清华特奖得主去做世界模型：物理直觉能训练出来吗
2022 年清华特奖得主吴海旭创立物原科技，做搭载物理建模能力的世界模型，估值数亿美元。他的 GeoPT 想把静态几何「提升」成动态空间。这篇讲清这条路的技术逻辑和它的现实门槛。
大模型能写诗、能改代码，但你让它判断「这个杯子推到桌边会不会掉」，它经常答得像个没见过世界的人。
世界模型想补的就是这一课。
一、发生了什么
据量子位报道，2022 年获得清华大学特等奖学金的吴海旭，今年创立了物原科技，方向是「搭载物理建模能力的世界模型」。公司已完成多轮融资，估值达数亿美元，投资方包括蚂蚁、美团、达晨财智、星连等。
技术线索来自他今年 2 月的一作论文 GeoPT。该方法提出一种动力学预训练范式：通过「合成动力学」，把静态几何「提升」到动态空间，让模型在无标签数据上通过粒子轨迹演化学习物理直觉。论文合作者包括清华软件学院长聘副教授龙明盛（其博士导师）、MIT 的何恺明，以及 MIT 教授 Wojciech Matusik（其博士后项目组导师）。
更早的履历也能说明积累：Autoformer（长时序预测的代表工作）、PredRNN、Corrformer、Transolver 等都出自这条研究线；截至报道时，他的谷歌学术被引用数为 29611。
二、跟你有什么关系
做机器人、自动驾驶的人：世界模型是「先预演、再执行」的基础设施。仿真环境做得像不像，直接决定策略能不能迁移到真机。
普通用户：短期内你感受不到它，但两三年后，家庭机器人能不能自己绕过地上的电线，取决于这一层。
看创业的人：这是一个典型的「论文很强、产品很早期」的样本。判断它，不能看估值，要看它交付了什么。
三、怎么判断「世界模型」的成色
1. 看它预测的是什么。
真正的世界模型要预测「动作之后世界怎么变」，而不是「下一帧画面长什么样」。前者要满足物理一致性（碰撞、摩擦、重力），后者只要视觉逼真。
2. 看数据从哪来。
GeoPT 的思路是用合成数据学动力学。合成的好处是规模可控、标注免费；风险是 sim-to-real gap——仿真里学会的直觉，到真实世界可能不成立。所以要看它有没有真实的验证闭环。
3. 看评测怎么做。
视频生成的评测看 FVD、看人眼打分；世界模型的评测要看「给定动作，预测的物理结果对不对」。这类评测目前没有统一标准，谁自建评测，谁就有解释权。
4. 看落地场景。
最容易先落地的是工业仿真、机器人训练、自动驾驶长尾场景；最难的是开放家庭环境。宣传里如果一上来就说「通用具身智能」，基本可以打个折。
四、三个别信的说法
「估值数亿美元，说明技术领先。」 早期项目的估值反映的是团队履历和赛道热度，不是技术验证结果。顶尖论文作者创业，起跑线确实靠前，但产品是另一场比赛。
「世界模型就是通向通用智能的钥匙。」 它解决的是「理解物理世界」这一块，不解决语言、意图、社会常识。把世界模型等同于 AGI，是叙事，不是技术路线图。
「论文指标好，真实世界就能用。」 实验室里的粒子轨迹预测，和真实场景里的光照变化、遮挡、材质差异，中间隔着大量工程工作。能不能跨过去，要看第一批量产客户。
五、一句话结论
世界模型这条路上，中国团队第一次站到了前排；但判断它，不看估值和头衔，只看一件事——它预测的下一步，在真实世界里对不对。
延伸阅读：
信息来源
- 量子位《清华特奖得主 AI 创业再 +1：GeoPT 一作入局物理世界模型》，2026-10-16：https://www.qbitai.com/2026/10/503880.html
公司与融资信息以企业官方披露为准。本文写于 2026 年 10 月 17 日。