00 后清华特奖得主完成数亿元融资，打造全球首创物理世界模型

近日，LiberAI 宣布完成数亿元 Pre-A 轮融资，由顺为资本领投，凯辉基金、元禾原点、慕华科创等知名机构跟投，老股东红杉中国、真格基金持续追加。

今年 5 月，LiberAI 刚刚宣布了近 5 亿的种子轮、天使轮和天使+轮融资，由真格基金、红杉中国、美团龙珠、顺为资本等联合押注。真格基金自 2025 年独家投资种子轮后已连投三轮，一路陪伴至今。

从科研的角度看，在大语言模型后，世界模型是接棒的新潮流。它的核心目标，是让 AI 能够像人类一样，构建一个对外部物理环境进行理解和模拟的模型——不只是看懂世界，而且能够预判动作会对世界产生怎样的影响。OpenAI、谷歌和微软等顶级科技公司，以及杨立昆和李飞飞等 AI 领域最具影响力的学者，都在把资源和注意力集中到这个方向上。

然而，同一个世界模型，各有各的理解。既然是在百家争鸣的时代，短期内就很难说哪种技术路线最终能跑出来。也正因如此，00 后新锐英才也有机会和学界泰斗站在同一个起跑线上，掌握定义新技术和新趋势的权力。

LiberAI 切入世界模型的角度是什么呢？

抽象一点来说，世界「应该用什么形式来表示」，是当下各方路线分歧的核心，由此催生了竞争最激烈的几大技术流派：

以 OpenAI 的 Sora 和谷歌的 Genie 为代表的视频生成派，核心思路是用海量视频数据训练模型；以李飞飞创立的 World Labs 为代表的 3D 空间智能派，是从 3D 空间出发构建世界；以英伟达的 Isaac 和 Genesis 为代表的物理引擎派，则把规律和数据写进代码；以杨立昆为代表的隐空间预测（JEPA）派，不具象地画世界，转而在隐空间里直接预测世界状态的变化；以英伟达 GEAR 的 DreamZero 为代表的世界动作模型（WAM）派，则在预测世界的同时，同步输出动作。

在强化学习、物理引擎等各种技术路线中，LiberAI 选择重注预训练。

从 GPT-3 到今天，大语言模型、视频模型，还是自动驾驶，底层逻辑都是预训练，从数据中挖掘智能。从本质上说，预训练是给 AGI 打地基，只有在此基础上，才能通过后训练等方法塑造各种能力。在创始人刘松铭看来，「当前阶段做预训练是第一性正确的事情。」

刘松铭，00 后清华特奖得主，Al for Physics 背景，师从视频生成领域的大牛朱军，并在 2024 年博士阶段转向具身研究，兼具物理、具身和视频基础。

他曾主导发布全球首个使用大规模预训练 + 扩散 Transformer 范式的基座模型 RDT-1B，比硅谷公司的 PI-0 模型早一个月。次年，他又先于 Generalist 的 GEN-0 模型一个月，发布首个使用大规模 UMI 无本体人类数据预训练范式的具身模型 RDT-2。

2025 年底，他决定创业。4 个月后，LiberAI 发布了一款高自由度灵巧操作具身基础模型。

之所以给公司起名叫 LiberAI，是因为在他看来，拥有做选择的自由是人生意义的重要组成部分。而机器人，正是他设想中帮助人们从繁重工作中解放出来，获得更多选择自由的关键一环。

以下为访谈全文。

信仰被摧毁又建立

Q：美团和顺为都有投你，你有见过他们的老大吗？

刘松铭：都见过。王兴总是线下，雷总是线上。

Q：还挺好奇，你们都聊什么了？

刘松铭：我个人的感觉是，两个人聊天的风格差别挺大。

我印象里，和王兴总交流时，全程聊的基本都是细节，能看出来他对业务钻研很深，会具体落地到一件事该怎么做、会遇到哪些工程层面的难题、同行竞品都落地了哪些方案。

但和雷总沟通的风格完全不一样。雷总聊天更偏向软性素养层面，提问也大多是偏软性的。我印象很深，他总爱问一些凝练总结类的问题，比如：能不能用三句话描述你的创业感受？创始人最重要的核心素质是什么？

Q：雷总当时问你创业感受，你是怎么回答的？

刘松铭：第一点，热情是撑过漫漫雪夜的明灯。

这是我内心很真实的感受。创业特别像在刺骨的雪夜里行走。你要不停地走，去一个很远的地方；暴风雪很大，每走一步都要耗费很多能量，也看不清前面到底有什么。

你手里只有一盏煤油灯，靠近灯的地方是温暖的。你会聚集一大群人跟你一起走，但大家手里都没有灯，所有人都仰仗你手里的这盏灯获得温暖。所以这盏灯无论如何都不能灭。

这盏灯既是热情——你对自己做的事情充分相信，对自己的 vision 有足够强烈的热情；也是意志力——你会非常坚定地把这件事做下去。哪怕到了最艰难的时刻，哪怕你自己心里也没底，你也要不断给团队信心。所以创业其实挺反人类的。

第二个感受，创业是信仰被摧毁又建立的过程。

一开始，你会非常相信自己做的事情。但很快，一些事实会告诉你，这个东西可能是错的。你必须快速摧毁原来的信仰，再建立一个新的信仰。

在不断摧毁和不断重建信仰的过程中，人很容易产生一种两面性：一方面，你必须非常坚定，相信自己想做的事情是对的；另一方面，你又要保持一定的怀疑，意识到这件事也有可能确实不对。

当真正有一些迹象出现的时候，绝不能沉浸在幻想里。试错之后要快速调整，去做下一个对的事情。你必须比你的对手调整得更快。

最后一个感受，想要在这个游戏里面取胜，离不开快、准、狠。

首先是要专注。创业公司和大公司不一样，资源是有限的，对创始人的要求会很高。特别是做技术，你对技术的判断要尽可能准，要专注地去做一件事。这样你才有足够的资源在单点投入上压倒对手。

其次是要极致。专注做一件事，还要把它做到极致。你要比别人想得更多、更进一步，才有可能在竞争中获得优势。别人只做到 80%，你有能力做到 180%，这可能就是碾压式的优势。如果每一个环节都只是和对手做得差不多，其实没有太大意义。

最后是快。速度是创业公司的生命。但快的前提，是你要把这件事想清楚。很多时候不够快，不是因为大家熬夜熬得不够多，而是因为创始人自己没有想清楚，自己在摇摆。

把事情想得足够清楚，能提前算出一些可能的风险，对快来说非常重要。

预训练是当前最第一性的事情

Q：现在世界模型还处于百家争鸣的阶段，你也在这个跑道上，你是怎么理解世界模型的？

刘松铭：在我们的视角里，世界模型最核心、最有价值的点，是它在尝试建模物理因果。

以往的视频模型，几乎没有因果建模的能力。视频本质上只是建模相邻帧之间的状态转移关系。

举个例子，前一帧画面是你伸手准备抓水杯，后一帧画面是你把水杯抓起来。但「伸手」这个动作，并不代表一定能抓起水杯。能不能抓起来，核心是你对杯子施加了力，是物理作用力导致了结果的发生。

视频模型捕捉不到这层逻辑。但世界模型不一样，它会把物理模态纳入考量，建立因果层面的推理逻辑，「强迫」模型基于物理 action 推导世界 state 的转移。

从「刻舟求剑」到「知其所以然」，这是学习范式上的一个革命。

Q：听下来很有「第一性原理」的意思。

刘松铭：对，因果性比相关性更好泛化。对于 VLA 来说，vision 一旦变了就很难泛化。而世界模型记住的是 state 和 action 之间的因果关系，这个关系是普适的。

Q：你们打算怎么实现这种能力？

刘松铭：我们认为，预训练是当前阶段最第一性的事情。

从 2023 年到今天，大模型成立的本质就是预训练。没有一个好的预训练基础模型，再怎么做微调和 RL 都是 overfit。

所以我们整个团队都是围绕预训练去构建的。我们两位创始人都是具身领域预训练的专家，模型团队吸纳了许多大模型预训练人才，数据 Infra 的团队有很强的工程背景。

现在，预训练的拦路虎是物理数据稀缺。如果直接和纯视频混训，很容易导致模态不均衡的问题，视频会淹没稀缺的物理信号。

我们的解法是对齐：在数据多、泛化性强的视频空间和数据少的物理空间之间建立桥梁，用视频模态的泛化性去增强物理的泛化性。

这是一个「四两拨千斤」的效果，十分之一的数据能有一百倍的泛化性。

创业的人生是很酷的

Q：聊聊你自己的情况。你的家庭背景是怎样的？过往有哪些事情把你导向现在创业这条路？

刘松铭：我是 2000 年出生。

小时候，我父亲刚好在早期创业。他特别忙，每次见到他的时候，身边都会围着很多同事，或是在应酬。我时常能感受到创业给这个家庭带来的压力，也经常听到父母在讨论怎么处理各种危机。

但这件事对我的正面影响也很多。

第一，小孩子下意识都会模仿父母。从小我就觉得，父亲这样的人生特别酷，扛着压力打拼的生活才有意思。

第二，我能感觉到他很喜欢自己的工作。虽然压力特别大，但自己能掌控一摊事，并且不断看到进展，这种感觉是会上瘾的。

后来我在思考自己的人生选择时，时常会「灵魂出窍」。我好像在玩一个游戏，操控着一个叫刘松铭的角色。这个视角特别有意思，它会让你不那么执着于结果得失，让你更享受过程本身，也会更容易去选择一些大胆的事情。

这些选择背后可能是一段更精彩、更好玩的人生。玩游戏不就是为了「节目效果」吗？

找到下一个 GPT 时刻

Q：你是通过化学竞赛进的清华，本科时做 AI for physics，PhD 阶段转到具身，每一步选择都是怎么做出来的？

刘松铭：如果我相信这个事情可以 work，我就真的会愿意冒风险去试。

Q：你当时是怎么决定从 AI for physics 转向 robotics 的方向，是因为当时风口起来了吗？

刘松铭：那个时候的绝对热点是 GPT 出圈。我当时就在想，我要创业，我要找下一个 GPT 时刻，我找的下一个时刻会在什么样的领域。

AI for physics 可能更远一些，因为它的数据没有那么好获取。另一个方向是视频，视频的数据很多，也已经有人做了一段时间，但我觉得这不是属于我的 timing。

机器人这个方向刚刚好，它的数据还不多，但有增长的潜力；它没有那么晚，我还有机会可以去做。我从小就对机器人这个概念很感兴趣。

Q：你一方面有创业者的基因，另一方面学术上也很强，这两方面能力同时在一个年轻人身上具备很难得。

刘松铭：某种程度上有一些巧合，但另一方面，这也是我规划的结果。

清华特别好的一点是创业氛围非常浓厚。我本科参加过清华创协、启创计划，也跟很多优秀的前辈交流过。那时我就已经有一些判断：时代的重点会从传统商业逐步走向硬科技，而清华刚好又是一个很硬科技的地方。

所以我当时的计划就是，我要创业，要去做硬科技。

Q：做研究和创业这两件事，在你人生中的比例大概是什么样？

刘松铭：如果让我排一个序，我觉得创业是更主要的。我首先是一个商人，其次才是科学家。我的终极目标是商业成功和市场扩张。

真诚才是必杀技

Q：你在学术方面拿下了非常多的成就，你觉得自己在这方面有天分吗？

刘松铭：我不觉得自己在学术上特别有天分。

虽然我的工作影响力比较大，但其实我不是那种特别擅长写文章，做很漂亮的论文，然后拿去评奖的人。

如果要归纳一下我为什么能产生一些影响力，我觉得真诚才是必杀技。人是会有共鸣的。实话说，我做的工作本身不一定有多新、多精巧，也没法靠一个巧妙的公式成立。

但我一直在做的是具身的「主线任务」——探索并推动 Scaling Law。这个方向本身是能引起大家广泛共鸣的。

Q：这跟你们清华务实的精神有关吗？

刘松铭：我觉得挺有关的。也有点哲学的感觉，有时候无心插柳，反倒容易柳成荫。

Q：你在转向具身方向之后，研究过的一个具体问题是什么？

刘松铭：可以讲 RDT2。

当时大家面临的问题就是没有数据。那时候很多人用的是遥操数据，但遥操的问题在于成本很高。

我们的方案就是 scale up 无本体的 UMI 夹爪数据。我们不再需要一个机器人。人类自己戴着夹爪就能到处去采数据，效率自然就高了。

这个想法非常简单直接。真正的难点在于它很麻烦、很 dirty，你要做大量工程才能把这个想法变成现实。

Q：是哪一年开始做的？花了多长时间？

刘松铭：我们是 2024 年底开始做，2025 年发布的工作，前后一共做了一年。这个周期特别长。一般来说，厉害的同学几个月就可以做一篇文章，但我两年时间只做了两篇文章。所以如果从 ROI 的角度来看，这并不是一个特别划算的选择。

以自由命名公司

Q：公司叫 LiberAI，是因为你觉得自由这件事很重要吗？

刘松铭：对，我觉得自由非常重要。

Q：自由重要到什么地步，你需要把它用作公司名字？

刘松铭：人生最终的结局都是注定的，所以过程非常重要，而过程里自主选择的权利就成了本质。

那是什么阻碍了我们自由选择？除了金钱之外，就是我们有太多琐碎的事情要做。

但现实世界有它的客观规律，世上的劳作不会凭空消失。那些没人愿意做的脏活、累活，总要有人承接。从整个社会的视角来看，一部分人能够清闲自由、随心生活，就必然意味着另一部分人被琐事束缚，失去自由。

所以我一直在思考，有没有办法让全人类都拥有自由，让每个人都能支配自己的时间，选择真正想做的事。从第一性原理去推导，几乎只有一个解决方案：创造一种新的载体，替人类承接这些繁杂的工作。

这个事物就是机器人。

Q：但很多人工作的初衷只是谋生，不是为了享受乐趣。如果机器人取代了他们赖以为生的工作怎么办？

刘松铭：早年人力车夫靠拉车谋生，汽车普及之后，人力车夫这个职业慢慢消失了，但社会整体的就业岗位并没有因此减少。

生产力进步的过程中一定会源源不断诞生新的岗位。

行业更迭当然会带来短期阵痛，但长远来看，从业者最终会转向条件更好的工作。同理，未来如果琐碎繁杂的工作交由机器人承接，社会对体力劳动的需求会越来越少，但人类也会不断催生新的需求，社会结构也会随之转变。

Q：大家现在会说，人类所剩无几的优势可能就是这副并不完美的肉身，是人类的具身性，因为脑力工作反而更容易被 AI 取代。但如果世界模型和物理 AI 大规模应用，是不是意味着人类连这点所剩无几的优势也不存在了？

刘松铭：人的存在不是为了工作。反过来，工作的目的是为了让人更好地存在。

如果 AI 能取代人的所有工作，那人就都不工作好了，没有必要比个高低。我的观点是，人的存在本身就是意义。

人活着，去选择自己想要的事情，决定如何过完自己的一生，尝试各种新奇的体验，这就是价值所在。