机器人前瞻（公众号：robot_pro）
作者 | 周加琦
编辑 | 漠影

机器人前瞻11月5日报道，刚刚，北京物理世界模型创企物原科技在X上宣布，正式推出TensorWorld品牌。

▲（图源：X）

同时，该公司披露已完成1.05亿美元（约7.05亿元）种子轮融资，投资方包括凯辉基金（Cathay Capital）、红杉中国（HSG）、蚂蚁集团、和玉资本（MSA Capital）、美团、IDG资本、鼎晖VGC、星连资本（Link-X Capital）、 达晨财智（Fortune Capital）以及蔚来资本（NIO Capital）。

物原科技成立于2026年7月，致力于打造能够理解、模拟并与真实物理世界交互的前沿模型。

目前，该公司正在研发物理基础模型，希望让模型掌握物理世界的结构和运行规律，能够理解真实环境、预测不同动作可能产生的结果，并为后续决策提供依据。

物原科技称，其目标是让模型能够将学到的物理知识应用于不同任务和环境，即使面对陌生场景，也能进行推理和预测，并根据新的信息持续学习。

该公司团队成员包括吴海旭、周俊昇、Weirui Ye和Wen Zheng等。此前，他们已在物理仿真、时序建模、三维理解及Agent规划等领域积累了多项研究成果。

物原科技创始人兼CEO吴海旭，博士毕业于清华大学，师从龙明盛教授，曾于2022年获得清华大学特等奖学金。这是清华大学授予在校学生的最高荣誉，每年全校仅20人获奖。获奖时，吴海旭已在ICML、NeurIPS等顶级学术会议及期刊发表7篇论文，其中6篇为第一作者或共同第一作者。

之后，他前往MIT CSAIL担任博士后研究员，师从计算设计与制造领域知名学者Wojciech Matusik教授。

吴海旭于2024年获字节跳动奖学金；2025年入选斯坦福大学与爱思唯尔联合发布的全球前2%顶尖科学家榜单。

▲物原科技创始人兼CEO 吴海旭（图源：个人主页）

他研究方向主要集中在深度学习与科学机器学习，尤其是物理系统和动力学系统建模。其代表性研究成果包括神经网络物理求解器Transolver、预训练模型GeoPT，以及TimesNet和Autoformer两款模型。

其中，Transolver主要学习复杂的运行规律，模拟和预测物理系统在不同条件下的变化。

GeoPT则通过大规模几何数据预训练，让模型学习几何结构与物理动态之间的关系，为物理仿真提供支持。该研究还获得了ICLR 2026科学基础模型研讨会最佳论文奖。

TimesNet则捕捉数据中不同周期的变化特征。Autoformer用于分析时间序列的变化趋势和周期性规律，预测未来数据变化。

此外，周俊昇参与研发了Uni3D模型，主要用于学习三维物体的形状、结构等特征，提升模型对三维物体的理解。

Weirui Ye曾提出了EfficientZero强化学习算法，使Agent能够利用有限的交互经验进行学习，并借助学习得到的世界模型规划后续行动。

Wen Zheng参与打造过用户规模超过1亿的产品，参与建设支持超过10万颗加速器的计算基础设施。

物原科技称，未来将利用这些经验，大规模构建前沿模型，并推动科研成果转化为实际产品。