💰钛媒体•較早收集於 2h
北大青年學者致力於打造真正理解物理的通用世界基座模型
💡一個旨在透過物理現實基礎來解決 AI 「幻覺」問題的新穎研究方向。
⚡ 30-Second TL;DR
有什麼變化
將物理正確性作為模型首要指標
為什麼重要
若此研究成功，將透過提供符合現實世界限制的模型，徹底改變機器人技術、模擬與科學發現領域。
下一步行動
追蹤該北大實驗室的研究論文，了解他們如何將物理限制整合至 Transformer 架構中。
誰應關注：Researchers & Academics
關鍵要點
- •將物理正確性作為模型首要指標
- •超越統計性 Token 預測，轉向物理推理
- •開發通用世界基座模型
- •由學術界主導的基礎 AI 架構創新
🧠 深度解析
Web-grounded analysis with 4 cited sources.
🔑 增強重點摘要
- •該青年學者為北京大學元培學院22歲應屆畢業生陳博遠，他與師兄吉嘉銘共同創立了「逆矩陣科技」公司，致力於通用世界基座模型的開發。
- •逆矩陣科技於2026年3月完成了超千萬美元的天使輪融資，由高瓴創投和北大系基金燕緣創投聯合投資。
- •該團隊的核心方法是引入「主動干預」來驗證因果關係，而非僅從旁觀中擬合相關性，以期在隱空間中真正學習物理因果。
- •他們認為物理規律（如重力、碰撞、流體、時空一致性）是跨場景共通的，一個真正理解這些底層規律的模型，能天然遷移到具身智能、工業仿真等不同應用場景。
- •據摩根士丹利2025年4月報告預測，世界模型所對應的下游產業（包括具身智能、自動駕駛和工業仿真）全球總市場規模預計在2050年達到5萬億美元量級。
🛠️ 技術深入
- 核心問題: 該模型旨在解決模型學習到的是相關性還是因果關係的根本問題，特別是如何在隱空間中真正學習物理因果，而非僅是視覺上說得過去但物理上可能失效的假設。
- 方法論: 團隊強調世界模型必須引入「主動干預」，透過行動來驗證因果，而非僅從旁觀中擬合相關性。
- 學習機制: 他們的目標不是將物理規律顯性地寫入模型，而是透過物理上可驗證的方法，讓模型自然地「湧現」出對物理的理解。
- 通用性目標: 旨在構建一個通用的基座模型，該模型能學透底層的物理因果，因為物理規律（如重力、碰撞、流體、時空一致性）本身就是跨場景共通的，從而能自然遷移到具身智能、工業仿真等不同場景。
- 區別於其他方法: 與李飛飛教授團隊從3D重建切入、追求極致空間還原的路線不同，逆矩陣科技更關注「世界如何運轉」而非「世界長什麼樣」。
- 概念淵源: 世界模型這一概念最早源於強化學習和控制理論，可追溯至1990年圖靈獎得主Richard Sutton提出的Dyna架構，以及2018年David Ha和Schmidhuber發表的《World Models》文章。
🔮 前景展望AI analysis grounded in cited sources
該模型將加速具身智能和自動駕駛等物理世界AI應用的發展。
透過真正理解物理定律和因果關係，模型能為需要高精度物理判斷的應用提供更可靠的底層認知引擎。
學術界在基礎AI架構創新中的主導作用將進一步加強。
像陳博遠這樣的青年學者在頂級會議上取得突破並獲得早期融資，顯示學術研究在推動AI範式轉變中的關鍵影響力。
未來的AI系統將更注重「主動干預」而非僅「被動觀察」來學習世界。
該團隊強調透過行動驗證因果，而非從旁觀中擬合相關性，這可能成為物理世界模型發展的重要範式。
⏳ 時間線
2020
「物理AI」概念首次在《自然·機器智能》雜誌上被系統性定義。
2025-05
北京大學物理學院團隊發布PHYBench，這是首個評估AI大語言模型物理推理能力的基準測試。
2025-12
前月之暗面後訓練與強化學習負責人宋鴻涌創立北京十六號機器人科技有限公司，專注於通用人形機器人基座模型研發，旨在將數字世界推理能力遷移至物理世界控制任務。
2026-03
逆矩陣科技完成超千萬美元天使輪融資，由高瓴創投和北大系基金燕緣創投聯合投資。
2026-05-22
鈦媒體報導北京大學青年學者陳博遠及其團隊逆矩陣科技致力於打造真正理解物理的通用世界基座模型。
📎 來源 (4)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
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： 钛媒体 ↗