7.0
深览指数
科技量子位·Jay··AI 生成
华为大模型双子星联手创业，要找物理世界的Scaling Law
前华为云大模型CTO李寅与前华为多模态首席科学家张含望联合创立息壤开物，获得数亿元融资。公司押注一条非共识路线：不走主流VLA路线，而是先训练一个名为LPM（Large Physics Model）的物理基础模型，让机器人共享跨本体、跨场景的物理能力，而非针对每个新任务重新采集数据。文章详细介绍了LPM的技术逻辑——自回归架构+马尔可夫决策过程，以及团队在工程与学术两端的互补背景。适合关注具身智能前沿路线与创业实践的读者，提供了有别于VLA主流叙事的技术分析框架。原文 ↗
核心观点
- ▍息壤开物认为，具身智能无法复用的根本原因是缺少一个物理世界的基础模型，因此需要先训练LPM（Large Physics Model）作为能力底座，而非让每个机器人针对特定本体和任务重新采集数据。
- 01息壤开物完成数亿元种子轮及天使轮融资，估值达5亿美金，由敦鸿资产领投，华控基金、三花控股等跟投。
- 02创始人李寅曾任华为云盘古大模型CTO，带400人团队在万卡集群上训练8B视频大模型，并负责30行业200多家客户的产业交付。
- 03联合创始人张含望教授，前华为多模态首席科学家，发表论文228篇，H-index 81，是'causality'方向华人学者No.1，研究因果学习与去偏。
- 04息壤模型在World Arena 2.0 Track 1中，Trajectory Accuracy单项排名第一，Physical Adherence单项排名第二。
- 05随着数据与训练规模增加，模型性能出现初步提升趋势，团队认为存在Scaling路径。
- 06LPM采用Unified AR Transformer作为骨干架构，Diffusion作为可选模块负责视觉渲染，背后理论支持来自马尔可夫决策过程与贝尔曼递归。
- 07LPM被拆解为六个底层能力底座：统一Token、统一模型架构、强化学习算法、数据体系、评测体系和工程基础设施。
- 08产品规划分三层：L0通用物理基础模型、L1领域模型、L2具体应用任务，训练成果XIRRA v0.1计划于2026年底亮相。
反方 / 局限
- — 文章承认LPM尚未完成预训练，所有技术路线仍处于理论推演和早期信号验证阶段，实际效果有待XIRRA v0.1发布后才能检验。
- — VLA路线已有GPT-4o、RT-2等实际部署案例，息壤的非共识路线缺乏同等体量的公开验证，且万卡集群每月超亿元的训练成本构成持续资金压力。
- — 基于马尔可夫假设的环境建模在复杂长程任务中可能失效——现实世界的状态往往无法被完全压缩到'当下'，历史信息丢失可能导致决策失误。
息壤开物李寅张含望LPM（Large Physics Model）VLA（Vision-Language-Action）轨迹精度（Trajectory Accuracy）物理规约（Physical Adherence）World Arena 2.0Unified AR Transformer马尔可夫决策过程贝尔曼递归敦鸿资产华为云盘古大模型南洋理工大学
12 分钟 · 4 卡片 · 11 资料
读原文 →