机器人换一个新工位，要重采上千条数据、重训好几周；
AI 筛一个候选药分子，超算要连轴转好几天；
预判极端天气走向，至今靠专家经验加算力硬扛...
语言模型能写诗、能编程，却回答不了一个最朴素的问题：杯子松手之后，会发生什么？
数字世界，智能已经过剩；
物理世界，智能仍然稀缺。
当行业迈入 AI 2.0 物理智能时代，是否还需要一套新的基础模型？如何让 AI 规模化走进物理世界？
今天，息壤开物正式介绍自己，和我们的回答。
一、双子星：产业实战，遇上理论顶峰
创始人、CEO李寅
清华大学毕业，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 核心成员，长期统筹基础模型、多模态、视频生成、科学计算与行业大模型研发。曾带领400人团队，依托百万小时视频数据集、万卡算力集群，历时2个月完成视频大模型的训练与发布。主导国内多地具身智能创新中心在当地产业的落地，并交付智驾、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。
联合创始人、首席科学家张含望
现任华为多模态首席科学家，即将出任息壤开物联合创始人、首席科学家。谷歌学术因果方向全球排名华人学者 Top 1，也是全球榜单前列中最年轻的学者；入选 IEEE 评选的"全球 AI 领域十大最值得关注的学者"（AI's 10-to-Watch）。他长期深耕因果机器学习与多模态智能：前者致力于让 AI 超越"相关性"、掌握"因果性"，是机器真正理解物理世界规律的理论基石。累计发表论文 228 篇，被全球学者引用超 4.2 万次；国际通行的学者影响力硬指标 H 指数达 81，稳居国际 AI 学界最顶尖梯队。他曾获新加坡总统科技奖青年科学家奖——该奖由新加坡国家研究基金会每年评选颁授，仅授予 40 岁以下、展现世界级研究潜力的科研人才，是新加坡授予科学家与工程师的最高荣誉之一。
一个从产业里杀出来，一个从理论里钻进去。
这个组合的核心竞争力一句话概括：既能从底层训练基础模型，又懂如何把模型落进产业。
二、AI 1.0 智能过剩，AI 2.0 智能稀缺
LLM 在推理层解放了人类，但有一个结构性硬伤：它对物理世界的抽象归纳，始终极度依赖人的智能。
如果没有牛顿，模型自己发现不了 F=ma。
LLM 学会的是人类已写成文字的物理知识，而力、接触、形变、时间的连续演化，并不在文本里。
具身智能行业正卡在一个公开的死结里：Demo 很好，落地很难。 根本原因在于主流的"VLM + action head"增训路线——底座从未真正学过物理，于是每换一个场景、本体、任务，采数据、训练、调参、验证就要全部重跑一遍。
模型不具备泛化性，规模化就是空谈；规模化做不到，商业闭环就永远差最后一环。
而物理世界的决策难在长程：多步连续动作的组合会迅速爆炸，直接穷举轨迹，数学上就不可扩展。
三、回归第一性原理：贝尔曼方程求解物理智能
息壤开物的答案很干脆：不做机器人本体，不做单点应用，自研物理基础模型（Large Physics Model，LPM）——理解物理规律、预测状态演化、规划长程动作、支撑闭环执行。
坚持以贝尔曼方程最优解作为模型的理论根基：把长程决策递归分解，让模型在长期累计回报最大化的统一目标下，同时学习世界转移 P 与策略 π——世界模型与策略模型的能力，在同一个基础模型里被统一。
简单来说，贝尔曼方程把超长距离的决策难题拆成一步一步的小决策，组合爆炸在数学上被化解。
架构上，LPM 把世界推演与视频渲染解耦：统一自回归架构负责组织因果历史、推演"发生什么"，扩散模型负责渲染"看起来什么样"。
这条路已接受第三方检验。
9 月 16 日，WorldArena 2.0 全球总决赛榜单揭晓，我们的模型 RIXIN 在 Track 1 视频质量赛道拿下 Trajectory Accuracy（轨迹精度）全球第一、Physical Adherence（物理合规性）全球 TOP 3。
这两个指标不只是"好看"：轨迹精度考察给定动作后模型对运动轨迹的精确还原，物理合规性直接衡量对物理规律的遵从——都是最能体现物理能力的硬指标。
支撑这条路线的，是出身于华为大模型体系的基模自研团队、第一性原理的理论功底、集群可用度 99.7% 的万卡级工程实力，以及累计交付 200+ 项目、覆盖金融制造能源政务等 30+ 行业、金额 10 亿+ 的 2B 落地经验。
四、三大平台：基模的自迭代飞轮
基础模型不是训练一次就结束的资产。围绕 LPM，我们建起了三块相互配合的平台基建。
XR 数据平台：把物理世界经验"编译"成可训练资产：多模态数据接入、清洗、标注、质检、版本管理全流程打通，跨本体、跨模型中立定位，EGO 数据管线让海量第一视角人类视频变成可训练的具身数据。
XR 增训平台：让基模能力低成本"长"进客户场景：围绕"增训—部署—持续迭代"全流程提供完整工具链，客户无需组建庞大算法团队，就能把 L0 快速增训为自己的行业模型。
XR 评测平台：让能力可验证、问题可定位：场景构建、策略执行、报告生成全链路自动化闭环，失败样本定位、补数、复验后回流下一轮训练。
数据平台供料，增训平台成模，评测平台找茬，失败样本再回流——每转一圈，模型强一分，客户落地成本降一分。
五、L0-L1-L2，物理 AI 的商业化路径
我们的目标，是成为物理智能时代的底座型公司。路径建立在一套分层逻辑上：L0 通用物理基础模型提供可复用的通用物理能力；L1 在行业数据上增训成领域模型；L2 蒸馏出面向具体场景的轻量应用，完成交付。
智能手机时代已经演过一遍这个逻辑：硬件厂商做整机，操作系统做底座，开发者在上面长出生态。物理世界的场景成千上万，我们不做全部场景——最合适的开发者，是最懂垂类的行业伙伴自己。我们把底座做深做透，伙伴在自己的场景里把它用透用活。
第一步，先跑通机器人场景闭环，联合本体厂与场景方形成可验证的交付样板；
第二步，把同一套底座复制到更广阔的物理世界——自动驾驶闭环仿真、极端天气预测、药物分子生成，这些本质上都是"理解物理规律、预测状态演化"的问题，正是 LPM 的主场。
物理 AI 大规模预训练的窗口已经打开，而真正具备"从底层训练物理 AI 模型"能力的完整团队，在市场上极度稀缺。以第一性原理为锚，以原生预训练为路，以产业闭环为证——我们正在把"物理基础模型"从一个命题，变成一份答卷。这份答卷才写下第一行。
算法、工程、数据、产品、商务多个核心岗位持续开放；我们也期待与本体厂商、场景方、科研机构深度合作，一起把物理智能的底座打牢。
生生息壤，开物造智。
关于息壤开物
息壤开物（XIRRA）是一家面向物理交互的基础模型公司，聚焦 LPM 原生物理预训练，构建从数据、模型到工程交付的完整能力，让模型学习物理世界，连接理解、推演与行动，解放人类生产力。
「息壤开物」来源：
息壤，古代神话中生生不息、自我增殖的土壤——物理 AI 底座，就要像息壤一样持续生长、越用越强。
开物，取自"开物成务"——洞察万物之理，成就实业之事。
名字即使命：生生息壤，开物造智。
「加入 & 合作」
人才投递：hr@xrkw.com.cn
生态合作：bd@xrkw.com.cn