西湖数智完成超亿元天使轮，用“隐式物理引擎”重构物理AI成本逻辑

物理人工智能（Physical AI）的竞争正从应用层下沉至底层数学架构。8月5日，记者获悉，孵化自西湖大学的西湖数智近日宣布已于近期完成种子轮、天使轮系列融资，累计金额过亿元人民币，投资方包括英诺基金、东方嘉富基金、正轩投资、天启资本、西湖创新投资基金、金蚂投资等。

区别于依赖高算力堆砌的主流路径，西湖数智致力于研发通用物理引擎，其技术不仅服务于具身智能，更为自动驾驶、工业仿真及高端制造提供统一的物理法则底座。

首创“非渲染式”隐式建模，跳出图形管线束缚

当前，全球物理仿真普遍受困于“维度灾难”与高昂算力成本。西湖数智首次将基于潜变量状态转移的隐式建模方法应用于通用物理引擎开发，实现了底层技术的代际差异。

其核心突破在于彻底摒弃了传统的像素级渲染路径。通过纯数学架构，公司将物理推演从图形管线（Graphics Pipeline）中剥离，直接在潜空间（Latent Space）中进行动力学计算。这种“隐式物理引擎”无需让机器“看见”逼真画面，即可精准预判物理因果（如流体晃动、刚体碰撞），真正赋予了智能体“物理直觉”，并将算力需求降低1至2个数量级。

跨界视角的技术突围：从产业痛点反推第一性原理

这一技术路线的确立，源于创始团队的基因。

西湖数智孵化自西湖大学自主智能实验室（AutoLab），正式成立于2026年1月，团队成员既有在顶级会议发表突破性成果的青年学者，也有来自一线科技企业的资深专家，是国内最早系统性探索隐式世界模型技术路线的科研力量团队。创始人于开丞在组建西湖大学自主智能实验室（AutoLab）前，他曾任职于阿里巴巴达摩院，负责视觉感知算法的规模化落地。他深刻洞察到：单纯依靠堆砌数据与算力，无法解决机器在真实物理交互中的泛化难题。

基于此，他决定从第一性原理出发，系统性构建了这套不依赖特定硬件渲染管线的全新架构，完成了从“解决工程问题”到“定义底层规则”的跨越。

据悉，本轮融资将主要用于构建千万级物理交互轨迹数据集，并加速技术在工业自动化场景的落地验证。目前，公司已同步开启下一轮融资。

本文来源：财经报道网