清雁科技亮相2026世界机器人大会 发布几何物理驱动的物理AI基础设施

    本报讯 （记者梁傲男）8月21日，在2026世界机器人大会期间，清雁科技（北京）有限公司（以下简称“清雁科技”）首席技术官王凡博士受邀出席由高鹄资本与清华企业家协会联合主办的“机器人走向真实世界——从能力突破到系统演进与规模化探索”产业论坛，作《几何物理驱动的物理AI基础设施和模型》技术分享，系统性地提出“几何物理驱动的物理AI框架”，并现场演示了该框架的多组实证。

企业供图

    清雁科技成立于2022年，由清华大学与北京雁栖湖应用数学研究院联合孵化，系北京市专精特新企业及国家级高新技术企业。公司以“模数共振”为核心发展主线，协同共建数据基础设施与物理AI基础模型。

    这是清雁科技完成数亿元A轮融资、并首次对外明确“几何物理驱动的物理AI基础设施与模型”定位后，在顶级行业盛会的首次公开亮相。记者了解到，A轮融资由君联资本领投，苏州苏创投跟投，资金将主要用于物理AI基础设施与基础模型及其数据体系的研发。本轮融资体现了市场对公司技术路线与基础设施方向的共同认可。

    现场演示：几何物理驱动的物理AI能力集中亮相

    论坛现场，围绕“几何物理驱动的物理AI框架”，王凡通过六个演示，呈现了清雁科技从几何物理基础、世界模型，到可验证学习与持续学习的完整技术链路。

    在几何物理基础层面，展示了清雁科技基于微分几何的新型三维物体建模方式，以及建立在新型建模之上的运动物体的新型高维语义潜空间表达，对动态三维世界的表征方式给出了崭新的解决方案。

    在世界模型环节，面对随机进入视野的运动物体，清雁世界模型驱动的机械臂，自主完成环境观察、轨迹预判与抓取执行。“它展示的不是一条被背下来的轨迹，而是对物体运动的理解——换一个物体、换一种抛法，系统照样能够完成。”王凡表示。

    围绕清雁的可验证物理AI路线，王凡现场演示了清雁几何物理引擎在复杂动态场景中的实时距离与碰撞解算，以及柔性体的大形变仿真的优异性能。在持续学习环节，四足机器人面对地形突变和肢体损伤，能够在线调整运动策略并更新认知地图。

    这些演示共同展示了清雁科技的几何物理驱动的物理AI框架，及其推动物理AI迈向“长期、可靠作业”的技术能力。

    单次成功不等于可部署：Physical AI落地隔着三道门槛

    “机器人行业从来不缺令人惊艳的演示，缺的是能在真实世界长期可靠工作的系统。”王凡在分享中指出，当前Physical AI（物理智能）尚未大规模落地——从实验室Demo到规模化部署，中间隔着三道门槛：泛化性、可靠性、持续学习。而行业普遍存在的问题是，单次成功并不等于可部署。

    在王凡看来，瓶颈的根源之一在于当前大量技术路线仅依靠数据和参数规模的堆叠，忽略了理解世界几何物理规律的复杂性；其次，物理AI还缺乏类似Coding之于LLM的可靠系统外验证能力，这使得可靠性的持续提升成为挑战；再次是当前大部分模型在部署后都是静态的，缺乏对持续变化的环境进行适应和学习的能力，极容易因为环境变化而失败。

    三道门槛并非孤立，它们分别指向物理AI架构必须同时回答的三个问题：如何理解世界（泛化）、如何验证判断（可靠）、如何持续进化（学习）。清雁科技给出的答卷，是一个完整的架构。

    几何物理驱动的清雁物理AI框架：一个底座、两大范式

    王凡在分享中系统阐述了这一框架。其一为底座，即基于几何物理理论的通用物体表征，对3D/4D物理世界进行高效建模。表征内嵌几何不变信息与物理约束，是泛化性的基础。

    其二为两大学习范式。其中，可验证学习解决“如何告诉模型它的推想对不对”——世界模型预测未来，可验证检验预测，从而持续提升模型预测可靠性；持续学习解决“如何让模型部署后持续进化”——新场景越来越熟练，旧技能不轻易遗忘。

    三道门槛与框架部件一一对应。几何物理表征回应泛化性，可验证学习回应可靠性，持续学习回应持续进化。

    王凡表示，围绕“使物理AI从会演示走向长期、可靠地作业”这一目标，公司将沿框架的三个层次推进：基础设施与模型层——物理AI基础设施与模型及其数据体系的研发；验证层——可验证学习范式与面向世界模型学习的高效物理引擎；演化层——持续学习方向的深化，真正支撑机器人在真实世界的长期部署。

    清雁科技方面表示，未来将持续投入物理AI基础设施和基础模型研发与数据商业化双飞轮建设，加速具身智能与Physical AI的产业化落地。

（编辑 王浩）