做整个具身智能并不简单，机器人是软硬件耦合的事情，大模型公司自身落地场景和数据有限，从具身大脑切入更实际 [9] - 未来极有可能看到包括DeepSeek在内的头部大模型公司更多的对外投资甚至收购具身智能公司动作 [9] - 如果DeepSeek投资收购公司，具备大模型背景、空间智能能力的具身团队会更受青睐 [9] 具身智能行业融资与IPO现状 - 2026年上半年国内具身智能赛道融资总额超过900亿，是2025年同期5倍，超20家百亿估值的具身公司诞生 [10] - 下半年风向骤变，许多头部机构内部具身智能上会项目开始明显减少，圈内FA也明显感到手里的具身项目推不太动了 [10] - 市场上头部的具身公司能融的钱都融了，估值已经很高，后面没投的机构很难再进去 [10] - 今年8月国家发改委政策研究室副主任李超表示，机器人产业必须防止盲目跟风、一哄而上 [11] - The Information报道称监管机构已发出非正式窗口指导，把具备经常性收入能力、处于亏损收窄轨道或已实现真正的技术创新，列入人形机器人IPO审批的范围中 [11] - 港交所门外排队等待上市的机器人及具身智能相关企业约有四五十家，是18C特专科技通道里最拥挤的赛道 [12] - 一批具身投资人已经开始谋求老股退出了 [12] - 祥峰投资管理合伙人夏志进提到，现阶段具身智能百亿估值公司和初创团队之间，技术层面并没有拉开巨大差距，唯一可能称得上门槛的就是融资门槛 [12]

禾赛科技Kosmo与皮克斯合作 - 皮克斯官方上架最新3D渲染教程，教创作者使用皮克斯官方工具处理真实世界的3D高斯泼溅数据，说明中特意感谢禾赛科技提供的3D场景扫描方案Kosmo [6] - 皮克斯是《玩具总动员》背后的好莱坞特效公司，过去30届奥斯卡最佳视效大奖中24部影片都在使用皮克斯的特效技术 [3] - 皮克斯由史蒂夫·乔布斯在1985年被苹果公司扫地出门后的创业项目 [4] - RenderMan是皮克斯的核心渲染技术，算法历史比皮克斯这家公司还要早，乔布斯当年看到计算机图形学作为艺术形式的潜力并投下重注 [8] - GPU加速的XPU架构已经落地，对3D高斯泼溅这一全新三维数据格式的支持已加入RenderMan，帮助RenderMan捕捉真实世界的就是禾赛的Kosmo [9] Kosmo的技术能力与价值 - 皮克斯描述Kosmo的价值：影视特效需要在像素层面完成编辑工作，数据和信息越丰富，能做的调整就越细腻，Kosmo可以让建模师走进任何一个地方，捕捉每一个空间元素、精准几何结构和真实光照 [11] - 用Kosmo捕捉皮克斯总部Steve Jobs大楼前的台灯和小球空间只需10-20分钟，得到的高质量3DGS数据通过USD格式直接进入工作环境 [12] - 一般100平米左右的空间，手持Kosmo采集大概需要15-20min的时间 [13] - Kosmo第一个价值是快速提取真实景物环境信息，且100%真实还原 [15] - 现象级国产3A大作《黑神话·悟空》制作方游戏科学当年就是拿着禾赛的激光雷达去采集各种古建筑模型，这也是Kosmo诞生的驱动因素之一 [15] - Kosmo更被认可的是直接输出3D高斯泼溅格式的能力，采集完的数据不需要再经过任何复杂处理，可以直接用各种AI的、人工的工具编辑调试 [15] - Kosmo的本质是真实的三维世界数据引擎，多种不同传感器高度集成、标定完善，到手即用，直接输出可供模型训练、可以操控编辑、空间关系/色彩形状都不失真的三维数字模型 [15] Kosmo在具身智能与物理AI领域的定位 - 打进好莱坞影视行业本质上只是禾赛攀登物理AI珠峰过程中沿途下的一个蛋 [16] - Kosmo更初心的落地场景是作为具身智能、物理AI底层模型最重要的数据渠道入口 [17] - Kosmo建模完成的数据资产可以直接拿来构建机器人的训练任务，这实际上就是世界模型追求的目标，不同之处在于Kosmo数据来自真实世界，物理定律、因果更加精准，并且对于模型的行为更容易解释归因 [26] - Kosmo本身还提供空间关系这个更关键的要素，机器人从感知到认知，主动规划路线、策略，空间关系是必不可少的决策因素和模型训练数据 [27][29] - 这样前装量产、前融合的数据入口，整个具身智能、物理AI赛道之前是不存在的 [30] - 具身玩家包括其他有测绘采集需求的团队都有强需求，并且需要的远远不止激光雷达数据 [31] - 长期以来大家的玩法是各自采购不同传感器元件，自己手搓一套数据采集设备，非标、可靠性低、昂贵、没法迭代 [32] - 禾赛作为激光雷达一哥，精密光电设备、车规标准、工程量产是其舒适区 [33] - Kosmo是行业第一个即开即扫、即扫即用的专用数据终端 [33] Kosmo的产品架构与技术细节 - Kosmo的组成分两端，用户手里的Kosmo One是采集端，云端的Kosmo World是重建端 [34] - Kosmo One内部有四类传感器：定制激光雷达、最高8K分辨率的超高清影像系统、一英寸大底CMOS、高精度IMU [35] - 四类传感器输出的信号天生就不一样：点云是一堆稀疏的三维坐标，图像是二维像素阵列，IMU是高频时序数据 [36] - 前融合的意思是在这些信号进入任何重建算法之前，先在硬件层面把它们对齐 [37] - 时间上Kosmo做到微秒级同步采集，四类传感器共享同一个时钟源和触发机制，每一帧数据在时间戳上严格绑定 [39] - 空间上激光雷达和摄像头之间的外参标定决定点云中每个三维点能否准确投影到对应图像的像素上，Kosmo One把三者集成在同一台设备，外参出厂时标定好，使用过程中由IMU辅助维持 [40] - 前融合的输出是一组时空对齐的多模态数据帧，每一帧里激光雷达点云、图像RGB像素、IMU位姿轨迹绑在同一个时间戳下 [41][42] - 设备级前融合和禾赛在毕加索SPAD-SoC上做的像素级前融合同源，SPAD像素上方集成RGB滤光片，单像素同时完成光子计数和ToF计时，直接输出时空对齐的彩色点云 [44] - Kosmo One就是把类似思路从芯片扩展到了多传感器系统 [45] - 多模态帧上传到云端进入Kosmo Spatial Core即KSC，转化成3D高斯泼溅表示 [46] - 3DGS是2023年SIGGRAPH上提出的一种三维场景表示方法，用一堆三维高斯分布来搭场景，每个高斯有自己的位置、形状、透明度和随视角变化的颜色 [46] - 原始3DGS有个短板：只靠图像，单目图像没法确定场景的真实尺度，白墙、玻璃这类没什么纹理的地方容易算歪，高斯的空间分布也缺乏物理约束 [46] - 学术界过去两年集中解决这个问题，方向就是把激光雷达的绝对深度塞进3DGS的初始化和优化里 [47] - KSC用激光雷达点云初始化高斯位置，用深度作为几何约束参与优化，RGB信息通过可微光栅化的光度损失注入高斯的颜色参数 [49] - 三路信号在同一个优化框架里协同，最终输出位置、形状、颜色同时收敛的3DGS表示 [50] - KSC还在此基础上同步导出mesh和depth两种同源数据，空间坐标系统一，不需要跨格式配准 [52] - 最终一次重建同步输出3DGS、mesh、depth三种可直接用于机器人训练的数据形态 [53] - KSC还搭载AIGC补全能力，对未扫描到的盲区做自动补全和材质识别，并通过AI语义分割把场景内物体独立识别和标注，使静态三维模型可以直接转化为AI可训练的结构化数据 [53] Kosmo的应用广度与行业意义 - 影视、游戏、测绘、机器人甚至房地产也需要Kosmo的能力，比如VR看房 [55] - 如果数据是石油，那Kosmo其实就是采油+炼油基础设施全流程整合，让各位车主加油即走开箱即用 [56] - 从自动驾驶到具身智能，数据仿真和实采的对垒争论一直没停过，今年世界模型概念流行起来以后，这门显学感觉要被终结了 [58] - 至少现阶段的世界模型没办法回答：AI越强代表世界模型/机器人能推理、能解决的问题越多，也就是物理AI终端解锁的场景越多，但同时也意味着对泛化的要求越高 [61] - 那就更需要真实世界的新鲜数据作为基础，Kosmo这类空间数据采集产品可能会长期存在 [62] - Kosmo不是在AI变强后被替代，而是AI越强它越有用，是顺AI [63] - Kosmo本身就是世界模型的kick start [64] - 禾赛通过Kosmo挑明了一个更底层但传统大模型玩家一直回避忽视的问题：模型尤其是在训练阶段数据来源如果能对齐真实物理世界，很多问题可以迎刃而解 [64] 禾赛科技的战略重估 - 禾赛这个从车圈走出来的激光雷达供应商应该被充分重估 [66] - 智能汽车赛道锻炼出的精密设备制造、芯片设计、工程量产等能力成了物理AI时代的能力基础，除了Kosmo还有自研的机器人驱动模组，小、大力、可靠 [66] - 禾赛的角色从单纯服务车企的激光雷达供应商变成了物理AI基础设施供应商，Kosmo的主要营收可能不是硬件售卖，而是卖Kosmo大脑生产数据资产消耗的token [68] - 禾赛创始团队现在不仅仅只有禾赛这一家基础设施公司，还有机器人全栈公司Sharpa [69] - Sharpa从真实落地场景中发现问题反馈需求，禾赛不断迭代升级拿出更好方案提供给整个具身智能赛道，也从Sharpa直接营收，自己的小闭环推动行业的大闭环 [71] - 禾赛早已经突破单纯的硬件公司范围，Kosmo本身就是硬件和模型的综合方案，模型背后有一个较少被关注的东西：数据资产平台，用户扫描的数据、禾赛官方自己的测试数据等都可以在这上面开源 [72] - CEO李一帆不经意暴露野心：禾赛特意把Kosmo做得有苹果感，顶尖的硬件研发设计制造去支撑覆盖全行业的平台生态 [74] - 物理AI越往前走，对真实世界新鲜数据的需求只会更大 [75] - 禾赛从车圈杀出已经站到了物理AI数据入口的位置 [76] - 接下来要证明的是这条从传感器到数据资产的路径能跑出多宽、多深的商业版图 [77] - 顶尖智能汽车玩家的终局不会停在智能汽车 [78]