同济博士团队上海创业，4个月连融三轮！

近日，景立构科技（上海）有限公司（以下简称“景立构科技”）宣布完成Pre-天使轮融资。至此，公司在4个月内已完成种子轮、种子+轮及Pre-天使轮三轮融资，累计融资数千万元人民币。

景立构科技成立于2024年11月，注册地位于上海杨浦，是一家面向物理AI（Physical AI）的Reality-to-Sim具身智能基础设施公司，致力于构建连接真实世界与人工智能的空间数据基础设施。

01

同济大学博士组队创业

景立构科技的核心技术班底，来自同济大学机器人与人工智能实验室（RAIL）。

这个实验室的起点可以追溯到1990年，是国内最早一批做机器人研究的团队，自主移动机器人、仿人机器人、三维视觉、多传感器融合，都是它长期深耕的方向。其承担过国家863计划、国家科技支撑计划、国家自然科学基金重点项目等科研任务，相关成果曾获国家科技进步奖、上海市科技进步奖一等奖、上海市自然科学一等奖等荣誉。

简而言之，这支年轻创业团队的背后，是三十余年的机器人研究积淀。

创始人兼CEO彭云，1998年出生。他的技术经历覆盖工业三维视觉、三维空间理解和仿真数据生产，曾在华为2012实验室三维栅格算法团队主导核心项目，以第一作者发表多篇三维视觉论文。2020年和2021年，他随TJArk团队连续拿下RoboCup中国区标准平台组和家庭组冠军。

联合创始人兼CTO苏帅，负责硬件架构与算法研发，主攻SLAM和三维重建。他曾参与过蔚来多传感器融合标定算法的早期研发，也在OPPO XR做过基于轻量化深度学习的视觉SLAM研究，以第一作者在ECCV Workshops、ICRA、IROS等会议发表多篇论文。

联合创始人兼联席CTO刘创伟，主导3DGS重建算法与生成模型研发，方向集中在三维视觉和双目深度感知。他最早将视觉基础模型引入双目立体匹配领域，其作为第一作者的ViTAStereo论文报告了在KITTI Stereo 2012评测中取得第一名的成绩。

三个人不只是同一实验室的博士，还是同一导师门下的师兄弟，更是在RoboCup赛场上并肩调试机器人、打磨算法的队友。

这种从学术到竞赛再到创业的长期协作，让他们之间的技术默契不是临时磨合出来的，而是在一次次联调中长出来的。

公司名字里也留着这段经历。ScanArk中的“Ark”，沿用了TJArk的队名——既有“方舟”之意，也呼应同济“同舟共济”。

02

创造出机器人可以进入的世界

景立构科技正在做的事情，用一句话概括：把真实世界转化为机器人能够进入、行动和学习的数字副本。

这听起来像是仿真建模的升级版，但两者有一个根本区别。传统仿真环境通常从资产库里挑选桌椅、柜子和家电，再按规则排列组合。这样的房间看起来完整合理，却丢掉了真实生活环境的特征——物品的摆放逻辑、遮挡关系，以及磨损痕迹。

机器人最终要面对的，恰恰是这些不整齐、充满例外的环境。

为此，景立构科技开创了一种全新的3DGS形态，通过自研模型，将真实环境生成为具有物理与交互信息的原生3DGS场景，在还原视觉与空间结构的同时，生成物体属性、部件关系和交互状态。

几何尺度、布局、通行关系，光照、反射、杂乱、使用痕迹，全部保留。以现实为基础，才能让仿真中的经验更有机会迁移到真实部署。

在此基础上，再将真实观测组织为视觉、几何、语义、物理和场景关系，支持碰撞、接触、关节运动及状态变化的模拟，进而用于导航、抓取、操作和策略评测，最后通过真机执行、失败诊断与现实校准检验效果。

换句话说，客户拿到的不是一套可观看的三维资产，也不是一次性数据集，而是一个机器人可以反复进入、尝试、失败、重来的环境。工程团队可以重设初始状态、改变任务条件、比较不同动作的结果、检查失败原因，并将仿真表现与真机结果对照。

随着新的真实观测和部署中的失败不断回流，数字世界持续更新。景立构科技希望由此形成从现实到仿真、再回到现实的闭环，让数字副本成为机器人积累经验的空间。

围绕这一技术路线，公司正在构建面向机器人交互学习与世界模型训练的真实数字环境基础设施，为具身智能团队提供可生成、可编辑、可交互的训练环境与评测基础。

03

物理AI走向现实

仍需补上数据基础设施

景立构科技所切入的赛道，放在一个更大的产业背景下看，会更加清晰。

随着AI从数字内容处理走向现实环境中的感知、决策与行动，物理AI受到越来越多关注。

2026年被不少人称为物理AI的元年。但它至今没有等来属于自己的“ChatGPT时刻”。

当前物理AI距离能力跃迁的核心差距，不在于模型规模或硬件性能，而在于尚未建立一套能够持续产生、积累和反馈高质量物理交互数据的基础设施。

根据券商研报测算，训练一个具备实际应用能力的具身智能模型，行业至少需要1000万小时的多模态交互数据，而当前全球积累的数据量尚不足需求的5%。

2022年底ChatGPT的爆发，靠的是互联网上已经积累了几十年的文本数据。物理AI没有这样的条件。它需要的数据不只是“看见”，还需要在真实环境中行动、获得反馈、调整策略。这中间存在一道难以直接跨越的鸿沟：海量视频可以用于预训练视觉能力，但无法直接输出机器人执行任务所需的控制指令。

这需要形成一个正向循环：通过机器人部署获取真实数据，用数据训练基础模型，再以模型能力提升扩大部署范围，最终形成“部署更多机器人、获得更多数据、训练更强模型、进入更多场景”的飞轮。

在这个飞轮转起来之前，物理AI仍将停留在定制化项目和测试阶段。

景立构科技做的事情，恰好卡在这道裂缝上。

它把真实的生活和工作环境整体还原为可交互的数字副本，让机器人在其中反复执行动作、观察结果、积累经验。对于具身智能团队来说，这意味着他们可以在数字世界里进行大规模的交互学习训练，而不必每一件事都在真实环境中试错。

从4个月完成三轮融资的节奏来看，资本市场对这条技术路线的关注是真实的。但物理AI的基础设施建设是一场长跑。谁能在数据生产效率和仿真迁移精度上率先跑通，谁就掌握了物理AI从实验室走向产业化的关键入口。景立构科技才刚刚起步。