22 岁的北大青年学者，想做真正理解物理的通用世界基座模型｜AI Founder 请回答
一句话看懂：北大毕业生陈博远及其团队创立逆矩阵科技，目标是训练一个真正理解物理因果的“通用世界基座模型”，而非仅仅生成视觉上合理的视频。公司已获高瓴创投和北大系基金燕缘创投超千万美元天使轮融资，预计2025年发布旗舰模型。
事件核心：发生了什么
逆矩阵科技（Matrix Inverses）是一家由北大元培学院22岁应届毕业生陈博远和同校师兄吉嘉铭联合创立的AI初创公司。公司核心定位是研发“通用世界基座模型”，即让AI不仅知道“世界长什么样”，更能理解“世界如何运转”——比如重力如何影响物体、碰撞、流体等物理规律。团队认为，当前主流的世界模型路线（如李飞飞的3D重建、LeCun的隐空间表征）要么侧重空间还原，要么存在“看起来对但物理上可能失效”的风险。逆矩阵选择从强化学习的第一性原理出发，通过引入“主动干预”和“可验证的物理奖励信号”，让模型在隐空间中自然涌现出对物理因果的理解，而非显式写入物理公式。公司目前已处于预训练和数据建设阶段，计划在2025年第四季度发布首个旗舰基座模型。
为什么重要
世界模型被认为是AI从虚拟世界迈向物理世界的关键底层引擎。据Morgan Stanley 2025年4月报告，其下游产业（具身智能、自动驾驶、工业仿真）全球市场总规模到2050年将达5万亿美元。然而目前业界在技术路线上存在巨大分歧：视频生成模型（如Sora）能生成流畅画面但常出现穿模等物理错误；而强化学习和控制理论侧的世界模型又缺乏工程化落地。逆矩阵的观点提供了一个清晰的可验证路径：优先追求“物理正确性”而非视觉逼真度，并用强化学习中的奖励信号（类似RLVR在大模型数学推理中的成功）来指导模型自我演进。如果该方法能证明Scaling Law，将直接改变具身机器人、自动驾驶和高精度工业仿真等领域的AI认知能力上限。
对用户/开发者/创作者的影响
对于开发者：若模型成功，未来可使用API或开源版本来替代复杂的物理引擎计算，例如在游戏开发中直接调用“重力模型”而非手动编写物理脚本；在机器人控制中，模型能实时预测抓取力、碰撞结果，降低算法调试门槛。对于企业用户：在工业仿真、自动驾驶场景中，一个“物理正确”的基座模型可大幅减少物理失效带来的安全风险，加速验证和部署。对于AI研究社区：逆矩阵的技术路线强调了“隐空间中的因果学习”这一未解难题，其发布的技术报告可能为后续研究者提供新的benchmark和评价标准。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 旗舰模型的发布时间与性能——公司声称2025年四季度发布，重点看是否真能实现“物理正确的生成”，以及能否公开内部Scaling Law数据。2. 融资节奏——近期将完成新一轮融资，关注投资方是否增加产业资本（如具身机器人、自动驾驶领域的战略投资者）。3. 竞争格局变化——如果逆矩阵路线被验证，可能触发更多团队放弃纯视频生成方向，转向“因果世界模型”竞赛，甚至影响大模型公司的研发投入重心。
来源：Readhub · AI
