Physis Completes Over $100 Million in Funding; Founder: Window for General World Base Model Compressed to 18 Months 「逆矩阵」完成超亿美元融资，创始人：通用世界基座模型窗口期已压至18个月

TL;DR

• 逆矩阵科技完成超亿美元种子++轮融资，估值大幅提升。
• 投资人共识：世界基座模型能力将在18-24个月内出现标志性阶跃。
• 团队采用AI-native扁平架构，无KPI，靠技术判断对齐方向。
• 技术路线强调在“物理隐空间”进行Scaling，学习因果性而非相关性。
• 创始人坚持“先通用再适配”，短期内不急于商业化。

Key Data

Entity	Key Info	Data/Metrics
逆矩阵科技 (Physis)	融资轮次	种子++轮（超亿美元），首轮融资（超千万美元）
逆矩阵科技 (Physis)	发布模型	通用世界基座模型 Physis-v0.1
逆矩阵科技 (Physis)	团队构成	一半青年学者（含奥赛金牌、顶会作者），一半资深工程人才
逆矩阵科技 (Physis)	规划时间	计划于 2026 年底发布旗舰模型
陈博远	行业共识预测	基座模型能力阶跃：18-24个月；多场景落地：36个月内
陈博远	Scaling 观点	物理世界Scaling需在“物理隐空间”进行，关键包含压缩、因果性、验证、通用四点
投资方	参与机构	经纬创投、五源资本、光合创投、蚂蚁集团（战略投资）、高瓴创投、燕缘创投

Deep Analysis

逆矩阵的融资速度与叙事，与其说是某个公司的成功，不如说是一级市场在特定焦虑下的集体押注。资本正将对“下一个平台”的渴望，从已显拥挤的生成式AI主干道，强行分叉至一条名为“物理世界理解”的崎岖小径。超亿美元的种子++轮，数字本身已脱离常规估值逻辑，它购买的并非当下产品，而是一张通往“AI第三次范式跃迁”的门票，以及创始人陈博远所构建的那套极具吸引力的、关于“通用物理规律”的宏大叙事。

陈博远对技术路线的阐述清醒而尖锐，直指当前视觉生成模型（Sora等）的核心软肋：像素不等于物理，相关性不等于因果。他提出的“物理隐空间”Scaling，是一个精妙的概念重构，试图绕过海量无效视觉数据的沼泽，直抵物理规律的抽象表征。将动作作为原生条件注入，构建数据金字塔，用强化学习引入可验证信号——这些技术判断显示出团队并非空谈理论，而是在系统性地构建一套与语言模型迥异的、属于物理世界的“认知脚手架”。其内部实验显示的Scaling潜力，如果属实，将是颠覆性的。然而，这也意味着他们必须在数据、算法和算力三座大山上，同时开辟一条全新路径，难度呈指数级增长。

更值得玩味的是其“Neo Lab”式的组织与商业化策略。在资本普遍要求快速商业化回血的今天，逆矩阵选择“能力先于商业动作”，拒绝过早绑定垂类场景，这近乎一种“非共识”的傲慢与自信。其AI-native、无KPI的扁平化团队，更像是为了呵护那两三个人可能产生的“核心灵感”而设计的温室。这种架构在探索期或许能激发最大创造力，但当进入需要精密协作、规模化工程的旗舰模型交付阶段时，其效率与可靠性将面临严峻考验。执行力不再源于行政命令，而是对“第一性原理”的集体信仰，这种文化极其脆弱且难以复制。

陈博远将世界模型与传统引擎的关系定义为“短期互补，长期颠覆”，这一定位准确，但也暴露了当前阶段的尴尬。W2级别的“物理真实性”尚未完全攻克，更遑论替代在刚体、规则化场景中已高度成熟的Unity、Unreal。世界模型真正的颠覆性，在于它有望成为连接数字孪生、具身智能、科学计算的“物理世界API”，但这需要其泛化能力经受最苛刻的验证。若基座模型最终沦为在有限物理场景下性能尚可的“大号模拟器”，那么这场豪赌的终局便与初衷相去甚远。

总而言之，逆矩阵是一家将技术理想主义武装到牙齿的公司。它的命运不取决于融资速度，而取决于能否在通用物理理解的“无人区”中，率先找到那个可复现、可验证、且具备指数级Scaling潜力的奇点。这是一场与时间的赛跑，窗口期正如陈博远所言，正在被急速压缩。

Industry Insights

1. “AI Native”组织形态将从探索特例，变为前沿实验室的标配，用以应对传统科层制对颠覆性创新的抑制。
2. 物理世界的数据瓶颈催生新范式，未来数据竞争力将转向自建“高价值物理突变数据”生产闭环的能力。
3. 传统物理引擎与世界模型将进入长期共存与竞争阶段，短期在垂直领域互补，长期胜负取决于模型在复杂、开放物理场景下的泛化理解能力。

FAQ

Q: 为什么逆矩阵能在两个月内连续完成两轮巨额融资？
A: 资本正高度集中押注“AI理解物理世界”这一新范式。逆矩阵凭借明确的通用基座模型路线、顶尖的团队背景，以及行业对窗口期压缩的共识，成为了该赛道最头部的标的之一。

Q: 公司坚持“先通用再适配”，短期不商业化，如何保证生存？
A: 超亿美元的融资提供了充足的“弹药”，使其可以专注于底层研发。团队坚信过早绑定垂类会损害基座的通用性，商业化节奏将跟随技术成熟度自然展开。

Q: 与英伟达Omniverse、传统游戏引擎相比，逆矩阵的世界模型有何根本不同？
A: 传统引擎依赖手写规则，难以处理复杂、动态的物理交互。世界模型则通过学习理解底层物理因果规律，具有极强的泛化能力，有望实现从“执行规则”到“自主推演”的跨越。

TL;DR

• 逆矩阵科技在不到两个月内完成超亿美元种子++轮融资，投资方包括经纬、五源、蚂蚁等一线机构。
• 其发布通用世界基座模型Physis-v0.1，主打物理正确、长程一致、动作因果与通用泛化能力。
• 创始人陈博远认为，行业共识是18-24个月内世界模型能力将出现标志性阶跃。
• 公司技术路线强调在“物理隐空间”进行Scaling，而非简单复制语言或视频模型路径。
• 团队采用无层级、无KPI的AI-native扁平化组织，强调自由探索与第一性原理。

核心数据

实体	关键信息	数据/指标
逆矩阵科技 (Physis)	种子++轮融资规模	超亿美元
逆矩阵科技	首轮融资规模	超千万美元
本轮投资方	经纬创投、五源资本、光合创投、蚂蚁集团	-
持续加注方	高瓴创投、燕缘创投	-
Physis-v0.1模型	模型版本与定位	通用世界基座模型，口号“One For All”
公司团队构成	人员背景比例	一半青年学者，一半资深工程人才
行业预判时间线	基座模型能力阶跃时间	18-24个月
行业预判时间线	真实场景应用落地时间	36个月

深度解读

逆矩阵科技的这轮融资节奏和访谈，像一针高浓度的肾上腺素，直接注入了当前有些“叙事疲劳”的AI一二级市场。我的看法很直接：这标志着对“世界模型”的投机，正式从概念炒作进入了“头部卡位”的军备竞赛阶段。资本不再有耐心听完所有人的故事，而是像押注下一个OpenAI一样，把筹码迅速堆向那些敢在最底层、最根本问题上“下重注”的团队。

陈博远提出的“AI第三次范式跃迁”——从预测词、预测帧到预测物理状态——这个框架非常精准且具有野心。它跳出了当下火热的“视频生成就是世界模型”的狭窄定义，直指一个更本质的问题：AI要与物理世界交互，就必须理解其内在的因果律和守恒律，而不是仅仅模仿其表象。这解释了为什么他们如此强调“动作因果”和“物理隐空间”。这不仅仅是技术路线的差异，更是哲学观的差异：前者是观察者，后者是理解者。当大部分公司还在用海量视频数据“喂养”一个视觉上逼真的“皮囊”时，逆矩阵试图构建的是一个能解释“为何如此”的“骨骼”与“肌肉”系统。这种路径更难、更烧钱，但如果成功，其壁垒将如他们所说的那样“难以被追赶”，因为它建立的是对世界的第一性理解，而非对数据的相关性拟合。

更有趣的是他们对组织形态的坚持。“无层级、无KPI、AI-native”的Neo Lab模式，在拿到巨额融资后不仅没有变得保守，反而更加激进。这是一种典型的“前沿研究公司”赌局：他们赌的是，真正的通用基座模型突破，必然来自于少数顶尖大脑在高度自治、信息无衰减环境下的“灵感碰撞”，而非传统企业的目标分解与执行管理。这种模式风险极高，它极度依赖核心创始人的技术判断力和团队的自驱力。但一旦押对，其创新效率和产出质量将远超传统公司。这实际上是在用顶级投行和顶级实验室的混合逻辑，来运营一家创业公司。

当然，最尖锐的问题在于“落地”与“变现”的取舍。陈博远明确表示“不急于变现”，拒绝过早绑定垂直场景。这在商业上显得非常“反常识”，但也可能是他们最清醒的地方。在通用物理理解能力尚未达到W2（具备基座潜力）之前，任何垂类应用都可能是一种“过拟合”，会限定模型未来的可能性。他们选择赌一个更大的未来：成为物理世界的“基础设施提供商”（AWS for the Physical World），而非某个领域的“解决方案商”。这意味着长达数年的纯粹投入期，对创始人和投资人的心脏都是巨大考验。他们赌的是，物理规律的通用解确实存在，并且其商业价值足以在36个月后爆发，覆盖掉当下的所有机会成本。这是一场关于技术信仰与商业耐心的终极测试。

行业启示

1. 技术路线分野：下一阶段AI竞争的关键，可能从“数据与算力规模”转向“认知范式的先进性”。选择在“物理隐空间”做因果推理，而非在“像素空间”做相关性拟合，或将成为区分真正基础模型与高级应用模型的核心标志。
2. 投资逻辑转变：资本向AI基础模型领域的集中将加剧，“广撒网”模式失效。投资将更聚焦于对“终极范式”和“不可替代团队”的豪赌，早期轮次金额大幅上升，对创业团队的技术原创性和愿景要求达到历史新高。
3. 产品策略启示：“先通用，再适配”的策略适用于解决高度复杂的底层技术问题。过早的垂直化可能导致技术路线收窄和创新天花板降低，但对于大多数资源有限的团队而言，找到通用基座与垂直场景的早期结合点以验证价值仍是生存关键。

FAQ

Q: 为什么逆矩阵能在这么短时间内完成巨额种子轮融资？
A: 主要因为其技术路线瞄准了AI从虚拟走向物理世界的“第三次范式跃迁”这一宏大叙事，且团队展示了清晰的、非共识的底层技术构想（如物理隐空间Scaling），吸引了押注颠覆性创新的顶尖资本。
Q: 通用世界模型最大的技术挑战是什么？
A: 最核心的挑战是如何让模型理解因果性而非仅仅学习相关性。这需要突破传统视频生成路径，在底层设计上原生引入动作干预，并构建可验证的物理世界模型，以避免产生“物理幻觉”。
Q: 他们“无KPI、无层级”的管理方式如何保证效率？
A: 效率来源于极致的“信息对齐”和“结果驱动”。在高度对齐的探索方向下，扁平结构和AI工具最大限度减少了沟通损耗，所有贡献通过公开的验证结果衡量，依靠顶尖人才的自驱力和同侪压力来驱动进度。