逆矩阵陈博远：回到第一性原理，让模型获得「隐性物理直觉」

公司情报专家《财经涂鸦》获悉，7月19日，“高鹄资本·AI Frontier talks：引领智能新高度、创新智能新形态AI论坛”于2026WAIC期间举行。

现场，逆矩阵科技创始人兼CRO陈博远以《迈向真实物理世界：通用世界基座模型》为主题进行分享。

公开资料显示，逆矩阵科技（Physis）是一家通用世界基座模型公司，致力于让人工智能真正理解和预测物理世界的运行规律，为严肃工业场景、具身智能、物理仿真、交互世界、科学预测等物理AI场景提供通用底层认知引擎。

公司由北大青年学者陈博远以及吉嘉铭联合创立，团队长期专注于强化学习与世界模型研究。

生于2004年的陈博远毕业于北京大学元培学院人工智能方向，本科期间即于国际顶级会议NeurIPS、ACL发表多篇文章并获口头报告、亮点论文等荣誉，谷歌学术引用超 2300 次，获北大学生最高荣誉“五四奖章”。

今年6月份，逆矩阵宣布完成超亿美元种子++轮融资，经纬创投、光合创投、五源资本、BAI资本、钟鼎资本等头部机构共同参与，蚂蚁集团战略投资，老股东高瓴创投、北大系基金燕缘创投持续超额加注，高鹄资本担任独家财务顾问。本轮融资将主要用于通用世界基座模型的预训练研发、及规模化训练体系建设。

以下为陈博远现场分享内容精编：

我们看到，真实世界正在成为AI的新主场，具身智能的物理性变得越来越重要。大家经常会把具身智能等同于物理AI，但在真实物理世界场景中，具身其实是AI进入物理世界一个非常重要的载体。

而今，我们需要面临的问题不再是金融、法律这些简单的垂类场景信息行业，而是实体经济和行业。这时候，世界模型的等号右边已经不再是具身智能，而是整个真实物理学的边界。

如果说语言模型解决是一些知识和语言的能力，那么世界模型就要解决在真实世界中怎样形成一个可以验证、可以行动、可以交互的完整基础设施闭环。

世界模型的核心Feature是Action-Following。类比到自动驾驶的L0到L5，它不仅代表了技术的节约，也就是人的干预性越来越少，也代表着应用市场不断扩大。因此，我们将其归类为W0-W5的6个层次，分别对应视觉与空间形成（W0）、动作条件响应（W1）、物理世界理解（W2）、领域世界模型（W3）、通用物理推演（W4）、自主世界发现（W5）。

当前，W0层的视频模型/3D在解决声音流畅、稳定视觉表现上已经取得非常好的效果，在游戏和影视美术行业里也完成了商业化的闭环；W1层中，像谷歌的游戏交互模型等更在意视觉考量的领域，也形成较好的技术和探索。

但随着AI慢慢进入到更多真实物理场景，我面临的是具身控制、复杂的噪音、嘈杂的灯光以及湍急的人流。模型要在这样一个充满noise的环境里完成决策，必须要懂物理。

关于当前面临的问题，我们有4个关键观察。

首先，真实界每时每刻其实都是部分可观测的。RGB只是2D层面的观测，但物理世界充满了包括几何、材料、接触约束、受力等隐藏变量。

第二，物理世界正在发生稀疏和长尾。真实互联网上可能每天产生几十万小时的视频，但其中只有5%包含了一些简单物理交互，物理突变比如火焰喷发、爆炸等的表现可能又要再小一个数量级。所以，我们很难去照搬文本的Data Scaling方式。

第三，因果产生于动作。从第一性原理讲，人对世界的理解其实来自于交互。比如我们无法直接感知重量，除非尝试去移动一个物体。交互过程中我们在做两个事情，第一不断验证和更新认知，比如一开始我认为杯子放到桌子上是因为有吸力，但是放上去后发现不是，于是我知道这个认知是需要被update的；第二，不断创造和贡献一些稀疏和长尾的数据。

第四，验证比生成容易。我们很容易验证一个数学代码是不是解答正确，我们也很容易验证一个碰撞是否去完全发生，但是我们很难去生成一个符合数学或规律以及代码的特性。

规律是分层次的。语言是第一层规律，而对于物理数学代码中更底层的规律，验证本身是一种更高效的手段。

我们对于世界的建模，并不是一个简单的从无序到有序的过程，也不是一个完全理想状态下的状态转移。它时刻充满了噪音，时刻都是一个部分可观测的状态。因此，真实物理世界的核心痛点不是单点识别，而是在部分可观测、动态变化、后果不可逆的条件下进行安全可靠的闭环决策。

回整个行业，我们要回答问题不是“什么是世界模型”，而是“AI进入真实物理世界时我们需要什么样的基座模型”。我们并不是要去完成对下一个状态的预测或者简单的范式革新，而是在整个真实物理世界中，我们能不能让AI或者具身像人一样完成“从部分观测的感知到在交互中建立对物理世界的认知，最后完成决策”的实时更新的闭环。

简单来说，就是基于当下的状态，我采取什么样的action会导致下一个状态或者未来可能会达成什么样状态的过程。
那么从状态出发，我们要去做很好的压缩。对于学习物理动态来说，很多如像素扩展信息、物体的纹理等高频信息其实本身是一个很大的视觉冗余，且也局部可见的状态，所以我们希望模型要去学会去除冗余，进行更好的重量压缩，尽可能保留我们能够预测未来重力学所需要的特征。

在状态压缩过程中，我们希望建模一个完全和交互环境无关的物体的动态。这样一个对于物体动态的捕捉，它自然而然可以泛化到不同的场景下，不会受特定场景和环境噪音的影响。

如果说prompt或者instruction、token是虚拟世界的基本交互原子，那么对于真实物理世界来说，action就是基本交互原子。目前的一些视频生成模型，对于动作本身的理解都还没有那么准确，比如夹角没有闭合的情况下也能把苹果吸起来。而我们希望模型不只能响应动作，还能理解不同动作的真实物理后果。
所以逆矩阵正在做的事情，是回到第一性原理，解决“如何让模型获得隐性物理直觉”。我们应该回归到最本源的状态，去解决压缩因果以及通过查询验证的过程，将其one for all地应用在不同场景。6月中旬我们曾发布过一个Physis-v0.1的模型，可以为机器人提供物理世界的“大脑”，使其能够在复杂真实环境中自主感知、推理与决策。

遮挡环境中，在长达40秒的时间里，即使物体本身发生了一些遮挡，该模型依然能够稳定地完成具身评测交互的过程。我们希望它能够变成一个通用的世界模型基座，加速智能制造、仓储物流、服务机器人等产业化落地。

未来，我们也希望该模型能应用到科学预测与推演场景，推动AI for Science的基础研究。

我们现在谈论世界模型懂物理时，输出的不应是“看起来像”的视频，而是可以直接用于控制决策的精确物理状态。

一个真正懂物理的精度模型，应该不仅能应用到目前宏观物理学的一些物理资源场景。目前一些仿真预测，甚至很难模拟鞋带穿过鞋孔的场景，尽管这是一个非常日常的场景，因为无法通过书写规则和神经渲染去表征鞋带的运动。

我们希望能通过学习隐式物理，泛化到未见过的物体和交互方式，从“每个场景一套仿真方案”走向“一个通用所有真实物理场景”。

对于逆矩阵而言，我们希望能够构建一个下一代的通用世界模型基座，回归第一性原理，从物理最底层的规律出发，服务一切需要理解物理的场景，探索更多未知的可能。只有当AI理解物理，它才能够真正进入到真实的世界。

以下为高鹄资本合伙人金涛与陈博远的对话：

Q：你怎么看待世界模型路线收敛的路径和时间表，以及作为一个中国公司如何保持处于认知的前沿》？

陈博远：现在世界模型还处在一个百家争鸣的阶段。而一个真正伟大的或者说技术突破的范式，一开始都充满着很多技术路径的探讨和非共识。

我们看到行业正在慢慢收敛，一方面大家越来越认识到，AI本身应该从虚拟世界走向真实的物理世界。比如李飞飞，也从VC回来探讨世界模型发展过程中存在一些困难。
另一方面不同的参与者和技术路径，正在往共同的技术目标去前进。有人通过视频模型出发，有人通过具身的police出发，也有人像我们一样希望回到隐空间解决物理最本源的问题。

但归根结底，我们并不是在比拼谁的模型更能理解物理规律，而是希望这样一个基座模型能被用在真实的产业中，所以验证手段一定是哪条技术路径能够回归第一性上，真正形成一个可以落地、可验证、可闭环、可评测的基础设施。

这个过程中，我们和硅谷经常会有一些闭门的研讨，内部也在和最前沿的同行进行交流和探索，我觉得大家其实是在向一个共同的目标去前进。只有模型在真实物理场景中落地并形成渠道闭环，才能够真正去通往物理的AGI。