清华顶尖团队打造4D世界模型基模，PrimalVerse获数亿元种子融资

亿欧7月23日消息，4D世界模型公司PrimalVerse宣布完成数亿元种子轮融资，由联想之星、银杏谷资本、啟赋资本、卓源亚洲等知名财务投资机构联合参与，手术机器人领域头部产业方精锋医疗战略投资。

据悉，本轮融资将主要用于4D世界模型基模研发及团队扩充，并持续推进其在具身智能、游戏影视、自动驾驶、医疗手术等垂直场景中的应用验证。

PrimalVerse由一支清华背景的顶尖世界模型团队创立。团队长期深耕3D/4D重建、神经渲染、物理仿真与机器人，是全球少数能够贯通4D世界模型完整技术链条的团队。

定义第五代基模：从生成内容，走向推演世界

大语言模型让AI学会了预测下一个词，视频模型让AI开始预测下一帧画面。但随着AI深入机器人、自动驾驶等真实物理世界的场景，模型需要进一步回答：

一次行动之后，世界将发生什么？

回看基础模型的发展，第一代以GPT等语言大模型为代表，主要解决语言理解、推理与对话（文本Token）；第二代融合了图像Token和文本Token，以Nano Banana、GPT Image2.0为代表，实现图文理解与图像生成；第三代以Sora、Seedance等为代表，引入了视频Token，开始处理时间动态与动作连续性。前三代模型主要建模语言与二维视觉内容，尚未真正进入三维物理世界。而第四代带有3D token的原生多模态大模型将开始表示几何结构和物理属性；下一阶段，基础模型需要进一步把空间、时间、物理规律与动作交互纳入统一表征。

基于这一判断，PrimalVerse团队提出：第五代多模态大模型，将是以原生4D World Token为核心的世界模型基模（4D=3D空间+时间）。

4D World Token可以理解为模型理解物理世界的“新语言”：它不只记录某一帧画面，还需要持续表示场景中的物体是什么、位于哪里、如何运动、具备何种物理属性，以及在动作作用下将如何变化。

当语言、图像、视频、3D/4D世界状态能够在同一模型中联合训练，AI学习的将不再只是世界的视觉表象，而是世界本身的结构、规律与动作后果。模型也将从“生成一段视频”，进一步走向“运行和推演一个世界”。

PrimalVerse创始人表示：

“4D不是世界模型的一项附加能力，而是物理世界本身的基本表达。世界模型的第一性问题，是能否准确刻画世界从一个状态走向下一个状态，而这需要同时理解空间、时间、物理属性与交互关系。我们相信，判断模型是否真正理解物理世界，最终应当与4D表征对齐；只有先构建出原生4D世界模型，才能为不同技术路径提供统一、可信的物理世界基准。”

PrimalVerse希望直接从底层构建原生4D世界状态，在统一模型中同时学习空间、时间、物理与交互，并将几何、材质、运动、接触和物理属性纳入状态变化过程，定义真正面向物理AI的4D世界模型范式。

全球稀缺的4D世界模型全栈团队

构建原生4D世界模型基模，需要贯通重建、仿真、渲染与机器人四大能力栈，任何一项能力的缺失，都会限制世界的完整构建、持续演化与真实交互。全球范围内，能够覆盖并打通完整技术链条的团队极为稀缺。

PrimalVerse核心团队来自清华、北大、上海交大、港科等顶尖高校，长期深耕4D世界模型关键技术，已经在4D世界模型的各个核心环节形成国际领先成果：

在实时神经渲染方向，SlimmeRF获得3DV 2024 Best Paper；在可控仿真方向，MARS获得CICAI 2023 Best Paper Runner-up，这也是全球首个开源高拟真自动驾驶仿真器，开创模块化神经渲染自动驾驶仿真范式；在机器人领域，Dexora（ICRA 2026Best Paper Finalist）是全球首个开源高自由度双灵巧手 VLA 模型；Automated Synthesis of Facial Mechanisms for Conversational Animatronic Robots（RSS 2026Best Paper Finalist）

实现从单张人像自动生成可制造、无碰撞的机器人面部机械结构，将专业设计时间从22.8小时缩短至11.7分钟；在重建与表征方向，TRELLIS.2获得CVPR 2026 Best Student Paper，是全球首个单图生成8K 3D模型，首次实现几何与材质的原生3D生成，突破了行业普遍依赖2D Diffusion生成材质的路径。

这些成果共同构成了一条清晰的路径：

理解世界、构建世界、推演世界，最终驱动智能体在世界中行动。

PrimalVerse团队已产出几十篇CVPR、ICCV、SIGGRAPH、3DV、RSS、ICRA、ECCV等顶级会议成果，并在重建、仿真、渲染、机器人四大底层技术栈拥有Best Paper级成果。PrimalVerse的成立，是团队将多年分布在不同前沿方向的积累，第一次汇聚为一个统一目标——打造第五代多模态4D世界模型基模。

从垂直世界模型切入，验证通用基模能力

第五代4D世界模型的价值，将首先在对动态空间、物理真实性和动作交互要求最高的场景中释放。

在具身智能领域，PrimalVerse已与多家细分领域头部企业开展合作，围绕仿真数据生成、动作后果预测、策略训练与Sim2Real推进联合验证。其中，PrimalVerse与极智嘉联合研发了面向真实仓储作业场景的世界模型Gravity 4D，并已在多SKU抓取、料箱搬运及移动机器人协同等端到端作业中完成验证。团队在Dexora、TA-VLA等成果中积累的动力学预测、力反馈建模与高自由度操作能力，也不断转化为面向真实机器人任务的世界模型解决方案。

在医疗手术领域，战略投资方精锋医疗与PrimalVerse正围绕医疗场景专用世界模型、具身智能手术机器人及智能仿真训练平台等方向开展深度联合研发，将世界模型能力与手术机器人本体、临床场景、远程手术系统及医生培训体系深度融合，推动手术机器人由精准执行工具升级为具备场景理解、风险预判与协同操作能力的智能外科基础设施。

在游戏影视领域，PrimalVerse与头部影视公司达成深度战略合作，同步推进虚拟影棚及导演项目的合作意向。基于Light-X等成果，公司将工业级3D资产生成、可控运镜与可控打光能力导入实际制作流程，服务动态内容生产、虚拟拍摄与可编辑场景构建。

在自动驾驶领域，PrimalVerse具备从高拟真仿真、世界状态预测到城市级三维重建的完整能力栈：MARS支持复杂道路场景的可控仿真（首个开源高拟真可控自驾仿真器，奠定自驾神经渲染仿真基石，被多个大厂采用），OmniNWM实现多模态、长时序世界预测与策略评估；团队与长城汽车联合研发的TideGS，则突破大规模3DGS训练的显存瓶颈，单张24GB GPU上支持超过10亿个 Gaussian Primitives，较行业单卡训练规模提升约一个数量级（对比 World Labs Spark 2.0 ，约1亿），为城市级原生3D世界构建提供底层支撑。

具身智能、医疗手术、游戏影视与自动驾驶并非四条完全独立的业务线，而是一套4D世界模型能力在不同场景中的验证：自动驾驶提供复杂动态世界，具身智能提供动作与物理反馈，游戏影视验证高质量世界生成与实时渲染，医疗手术则检验模型在高安全要求、复杂形变与精细交互场景中的理解和推演能力。多场景成果与产业合作，也将持续沉淀数据、模型和系统能力，反哺通用4D基模。

未来，PrimalVerse将从垂直场景中的训练、仿真和内容生产需求切入，逐步构建跨场景、跨行业迁移的通用4D世界模型，成为物理AI理解、训练和推演世界的基础模型入口。

关于PrimalVerse

PrimalVerse是一家专注于第五代多模态4D世界模型基模研发的AI native公司，由清华背景的顶尖世界模型团队创立。

公司以原生4D世界表征为核心，构建覆盖动态世界重建、生成、仿真与智能体训练的统一模型体系，并率先在具身智能、游戏影视、自动驾驶、医疗手术等场景中推进应用，致力于打造物理AI时代的通用世界模型基座。