⚛️量子位•較早收集於 68m
光象科技獲數億元天使輪融資，佈局物理原生基座模型
💡新玩家進入「物理原生」AI 領域，可能改變模型與現實世界互動的技術路徑。
⚡ 30-Second TL;DR
有什麼變化
獲得數億元人民幣天使輪融資
為什麼重要
此輪融資顯示投資者對具備物理定律理解能力的模型興趣日益濃厚，這對於機器人和自動化系統至關重要。
下一步行動
持續關注光象科技的研究發表，了解他們如何將物理先驗知識整合至模型架構中。
誰應關注：Researchers & Academics
關鍵要點
- •獲得數億元人民幣天使輪融資
- •戰略重心聚焦於「物理原生」基座模型
- •旨在將人工智慧能力整合至物理環境模擬與互動中
🧠 深度解析
本篇為 AI 生成分析，非原文內容。
🔑 增強重點摘要
- •光象科技（LightIllusions）由前阿里雲資深技術專家與計算機圖形學領域資深人士共同創立，核心團隊具備深厚的渲染引擎與AI算法背景。
- •該公司開發的物理原生基座模型（Physics-Native Foundation Model）旨在解決傳統神經渲染在光照一致性與物理規律遵循上的缺陷。
- •融資資金將主要用於構建大規模物理仿真數據集，以及研發基於神經輻射場（NeRF）與3D高斯潑濺（3D Gaussian Splatting）的升級技術。
- •光象科技的技術路徑強調「AI生成內容（AIGC）與物理引擎的深度融合」，目標是實現從靜態場景重建到動態物理交互的跨越。
- •該公司已與多家頭部遊戲開發商及工業數字孿生平台展開初步合作，驗證其模型在複雜光影環境下的渲染效率與真實感。
📊 競品分析▸ Show
| 競爭對手 | 核心技術路徑 | 應用場景 | 基準測試優勢 |
|---|---|---|---|
| NVIDIA (Omniverse) | 物理仿真與USD標準 | 工業數字孿生 | 實時光線追蹤與物理精度 |
| Luma AI | 3D高斯潑濺 (3DGS) | 視覺內容創作 | 快速重建與高保真渲染 |
| Unity (Muse) | 遊戲引擎集成AI | 遊戲開發 | 交互性與跨平台兼容性 |
🛠️ 技術深入
- 採用神經渲染與物理引擎混合架構，將物理定律（如能量守恆、光學反射）嵌入神經網絡的損失函數中。
- 核心模型架構支持從單目視頻輸入中自動解耦幾何結構、材質屬性與環境光照。
- 利用可微分渲染技術（Differentiable Rendering），實現對複雜場景中光線傳輸路徑的精確模擬。
- 針對大規模場景優化了內存佔用，通過稀疏體素與高斯點雲混合表示，提升了推理階段的渲染幀率。
🔮 前景展望AI analysis grounded in cited sources
物理原生模型將取代傳統光柵化渲染成為工業級數字孿生的標準。
物理原生模型能顯著降低高精度仿真場景的數據準備成本與計算資源消耗。
光象科技將在兩年內實現動態物理交互的實時生成。
當前技術已能處理靜態場景，下一步的技術演進重點在於引入時序一致性與物理動力學約束。
⏳ 時間線
2024-05
光象科技正式註冊成立，啟動物理原生基座模型研發。
2025-02
發布首個基於神經渲染的物理仿真原型系統。
2026-06
完成數億元人民幣天使輪融資，由知名風險投資機構領投。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗
每週 AI 簡報
每週一封，可隨時退訂。