据量子位报道，Physical AI创业公司息壤开物宣布已连续完成数亿元种子轮及天使轮融资，敦鸿资产领投，华控基金、三花控股、银杏谷资本、泽然资本、本坚基金、天使基石、标朴投资等机构跟投，估值达5亿美金。公司由前华为云大模型CTO李寅和前华为多模态首席科学家张含望联手创办，目标是构建面向物理世界的基础模型LPM（Large Physics Model）。
李寅毕业于清华大学，曾任华为云盘古大模型CTO、行业大模型开发部部长。她曾带领400人团队，依托百万小时视频数据集，在万卡算力集群上耗时两个月训练出一个8B视频大模型。在产业侧，她负责国内多地具身智能创新中心落地，交付了智驾、矿山、金融、医疗、气象等30个行业的200多家客户，每年带来数亿元营收。张含望为南洋理工大学计算与数据科学学院教授、人工智能校长讲席教授，长期研究因果机器学习、多模态理解和模型泛化，累计发表论文228篇，被全球引用超4.2万次，H-index为81，曾入选IEEE“全球AI领域十大最值得关注的学者”，并获得新加坡总统科技奖青年科学家奖。他将出任息壤联合创始人和首席科学家。
在息壤的定义中，大语言模型代表AI 1.0，主要学习已被人类抽象为语言、代码和公式的知识。Physical AI即其所说的AI 2.0，需要面对连续变化、可被行动改变、且每次行动背后存在无数可能性的物理世界。物理世界没有可直接使用的、由人类整理好的抽象表征，模型只能从亿万次观察、行动与反馈中自行寻找答案。息壤因此选择先利用海量视频、机器人轨迹和真实交互预训练一个物理基础模型，再让它进入不同本体和任务。
这一选择也针对VLA路线的局限。息壤团队在过往工业项目中意识到，尽管VLA已证明视觉和语言信息可以映射为机器人动作，但实际部署中大量模型仍需针对特定本体和任务进行增训。机器人若进一步进入家庭和公共服务场景，模型需要保留已学到的物理知识，并在新环境中具备通用能力。LPM希望提供这样的能力底座。
据息壤披露，其模型在World Arena 2.0 Track 1中，Trajectory Accuracy单项排名第一，Physical Adherence单项排名第二。前者考察模型预测物体运动轨迹是否准确，后者关注模型生成的未来状态是否符合基本物理规律。息壤还称，随着数据规模与训练规模增加，模型性能已出现初步提升趋势，团队认为这与物理智能可能存在Scaling路径的假设有关，值得继续推进。
技术路径上，息壤的LPM以Unified AR Transformer作为骨干，让自回归模型将复杂过程拆解为连续的条件预测，Diffusion作为可选模块，在需要把未来状态渲染成连续视频时完成视觉生成。公司将其拆分为统一Token、统一模型架构、强化学习算法、数据体系、评测体系和工程基础设施六个底层能力。数据来源计划包括互联网物理视频、Ego第一视角数据、UMI示教、仿真与合成数据，以及公开机器人轨迹和真机反馈。产品规划分为L0、L1、L2三层：L0为通用物理基础模型，L1为进入工业制造等领域后的领域模型，L2则进入具体应用。训练成果XIRRA v0.1计划于今年晚些时候亮相。
息壤内部设置Model、Data和System Infra三条能力线。Model团队负责统一生成模型与物理表征，Data团队建立多来源数据管线并处理仿真与真实数据，System Infra团队支撑大规模稳定训练和后续推理优化。量子位报道称，李寅与张含望分别对应华为大模型体系中工程产业侧与算法研究侧的能力，在Physical AI阶段，这两条路径需要融合。