本文约2900字，建议阅读7分钟
作者丨欧雪
编辑丨袁斯来
硬氪获悉，元始智能科技（南通）有限公司（简称 " 元始智能 "）已完成数千万元 Pre-A 轮与 Pre-A+ 轮融资，分别由达晨财智与元禾璞华投资。资金将主要用于产品研发团队扩建与标准化产品矩阵的打造。
这家成立于 2022 年 7 月的公司，是一家面向工业场景的物理 AI 公司，长期目标是让 AI 理解物理世界的状态与规律，并在真实环境中稳定行动。落到当前的产品上，就是以自研 WMM（World Mechanism Model）世界机理模型为核心的软硬一体解决方案：在成熟的存量工业装备上叠加边缘端智能处理器与工艺包，让设备从 " 自动化 " 走向 " 自主化 "。
元始智能由 CEO 金骏阳博士和 CTO 董云龙博士带领，核心成员具有剑桥大学、清华大学、华中科技大学等高校背景，以及华为等科技企业的产业经验。公司的核心技术主要基于华中科技大学袁烨教授团队近十八年来在系统辨识、复杂动力学与机理建模领域的研究积累。早期，这些研究主要在 CPS 系统建模与控制框架下展开，如今为公司的物理 AI 工作提供方法基础。在公司的产品体系里，这套积累正被转化为可工程交付的机理模型、工具链与工艺包。
公司成立后，技术层面延续物理 AI 方向，应用层面则明确聚焦工业落地。
这一选择基于两个判断：一是机床、机械臂和专用设备等工业装备已运行多年，硬件系统成熟、控制边界清晰，工艺目标也可检验；二是公司团队在高校阶段就已围绕航空航天、船舶轨交等场景完成大量技术验证，并承担多项国家级重大专项，具备把机理建模能力沉淀为工业产品的产业基础。
" 物理 AI 是人工智能下一步的创新浪潮，" 元始智能判断，" 以前 AI 主要处理数据，做单向信息流转、采集、分析、展示。现在产业界希望 AI 真正介入物理世界，和装备做动态交互。"
要实现这个跃迁，元始智能认为 AI 需要理解当前状态、预见动作后果，并在物理约束下可靠行动。这也是公司产品架构的设计主线——模型、工具链与边缘硬件围绕同一套物理约束协同工作。
硬氪了解到，元始智能的核心技术是自研的 WMM（World Mechanism Model）世界机理模型，它同时是公司全栈产品包的技术底座。其核心思路是在模型学习中引入动力学结构和物理约束，让数据用于辨识规律，减少对全工况数据覆盖的依赖。
这也体现了元始智能对技术路线的理解："WMM 仍然使用数据，只是不把全部知识都交给数据去记忆。模型要学到的，不只是如何完成一次任务，还有动作如何改变物理世界。" 公司希望，通过机理约束与数据学习的结合，提升模型在工况变化时的可控性与可解释性。
而 WMM 的两个技术重点均针对工业落地痛点：
其一，提高连续过程的稳定性。通过 Koopman 隐空间动力学约束，模型不仅预测 " 下一步动作 "，也学习系统随时间的演化，目标是降低多步预测与控制中的误差累积。
其二，探索跨任务的规律复用。团队尝试将 Grasp（抓取）、Twist（旋拧）、Insert（插入）等基础操作沉淀为可复用的物理模块，再根据新任务进行组合与适配。这一路线希望减少每个任务都从头学习的成本，实际复用程度仍需在具体设备和工况中检验。
目前，元始智能的产品形态是软硬一体化解决方案，目标是为存量装备逐步增加感知、判断和自主调整能力：硬件层面是 PRIMACT R100 实时物理智能平台，承载核心模型算法与工业交互接口，支持本地部署、本地推理；软件层面包含工具链和工艺包——工具链用于开发和适配工业 AI 模型，工艺包则针对具体设备和工艺场景，将物理规律与控制逻辑沉淀为可复用的行业模块。
" 我们不是纯软件公司，" 元始智能强调，" 在工业里，要交互的对象是物理装备，光有软件形态不够，必须通过硬件接口去控制设备。这是公司坚持软硬一体产品路线的原因。"
基于这套软硬一体的产品，公司希望在尽量保留原有控制系统和生产流程的前提下，对存量工业设备做智能化升级。工业客户把可靠性放在第一位，这意味着产品不仅要能够接入，还必须在时延、扰动和长期运行等约束下证明自身价值。
据公司介绍，目前元始智能已与中航工业、中核集团、中船重工、中国中车、中天科技等十余家行业客户开展合作与验证，提供数字建模与预测性维护、精密控制等多种智能化解决方案。
以下为硬氪与元始智能的访谈内容节选（经编辑）：
硬氪：为什么选择从工业具身智能场景切入来做？
元始智能：我们关注的长期问题，是让机器理解真实世界，并在其中稳定行动。但通用能力需要在具体场景中逐步建立。元始智能选择先做能交付、能验收的场景，而不是一开始就追求一个模型适用所有设备。
工业不一样。工业装备已经成熟了，加工机床、机械臂、专用设备都是用了很多年的东西，工艺目标和控制边界也比较清晰。我们的产品就是给它们增加感知、判断和自主调整能力，让装备从 " 自动化 " 逐步走向 " 自主化 "。先解决一个工艺问题，跑稳一台设备，再把经过验证的规律复用到下一台设备，这是我们选择的路径。
硬氪：与其他物理 AI 公司相比，最大的差异在哪里？
元始智能：技术路线上，我们更强调在模型学习中引入动力学结构和物理约束。工业数据往往有限，试错成本又很高，不能依赖穷尽所有工况来训练模型。我们的思路是让有限数据用于辨识规律，并在工况变化时检验这些规律能否继续成立，这是核心差异。
从商业化角度看，我们关注的不只是单次任务能否完成，还包括设备在扰动下能否保持稳定、换一种工况后需要多少重新调试，以及工程师能否理解系统的判断。团队与行业客户开展的合作与验证，就是在这些具体问题上检验技术，而不只是展示一次演示效果。
硬氪：接下来产品迭代的重点方向是什么？
元始智能：核心是做端侧轻量化和推理效率提升，让更复杂的模型在有限算力和严格时延约束下稳定运行。
为什么要做端侧？部分工业场景的数据不能出工厂，有些场景还存在联网限制，所以模型必须能本地部署、本地推理。这是物理 AI 在这些场景落地的硬约束。
我们还会继续把 " 工具链 + 工艺包 " 体系做深，让同一行业内的适配成本持续降低。原始工业数据可以留在客户现场，团队需要沉淀的是可迁移的动力学结构、算法模块与部署方法。每一台新设备接入，已验证的知识能复用多少、适配时间能缩短多少，是衡量产品化水平更直接的尺度。
更长远看，我们并不把自己限定在某一种工业设备上。机床、机械臂和移动操作机器人形态不同，却都要处理同一组问题：感知当前状态，理解系统如何演化，预见动作后果，并在约束中可靠行动。今天的边缘处理器、工具链和工艺包，是这些能力的产品载体；WMM 则指向能够跨设备、跨任务复用的基础能力。
从大处着眼、从小处着手，这和 " 农村包围城市 " 的思路相通：先让一个工艺跑稳，再让能力在一类设备上复制，最后把规律沉淀为平台。我们希望，WMM 能沿着这条路径，由局部的确定性逐步走向更广泛的通用性，成为能够理解并作用于物理世界的通用人工智能（AGI）的一项基础能力。
投资方观点：
Pre-A+ 轮投资方元禾璞华表示："AI 的下一站是真正介入并控制物理世界。元始智能是我们在这一方向上看到的稀缺标的：团队把在动力学与机理建模领域的多年积累，沉淀为了标准产品，并用军工级的可靠性要求验证了产品力。元始通过为 AI 注入物理规律，让模型在数据稀缺、可靠性至上的工业场景中也能稳定、可迁移地工作，这件事情拥有巨大的产业价值。"
