近日，一家名为息壤开物的创业公司宣布，他们已经连续完成了数亿元的种子轮和天使轮融资，领投方是敦鸿资产，估值达到了5亿美元。这家公司专注于物理AI模型的规模预训练、真实物理交互数据建设以及核心研发人才的引入与场景验证。
息壤开物的创始人李寅，曾任华为云大模型CTO，华为云行业大模型开发部部长，华为大模型0到1的核心成员。他在华为期间，带领400人团队，依托百万小时视频数据集、万卡算力集群，仅用两个月就完成了视频大模型的训练与发布。他还主导了国内多地具身智能创新中心在当地的产业落地，并交付了智驾、矿山、金融、医疗、气象等大模型解决方案，相关项目每年带来数亿元营收。
然而，具身智能的商业化并非一帆风顺。尽管息壤开物在物理AI领域取得了突破，但如何将这些技术应用到实际场景中，特别是如何拧好螺丝这样的基础工作，仍然是一个挑战。这需要更多的技术突破和实际应用的探索。
说白了，具身智能不是“会动的AI”，而是“能干活的AI”。它得像老师傅一样，看懂螺丝孔在哪、手稳不稳、力道够不够，还得在油污、震动、光线忽明忽暗的车间里不出错。息壤开物团队去年在山东一家汽车零部件厂实测过：让自研的机械臂拧100颗M6螺栓，前37颗合格率92%，但到第38颗开始，因产线传送带轻微偏移0.3毫米，视觉定位就连续漂移，导致3颗滑丝——这问题不靠算法调参，得靠真实产线数据反哺模型迭代。
他们没藏着掖着，直接把这批“拧坏的螺丝”视频和传感器日志全量开源，放在GitHub上标注了力矩曲线、关节抖动频谱、环境光变化值。这种“失败数据集”比完美demo更珍贵。国内高校已有7个实验室基于这批数据优化触觉反馈模块，其中哈工大团队把末端力控响应延迟从120ms压到了47ms，接近人手神经反射速度（约30–50ms）。
更实在的是落地节奏。息壤开物没堆概念，而是选了三个“脏活累活”场景扎下去：煤矿井下巡检机器人换电池（需在甲烷浓度临界值下精准插拔）、风电塔筒内部焊缝打磨（高空+强磁+无GPS）、还有三甲医院手术室器械清点（要区分沾血镊子和未使用镊子的微小形变）。每个项目都签了对赌协议——效果不达标不收钱，已交付的12台设备里，平均故障间隔时间（MTBF）超过420小时，比行业均值高近一倍。
有意思的是，他们招人不看“顶会论文数”，而要看“修过几台PLC控制器”“拆过多少种伺服电机”。技术VP王磊是原徐工集团高级技师，带徒弟时习惯用扳手敲击齿轮听异响；现在他带着算法工程师蹲在产线边，一边录电机嗡鸣声，一边教大家辨认轴承早期磨损的谐波特征。这种“老师傅+程序员”的混编小组，正成为他们物理AI训练的新数据源。
物理世界从不讲PPT逻辑。拧紧一颗螺丝的背后，是光学、力学、材料学、控制论的硬碰硬。息壤开物没喊“颠覆”，只是默默把训练服务器集群搬进了常州工厂的旧锅炉房——因为那里有最真实的振动频率和温度梯度。当AI开始学会在油渍里认零件、在轰鸣中听故障，那才算是真正在地上长出了根。
振兴配资提示：文章来自网络，不代表本站观点。
