李飞飞的公司被82亿美元收购，清华特奖得主的物原科技三个月融了三轮
今年9月，AMD宣布以约82亿美元收购李飞飞的World Labs，AI教母即将去芯片公司出任首席科学家。同一个赛道上，杨立昆的AMI Labs握着欧洲史上最大的10.3亿美元种子轮。而北京海淀，一家7月1日才注册、注册资本一百万的公司，三个月融了三轮，估值做到6亿美元。它叫物原科技，创始人吴海旭，2022年清华特奖得主。
今年9月，AMD宣布以约82亿美元收购李飞飞的World Labs，AI教母即将去芯片公司出任首席科学家。同一个赛道上，杨立昆的AMI Labs握着欧洲史上最大的10.3亿美元种子轮。而北京海淀，一家7月1日才注册、注册资本一百万的公司，三个月融了三轮，估值做到6亿美元。它叫物原科技，创始人吴海旭，2022年清华特奖得主。
82亿美元的收购案，和一家注册资本一百万的公司
今年9月28日，李飞飞在X平台发了一篇长文，标题叫《To Seek a Newer World》，为一场收购做注解。AMD宣布以约82亿美元收购她创办的空间智能公司World Labs，交易预计年底交割，届时李飞飞将出任AMD执行副总裁兼首席科学家。这家公司在今年2月刚完成10亿美元融资，Autodesk领投，英伟达、AMD、富达都在投资名单里，据公开报道的口径，估值约50亿美元。七个月后，芯片公司苏姿丰直接把整家公司买了下来，购买理由写进新闻稿，构建下一代AI计算平台，需要提前看懂模型往哪走。
欧洲那边，图灵奖得主杨立昆去年底离开Meta，今年1月正式推出AMI Labs，3月拿完10.3亿美元种子轮，投前估值35亿美元，贝佐斯的钱在里面。这笔钱是欧洲AI史上最大的种子轮，公司给自己的规划是五年之内不出可售卖的产品，先做研究。
赛道的两端，一头是被并购的技术先驱，一头是不急着赚钱的科学理想主义者。
夹在这两端中间的，是一批新面孔，国内的融资清单上，过去几个月密密麻麻全是世界模型四个字，生数科技两个月拿了26亿，极佳视界年内连轮融资后估值突破一百亿，自变量机器人估值站上两百亿，千寻智能开年三个月吸金45亿。
10月16日，这个名单上多了一个新名字。多家科技媒体同步报道，2022年清华大学特等奖学金得主吴海旭，已于今年悄然开始世界模型创业，公司名为物原科技，三轮融资走完，估值6亿美元，约合40亿人民币，投资方名单里有蚂蚁集团、美团、达晨财智、星连资本等机构。
工商信息给出了这家公司的骨架，北京物原科技有限公司，注册于2026年7月1日，注册资本一百万人民币，注册地在中关村东路123号，经营范围写着人工智能理论与算法软件开发、人工智能基础资源与技术平台，顺带还有智能机器人的研发。公司官网域名是tensorworld，张量世界，域名备案审核时间是今年8月13日。
从注册到三轮融资走完，这家公司只用了三个月。这个速度放在任何一条赛道上都算快，放在世界模型这条赛道上，只是及格线。
02
从软件学院到数学系第二学位
吴海旭的起点不在实验室，在课表上。
2016年，他进入清华大学软件学院软件工程专业读本科。次年，这个工科生做了一个多数同学不会选的决定，去清华数学科学系，兼读一个纯数学与应用数学的第二学位。软件工程教他怎么把系统搭出来，数学教他怎么把问题看穿，这套组合拳后来贯穿他所有的研究。
2019年夏天，他以访问学生的身份进入哈佛大学视觉计算组，跟着Hanspeter Pfister教授做研究。一个本科还没毕业的中国学生，进了全球顶级的图形学实验室，这段经历在他后来选择物理与几何交叉的方向上，埋了一条伏笔。
本科毕业后，他留在清华软件学院继续深造，导师是龙明盛。这位长聘副教授的课题组早期靠迁移学习起家，后来把重心转向时序基础模型、时空预测、AI for Science和气象大模型，是国内做时间序列研究最响亮的团队之一。吴海旭在这个组里待满了整个博士阶段，从2016年入学到2025年赴美，他在清华待了九年。
2022年12月，清华大学公布当年特等奖学金评选结果，全校二十名学生入选，软件学院的研究生吴海旭在列。这个奖的含金量在业内有公论，月之暗面的杨植麟、OpenAI的陈立杰、谷歌的姚顺宇、Sand.ai的曹越、LiberAI的刘松铭，都曾是它的得主。这份名单后来被投资圈称作清华特奖创业帮，名单里的人几乎每人都撑起了至少一家明星公司。
答辩现场留下了一份成绩单，答辩时吴海旭已经在ICML、NeurIPS、IEEE TPAMI这些CCF-A类会议和期刊上发表论文七篇，其中一作或共同一作六篇。那一年他的核心成果是Autoformer。
03
一篇Autoformer立住的江湖地位
Autoformer发表在2021年的NeurIPS上，做的事一句话能讲完，让机器更准地预测时间序列，比如明天某地的气温曲线，比如未来半年的电力负荷。
这个方向听起来朴素，工程价值极大，电网调度、气象服务、交通规划、金融风控，底层全是时间序列预测。吴海旭在这篇论文里首次系统性地把序列分解思想与改进的注意力机制融合在一起，让长时序预测的精度往上抬了一个台阶，业内把它称作长时序预测的里程碑模型。这篇论文至今被引用八千多次，是他所有工作里被引最高的一篇。
Autoformer之后是密集的产出期。TimesNet把时间序列拆成二维变化来做分析，被引五千多次，入选过论文影响力榜单。iTransformer用倒置的结构处理变量关系，同样被引五千多次。PredRNN做时空预测，拿了ESI高被引论文。Corrformer做全球气象站点的统一预测，登上了Nature Machine Intelligence的封面文章，还拿了WAIC青年优秀论文提名。
到2026年10月，他的谷歌学术主页显示总被引次数接近三万次。一个博士毕业前后就攒下这个引用量的年轻研究者，在时间序列这个细分领域里，全球范围内掰着指头能数出的人不多。
这些工作的共性藏在他个人主页的三栏分类里，可扩展骨干网络、端到端物理基础模型、领域感知的科学学习系统。翻译成人话，他十年来一直在干同一件事，给物理世界的规律找到可以被神经网络学习的形式，从时间序列到时空系统，从气象到物理仿真，一条线画到底。
2025年，他前往MIT CSAIL做博士后，导师是Wojciech Matusik，计算设计与制造领域的知名学者，MIT电子工程与计算机科学系的讲席教授。这个方向的选择解释了他此后所有的动作，Matusik的实验室研究怎么用算法连接数字世界与物理制造，横跨计算机图形学、计算制造与机器人学。
04
在MIT，隔壁坐着何恺明
MIT CSAIL是计算机科学领域排名第一档的实验室，何恺明在这里。这位ResNet的第一作者、被引数十万次的计算机视觉旗手，2024年从Meta回到MIT任教，是CSAIL的首席研究员，同时挂着Google DeepMind杰出科学家的头衔。
2026年2月，一篇论文从这里发出，标题是GeoPT，全名翻译过来是基于提升几何预训练的物理仿真扩展。共同一作两个人，吴海旭和郭明灏。作者列表往后数，Zongyi Li、Zhiyang Dou，然后是龙明盛，然后是何恺明，资深作者是Matusik。一位清华的博士，带着导师和MIT两位大牛，做了一篇两个实验室合体的论文。
这篇论文要解决的问题，是物理仿真行业几十年的老毛病。
工程师测试一辆汽车的气动性能、一艘船的风浪稳定性、一次碰撞的车身变形，传统做法是跑数值仿真，精度够，代价巨大。论文里给了一个量级，生成一份工业级精度的流体仿真样本，算力成本要以万计的CPU小时。工业界想用神经网络替代仿真，最大的瓶颈不在模型精度，带物理标签的训练数据贵到没法规模化。
GeoPT的解法堪称精巧，物理系统的解由几何和动力学共同决定，几何是汽车的形状，动力学是风速风向。带标签的数据贵，是因为把两者耦合仿真一遍太烧算力。可几何数据本身在互联网上到处都是，公开的三维模型库浩如烟海。GeoPT给这些静态几何配上合成动力学，用大约一百三十万次小粒子在三维物体上以不同速度角度运动的模拟，制造出无需物理标签的训练信号，让模型在看粒子演化轨迹的过程中，自己悟出物理直觉。
效果落在三个数字上，同样的精度要求下，标注数据需求最多能省六成。船体稳定性这个任务上，GeoPT用的标注样本比主流基线少六成，达到峰值精度的速度快四倍。推理速度上，它对一亿以上网格点的模型做高保真仿真，以秒计完成，传统数值仿真的同规模计算要以小时和天计。
论文在7月的国际机器学习大会上报告，此前拿到了ICLR 2026科学基础模型研讨会的最佳论文。8月，MIT News为它发了专文报道，标题里写AI模型带着物理直觉。Meta的研究科学家Fei Sha在报道里给出评价，用合成动力学数据把物理注入基础模型是一个令人兴奋的范式，它挑战了物理与几何必须在计算中绑定、必须依赖昂贵专用数据的传统认知。报道引述他的话说，我们已经到了建造物理基础模型的时刻，现在就动手。
演示案例里有一个特别有画面感的细节，模型从来没有训练过那只玩具兔子的三维形状，也没学过光学，却准确模拟了光线穿过兔子身体的效果。物理直觉这个东西，一旦学到位，是能举一反三的。
05
三个月，三轮，六亿美元
论文热度还在攀升的时候，吴海旭回国创业了。
工商登记显示，北京物原科技有限公司于2026年7月1日注册成立，注册资本一百万人民币。股权结构里，吴海旭与另一位自然人股东郑文各持有百分之三十七点一六，剩下的股份由三家企业管理合伙企业持有，这类架构在创业公司里通常用作员工持股平台。公司官网的域名tensorworld很快完成备案，审核时间8月13日，张量世界，跟物理建模的业务严丝合缝。
随后是快得反常的融资节奏，公开报道给出的口径是，迄今三轮融资走完，公司估值6亿美元，约合40亿人民币，投资方名单包括蚂蚁集团、美团、达晨财智、星连资本等机构。三家互联网巨头级产业资本加一家一线财投，三个月内对一个注册资本一百万的新公司连续加注，每一轮估值都在往上翻。
从7月1日注册，到10月中旬报道见刊，恰好三个月。三个月估值四十亿人民币，这个速度在国内AI创业史上能排进最前列，上一个速度故事是极佳视界，年内连融数轮后估值迈过百亿门槛。
押注逻辑不难拆，美团是中国互联网里最需要物理仿真的公司之一，无人机配送要算风场，自动驾驶配送车要算路况，蚂蚁则在低空飞行器领域投过真金白银，世界模型对这类巨头是技术储备。达晨财智在AI赛道布局多年，星连资本也出现在多家AI公司的股东名单里。产业资本带队进场，买家看中的显然是自己业务里真实存在的算力账单。
技术路线上，接近公司的消息显示，物原科技从搭载物理建模能力的世界模型切入，方案延续了GeoPT的研究路线。换句话说，论文里验证过的合成动力学范式，就是这家公司的技术底座。
06
清华特奖的创业名单
把镜头拉远，吴海旭的入场让一份名单更完整了。
清华大学特等奖学金，每年全校只评二十人，本科生和研究生各占一半，被称作清华学生的最高荣誉。过去十年间拿过这个奖的人里，走出了一串创业公司的名字。杨植麟创办月之暗面，把Kimi做到大模型第一梯队。陈立杰早年与人创办的机构如今挂在OpenAI名下。曹越创办Sand.ai做视频生成。刘松铭的LiberAI也在这条赛道上。谷歌的姚顺宇，圈内流传他已离职创业，方向同样指向机器自我改进的前沿。
加上吴海旭，这份名单上的公司覆盖了大语言模型、视频生成、世界模型三条主线，几乎串起了这一轮AI创业的核心叙事。投资人追踪这个名单多年，逻辑简单直接，这个奖筛出的是在真实科研竞争里打赢过的人，跟分数关系不大。
吴海旭在这个名单里的位置有点特殊。前面几位做的都是生成式AI，模型吐出来的东西给人看，语言也好视频也好，商业闭环都指向消费端。吴海旭选的物理世界模型，吐出来的东西给机器用，给工程师用，给机器人用，客户的画像从消费级跳到了工业级。
这个选择跟海外两杆旗帜的路线之争形成微妙呼应。李飞飞的World Labs做空间智能，生成可漫游的三维世界，产品Marble卖给游戏、影视、建筑和机器人训练公司。杨立昆的AMI Labs走JEPA架构，拒绝生成像素，在抽象表示空间里做预测，声称生成的路线浪费算力，规划需要的是决策，画面属于浪费。两条路线吵了两年，谁也没说服谁，AMD用一笔82亿美元的收购案给生成路线投了信任票，欧洲投资人用史上最大种子轮给抽象路线投了信任票。
吴海旭的路子跟两位前辈都不一样，他不渲染世界，也不回避像素，他直接啃物理仿真这个工业刚需。业内对这条线的判断相对一致，技术壁垒够高，离钱比前两条线更近，因为数值仿真的成本账单是全工业界看得见摸得着的痛点。
07
赛道上钱正在密集落下
世界模型这条赛道在2026年进入了资金密集成交期。
海外两笔标杆交易已经落定，AMD宣布把World Labs收入囊中，AMI Labs的种子轮纪录短期内恐怕没人能破。英伟达的Cosmos平台物理世界基础模型年内下载量突破两百万次，Google DeepMind的Genie 3把实时交互三维世界生成做到消费级演示水准。
国内的热度更直白，生数科技两个月内累计完成26亿元融资，投后估值突破120亿元。极佳视界坚守原生世界模型路线，年内连轮融资后估值突破100亿元。自变量机器人凭借世界统一模型WALL-B，估值站上200亿元。千寻智能开年三个月连拿四轮共45亿元，旗下机器人大模型在权威评测中登顶，性能对标英伟达的Cosmos系列。
这些数字放在一起看，能读出一个明显的信号，资本对这个赛道的定价已经不按传统创业公司的逻辑来。一家成立数月的公司拿百亿估值，一家五年内不打算出产品的实验室拿十亿美元种子轮，定价的锚已经从收入和利润，前移到了团队和路线。
物原科技的6亿美元估值放在这张表上，反而是克制的那一档。跟国内同期公司比，它低于极佳视界和自变量的两百亿人民币，跟海外比，它低于World Labs成为独角兽时的10亿美元估值。对一个谷歌学术被引近三万次、手握ICML论文和MIT News背书的创始人来说，这个定价更像是在给团队的技术确定性计价，溢价留给产品验证之后。
资金的密度还催生了一个衍生市场，算力。物理仿真的训练数据贵在CPU小时上，推理的大头压在GPU上，世界模型公司每多一家，英伟达和AMD的订单就厚一分。AMD买World Labs买的就是这个提前量，先投资再联合研发最后收购，苏姿丰把这条路走成了一套方法论。
08
一张卖工业仿真的牌
物原科技具体卖什么，公开信息还留白。技术路线延续GeoPT，这个说法给了一条清晰的推理线。
GeoPT论文里反复出现一组对象，DrivAerML气动数据集、车辆碰撞仿真、船体外板风浪响应、一亿网格的工业模型。这些场景并非学术玩具，对应着汽车、航空、船舶行业的真实工程需求。论文算过一笔账，一份工业精度的气动样本要烧上万CPU小时，一个车型的开发周期里这类样本要成千上万份。神经网络仿真器一旦在这类任务上达到工业精度，省下的是实打实的算力账单和研发周期。
这篇论文的署名机构里还有一个容易被忽略的细节，研究获得了Neural Modular Physics Twin for Robotics项目的支持，物理孪生与机器人，两个词都是产业界的硬需求。MIT News的报道也点了一句，这类工具能让工程师不跑那么多物理实验就测出车辆设计草案的表现。
把这些线索拼起来，物原科技的牌面大致浮现，用物理世界模型改造工业仿真，客户可能是车企、航空航天、船舶制造这些被仿真成本压了多年的行业，也不排除往机器人训练的仿真环境延伸，工商经营范围里那行智能机器人的研发给了这个方向留了口子。
这条路线的商业想象空间有一个现成的参照，工业仿真软件巨头Ansys在2025年刚被Synopsys以约350亿美元收购，仿真工具的市值量级摆在那里。神经仿真器如果能以十分之一的成本达到可用的精度，切的是存量市场，不需要教育客户什么是仿真。
挑战同样摆在明面上，工业客户对精度的要求是苛刻级的，论文里百分之九十几的准确率和产线可用的准确率之间隔着一整个工程化的峡谷。工业仿真的验证周期以年计，一个新工具进车企的供应商名单，走完验证流程就要脱一层皮。GeoPT在基准上赢了，基准和产线之间的距离，是这家公司未来两三年真正要走的路。
09
无产品、无客户、无对手名单
这三个问题需要物原科技给出答案。
第一个问题，团队的牌与公司的牌是否同一副。工商信息里，法定代表人和主要成员是郑文，与吴海旭各持百分之三十七点一六，这个人的公开履历查不到，三家持股平台里站着谁也无从查证。一家技术创始人在MIT做研究的公司，中关村办公室里日常运营的是谁，决策链怎么设计，这些在公司层面还没有答案。技术研究与公司经营是两种能力，特奖得主搞定前者，后者需要另一套班底。
第二个问题是估值与技术验证之间的时间差。三轮融资走完的时候，公司成立刚满三个月，公开信息里没有产品发布，没有客户名单，没有收入数据。6亿美元的定价，锚定的是GeoPT论文的学术声誉和创始人的履历。学术声誉向商业产品的转化率，历史上高低都有，同一批清华特奖创业者里，有人两年做到独角兽，有人消失在工程化的路上。物理仿真这个方向尤其如此，工业客户的验证周期不会因为估值高就缩短。
第三个问题是巨头环伺之下窗口还有多宽。这条赛道上，AMD刚宣布用82亿美元把李飞飞的团队装进芯片公司，英伟达的Cosmos下载量破了二百万，Google DeepMind的Genie 3在实时三维生成上持续迭代，国内估值两百亿的玩家已经有三家。所有人都在往物理AI的方向挤，物原科技手里的差异化是合成动力学这套预训练范式，论文证明它在仿真基准上有效。差异化窗口能维持多久，取决于这套范式被复现和改进的速度，学术界对热门方向的复现速度，通常以月计。
三个问题都没有答案，答案在后续的融资披露和产品动作里。可以确定的是这家公司出现本身的信号意义，清华特奖创业帮的最新一员，把赌注压在了物理世界而非数字世界上，三个月三轮融资的速度证明资本愿意为这个判断支付溢价。剩下的悬念是，一个把十年都花在给物理规律找数学形式的人，能不能把规律变成生意。
——沙海
0182亿美元的收购案，和一家注册资本一百万的公司
今年9月28日，李飞飞在X平台发了一篇长文，标题叫《To Seek a Newer World》，为一场收购做注解。AMD宣布以约82亿美元收购她创办的空间智能公司World Labs，交易预计年底交割，届时李飞飞将出任AMD执行副总裁兼首席科学家。这家公司在今年2月刚完成10亿美元融资，Autodesk领投，英伟达、AMD、富达都在投资名单里，据公开报道的口径，估值约50亿美元。七个月后，芯片公司苏姿丰直接把整家公司买了下来，购买理由写进新闻稿，构建下一代AI计算平台，需要提前看懂模型往哪走。
欧洲那边，图灵奖得主杨立昆去年底离开Meta，今年1月正式推出AMI Labs，3月拿完10.3亿美元种子轮，投前估值35亿美元，贝佐斯的钱在里面。这笔钱是欧洲AI史上最大的种子轮，公司给自己的规划是五年之内不出可售卖的产品，先做研究。
赛道的两端，一头是被并购的技术先驱，一头是不急着赚钱的科学理想主义者。
夹在这两端中间的，是一批新面孔，国内的融资清单上，过去几个月密密麻麻全是世界模型四个字，生数科技两个月拿了26亿，极佳视界年内连轮融资后估值突破一百亿，自变量机器人估值站上两百亿，千寻智能开年三个月吸金45亿。
10月16日，这个名单上多了一个新名字。多家科技媒体同步报道，2022年清华大学特等奖学金得主吴海旭，已于今年悄然开始世界模型创业，公司名为物原科技，三轮融资走完，估值6亿美元，约合40亿人民币，投资方名单里有蚂蚁集团、美团、达晨财智、星连资本等机构。
工商信息给出了这家公司的骨架，北京物原科技有限公司，注册于2026年7月1日，注册资本一百万人民币，注册地在中关村东路123号，经营范围写着人工智能理论与算法软件开发、人工智能基础资源与技术平台，顺带还有智能机器人的研发。公司官网域名是tensorworld，张量世界，域名备案审核时间是今年8月13日。
从注册到三轮融资走完，这家公司只用了三个月。这个速度放在任何一条赛道上都算快，放在世界模型这条赛道上，只是及格线。
02
从软件学院到数学系第二学位
吴海旭的起点不在实验室，在课表上。
2016年，他进入清华大学软件学院软件工程专业读本科。次年，这个工科生做了一个多数同学不会选的决定，去清华数学科学系，兼读一个纯数学与应用数学的第二学位。软件工程教他怎么把系统搭出来，数学教他怎么把问题看穿，这套组合拳后来贯穿他所有的研究。
2019年夏天，他以访问学生的身份进入哈佛大学视觉计算组，跟着Hanspeter Pfister教授做研究。一个本科还没毕业的中国学生，进了全球顶级的图形学实验室，这段经历在他后来选择物理与几何交叉的方向上，埋了一条伏笔。
本科毕业后，他留在清华软件学院继续深造，导师是龙明盛。这位长聘副教授的课题组早期靠迁移学习起家，后来把重心转向时序基础模型、时空预测、AI for Science和气象大模型，是国内做时间序列研究最响亮的团队之一。吴海旭在这个组里待满了整个博士阶段，从2016年入学到2025年赴美，他在清华待了九年。
2022年12月，清华大学公布当年特等奖学金评选结果，全校二十名学生入选，软件学院的研究生吴海旭在列。这个奖的含金量在业内有公论，月之暗面的杨植麟、OpenAI的陈立杰、谷歌的姚顺宇、Sand.ai的曹越、LiberAI的刘松铭，都曾是它的得主。这份名单后来被投资圈称作清华特奖创业帮，名单里的人几乎每人都撑起了至少一家明星公司。
答辩现场留下了一份成绩单，答辩时吴海旭已经在ICML、NeurIPS、IEEE TPAMI这些CCF-A类会议和期刊上发表论文七篇，其中一作或共同一作六篇。那一年他的核心成果是Autoformer。
03
一篇Autoformer立住的江湖地位
Autoformer发表在2021年的NeurIPS上，做的事一句话能讲完，让机器更准地预测时间序列，比如明天某地的气温曲线，比如未来半年的电力负荷。
这个方向听起来朴素，工程价值极大，电网调度、气象服务、交通规划、金融风控，底层全是时间序列预测。吴海旭在这篇论文里首次系统性地把序列分解思想与改进的注意力机制融合在一起，让长时序预测的精度往上抬了一个台阶，业内把它称作长时序预测的里程碑模型。这篇论文至今被引用八千多次，是他所有工作里被引最高的一篇。
Autoformer之后是密集的产出期。TimesNet把时间序列拆成二维变化来做分析，被引五千多次，入选过论文影响力榜单。iTransformer用倒置的结构处理变量关系，同样被引五千多次。PredRNN做时空预测，拿了ESI高被引论文。Corrformer做全球气象站点的统一预测，登上了Nature Machine Intelligence的封面文章，还拿了WAIC青年优秀论文提名。
到2026年10月，他的谷歌学术主页显示总被引次数接近三万次。一个博士毕业前后就攒下这个引用量的年轻研究者，在时间序列这个细分领域里，全球范围内掰着指头能数出的人不多。
这些工作的共性藏在他个人主页的三栏分类里，可扩展骨干网络、端到端物理基础模型、领域感知的科学学习系统。翻译成人话，他十年来一直在干同一件事，给物理世界的规律找到可以被神经网络学习的形式，从时间序列到时空系统，从气象到物理仿真，一条线画到底。
2025年，他前往MIT CSAIL做博士后，导师是Wojciech Matusik，计算设计与制造领域的知名学者，MIT电子工程与计算机科学系的讲席教授。这个方向的选择解释了他此后所有的动作，Matusik的实验室研究怎么用算法连接数字世界与物理制造，横跨计算机图形学、计算制造与机器人学。
04
在MIT，隔壁坐着何恺明
MIT CSAIL是计算机科学领域排名第一档的实验室，何恺明在这里。这位ResNet的第一作者、被引数十万次的计算机视觉旗手，2024年从Meta回到MIT任教，是CSAIL的首席研究员，同时挂着Google DeepMind杰出科学家的头衔。
2026年2月，一篇论文从这里发出，标题是GeoPT，全名翻译过来是基于提升几何预训练的物理仿真扩展。共同一作两个人，吴海旭和郭明灏。作者列表往后数，Zongyi Li、Zhiyang Dou，然后是龙明盛，然后是何恺明，资深作者是Matusik。一位清华的博士，带着导师和MIT两位大牛，做了一篇两个实验室合体的论文。
这篇论文要解决的问题，是物理仿真行业几十年的老毛病。
工程师测试一辆汽车的气动性能、一艘船的风浪稳定性、一次碰撞的车身变形，传统做法是跑数值仿真，精度够，代价巨大。论文里给了一个量级，生成一份工业级精度的流体仿真样本，算力成本要以万计的CPU小时。工业界想用神经网络替代仿真，最大的瓶颈不在模型精度，带物理标签的训练数据贵到没法规模化。
GeoPT的解法堪称精巧，物理系统的解由几何和动力学共同决定，几何是汽车的形状，动力学是风速风向。带标签的数据贵，是因为把两者耦合仿真一遍太烧算力。可几何数据本身在互联网上到处都是，公开的三维模型库浩如烟海。GeoPT给这些静态几何配上合成动力学，用大约一百三十万次小粒子在三维物体上以不同速度角度运动的模拟，制造出无需物理标签的训练信号，让模型在看粒子演化轨迹的过程中，自己悟出物理直觉。
效果落在三个数字上，同样的精度要求下，标注数据需求最多能省六成。船体稳定性这个任务上，GeoPT用的标注样本比主流基线少六成，达到峰值精度的速度快四倍。推理速度上，它对一亿以上网格点的模型做高保真仿真，以秒计完成，传统数值仿真的同规模计算要以小时和天计。
论文在7月的国际机器学习大会上报告，此前拿到了ICLR 2026科学基础模型研讨会的最佳论文。8月，MIT News为它发了专文报道，标题里写AI模型带着物理直觉。Meta的研究科学家Fei Sha在报道里给出评价，用合成动力学数据把物理注入基础模型是一个令人兴奋的范式，它挑战了物理与几何必须在计算中绑定、必须依赖昂贵专用数据的传统认知。报道引述他的话说，我们已经到了建造物理基础模型的时刻，现在就动手。
演示案例里有一个特别有画面感的细节，模型从来没有训练过那只玩具兔子的三维形状，也没学过光学，却准确模拟了光线穿过兔子身体的效果。物理直觉这个东西，一旦学到位，是能举一反三的。
05
三个月，三轮，六亿美元
论文热度还在攀升的时候，吴海旭回国创业了。
工商登记显示，北京物原科技有限公司于2026年7月1日注册成立，注册资本一百万人民币。股权结构里，吴海旭与另一位自然人股东郑文各持有百分之三十七点一六，剩下的股份由三家企业管理合伙企业持有，这类架构在创业公司里通常用作员工持股平台。公司官网的域名tensorworld很快完成备案，审核时间8月13日，张量世界，跟物理建模的业务严丝合缝。
随后是快得反常的融资节奏，公开报道给出的口径是，迄今三轮融资走完，公司估值6亿美元，约合40亿人民币，投资方名单包括蚂蚁集团、美团、达晨财智、星连资本等机构。三家互联网巨头级产业资本加一家一线财投，三个月内对一个注册资本一百万的新公司连续加注，每一轮估值都在往上翻。
从7月1日注册，到10月中旬报道见刊，恰好三个月。三个月估值四十亿人民币，这个速度在国内AI创业史上能排进最前列，上一个速度故事是极佳视界，年内连融数轮后估值迈过百亿门槛。
押注逻辑不难拆，美团是中国互联网里最需要物理仿真的公司之一，无人机配送要算风场，自动驾驶配送车要算路况，蚂蚁则在低空飞行器领域投过真金白银，世界模型对这类巨头是技术储备。达晨财智在AI赛道布局多年，星连资本也出现在多家AI公司的股东名单里。产业资本带队进场，买家看中的显然是自己业务里真实存在的算力账单。
技术路线上，接近公司的消息显示，物原科技从搭载物理建模能力的世界模型切入，方案延续了GeoPT的研究路线。换句话说，论文里验证过的合成动力学范式，就是这家公司的技术底座。
06
清华特奖的创业名单
把镜头拉远，吴海旭的入场让一份名单更完整了。
清华大学特等奖学金，每年全校只评二十人，本科生和研究生各占一半，被称作清华学生的最高荣誉。过去十年间拿过这个奖的人里，走出了一串创业公司的名字。杨植麟创办月之暗面，把Kimi做到大模型第一梯队。陈立杰早年与人创办的机构如今挂在OpenAI名下。曹越创办Sand.ai做视频生成。刘松铭的LiberAI也在这条赛道上。谷歌的姚顺宇，圈内流传他已离职创业，方向同样指向机器自我改进的前沿。
加上吴海旭，这份名单上的公司覆盖了大语言模型、视频生成、世界模型三条主线，几乎串起了这一轮AI创业的核心叙事。投资人追踪这个名单多年，逻辑简单直接，这个奖筛出的是在真实科研竞争里打赢过的人，跟分数关系不大。
吴海旭在这个名单里的位置有点特殊。前面几位做的都是生成式AI，模型吐出来的东西给人看，语言也好视频也好，商业闭环都指向消费端。吴海旭选的物理世界模型，吐出来的东西给机器用，给工程师用，给机器人用，客户的画像从消费级跳到了工业级。
这个选择跟海外两杆旗帜的路线之争形成微妙呼应。李飞飞的World Labs做空间智能，生成可漫游的三维世界，产品Marble卖给游戏、影视、建筑和机器人训练公司。杨立昆的AMI Labs走JEPA架构，拒绝生成像素，在抽象表示空间里做预测，声称生成的路线浪费算力，规划需要的是决策，画面属于浪费。两条路线吵了两年，谁也没说服谁，AMD用一笔82亿美元的收购案给生成路线投了信任票，欧洲投资人用史上最大种子轮给抽象路线投了信任票。
吴海旭的路子跟两位前辈都不一样，他不渲染世界，也不回避像素，他直接啃物理仿真这个工业刚需。业内对这条线的判断相对一致，技术壁垒够高，离钱比前两条线更近，因为数值仿真的成本账单是全工业界看得见摸得着的痛点。
07
赛道上钱正在密集落下
世界模型这条赛道在2026年进入了资金密集成交期。
海外两笔标杆交易已经落定，AMD宣布把World Labs收入囊中，AMI Labs的种子轮纪录短期内恐怕没人能破。英伟达的Cosmos平台物理世界基础模型年内下载量突破两百万次，Google DeepMind的Genie 3把实时交互三维世界生成做到消费级演示水准。
国内的热度更直白，生数科技两个月内累计完成26亿元融资，投后估值突破120亿元。极佳视界坚守原生世界模型路线，年内连轮融资后估值突破100亿元。自变量机器人凭借世界统一模型WALL-B，估值站上200亿元。千寻智能开年三个月连拿四轮共45亿元，旗下机器人大模型在权威评测中登顶，性能对标英伟达的Cosmos系列。
这些数字放在一起看，能读出一个明显的信号，资本对这个赛道的定价已经不按传统创业公司的逻辑来。一家成立数月的公司拿百亿估值，一家五年内不打算出产品的实验室拿十亿美元种子轮，定价的锚已经从收入和利润，前移到了团队和路线。
物原科技的6亿美元估值放在这张表上，反而是克制的那一档。跟国内同期公司比，它低于极佳视界和自变量的两百亿人民币，跟海外比，它低于World Labs成为独角兽时的10亿美元估值。对一个谷歌学术被引近三万次、手握ICML论文和MIT News背书的创始人来说，这个定价更像是在给团队的技术确定性计价，溢价留给产品验证之后。
资金的密度还催生了一个衍生市场，算力。物理仿真的训练数据贵在CPU小时上，推理的大头压在GPU上，世界模型公司每多一家，英伟达和AMD的订单就厚一分。AMD买World Labs买的就是这个提前量，先投资再联合研发最后收购，苏姿丰把这条路走成了一套方法论。
08
一张卖工业仿真的牌
物原科技具体卖什么，公开信息还留白。技术路线延续GeoPT，这个说法给了一条清晰的推理线。
GeoPT论文里反复出现一组对象，DrivAerML气动数据集、车辆碰撞仿真、船体外板风浪响应、一亿网格的工业模型。这些场景并非学术玩具，对应着汽车、航空、船舶行业的真实工程需求。论文算过一笔账，一份工业精度的气动样本要烧上万CPU小时，一个车型的开发周期里这类样本要成千上万份。神经网络仿真器一旦在这类任务上达到工业精度，省下的是实打实的算力账单和研发周期。
这篇论文的署名机构里还有一个容易被忽略的细节，研究获得了Neural Modular Physics Twin for Robotics项目的支持，物理孪生与机器人，两个词都是产业界的硬需求。MIT News的报道也点了一句，这类工具能让工程师不跑那么多物理实验就测出车辆设计草案的表现。
把这些线索拼起来，物原科技的牌面大致浮现，用物理世界模型改造工业仿真，客户可能是车企、航空航天、船舶制造这些被仿真成本压了多年的行业，也不排除往机器人训练的仿真环境延伸，工商经营范围里那行智能机器人的研发给了这个方向留了口子。
这条路线的商业想象空间有一个现成的参照，工业仿真软件巨头Ansys在2025年刚被Synopsys以约350亿美元收购，仿真工具的市值量级摆在那里。神经仿真器如果能以十分之一的成本达到可用的精度，切的是存量市场，不需要教育客户什么是仿真。
挑战同样摆在明面上，工业客户对精度的要求是苛刻级的，论文里百分之九十几的准确率和产线可用的准确率之间隔着一整个工程化的峡谷。工业仿真的验证周期以年计，一个新工具进车企的供应商名单，走完验证流程就要脱一层皮。GeoPT在基准上赢了，基准和产线之间的距离，是这家公司未来两三年真正要走的路。
09
无产品、无客户、无对手名单
这三个问题需要物原科技给出答案。
第一个问题，团队的牌与公司的牌是否同一副。工商信息里，法定代表人和主要成员是郑文，与吴海旭各持百分之三十七点一六，这个人的公开履历查不到，三家持股平台里站着谁也无从查证。一家技术创始人在MIT做研究的公司，中关村办公室里日常运营的是谁，决策链怎么设计，这些在公司层面还没有答案。技术研究与公司经营是两种能力，特奖得主搞定前者，后者需要另一套班底。
第二个问题是估值与技术验证之间的时间差。三轮融资走完的时候，公司成立刚满三个月，公开信息里没有产品发布，没有客户名单，没有收入数据。6亿美元的定价，锚定的是GeoPT论文的学术声誉和创始人的履历。学术声誉向商业产品的转化率，历史上高低都有，同一批清华特奖创业者里，有人两年做到独角兽，有人消失在工程化的路上。物理仿真这个方向尤其如此，工业客户的验证周期不会因为估值高就缩短。
第三个问题是巨头环伺之下窗口还有多宽。这条赛道上，AMD刚宣布用82亿美元把李飞飞的团队装进芯片公司，英伟达的Cosmos下载量破了二百万，Google DeepMind的Genie 3在实时三维生成上持续迭代，国内估值两百亿的玩家已经有三家。所有人都在往物理AI的方向挤，物原科技手里的差异化是合成动力学这套预训练范式，论文证明它在仿真基准上有效。差异化窗口能维持多久，取决于这套范式被复现和改进的速度，学术界对热门方向的复现速度，通常以月计。
三个问题都没有答案，答案在后续的融资披露和产品动作里。可以确定的是这家公司出现本身的信号意义，清华特奖创业帮的最新一员，把赌注压在了物理世界而非数字世界上，三个月三轮融资的速度证明资本愿意为这个判断支付溢价。剩下的悬念是，一个把十年都花在给物理规律找数学形式的人，能不能把规律变成生意。
责任编辑： 云散
