来源：上海证券报·中国证券网

上证报中国证券网讯（记者 李雁争）清雁科技（北京）有限公司首席技术官王凡近日参加2026世界机器人大会，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。这是清雁科技完成数亿元A轮融资、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，在行业盛会的首次公开亮相。

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”为发展主线，协同共建数据基础设施与物理AI基础模型。本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。

王凡是在2026世界机器人大会“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”产业论坛上进行技术分享的。他通过六个演示，系统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，他展示了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高维语义潜空间表达。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，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。

在技术分享中，王凡总结了当前物理智能尚未大规模落地的核心症结。“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。”他认为，从实验室演示到规模化部署，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。在他看来，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，物理智能还缺乏类似编程之于大语言模型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，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。

针对上述三道门槛，清雁科技提出了“一个底座、两大范式”的几何物理驱动的物理AI框架。底座即基于几何物理理论的通用物体表征，对三维、四维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。王凡用“一个物体等于一个函数”概括这一表征方式，相比主流三维高斯泼溅与点云方案用数万离散点或高斯基元表达一个物体，几何表征依赖更少参数，且能够跨视角、光照、背景与纹理保持稳定。现场演示显示，一个球体经由一个可微映射函数即可映射为房屋、航天飞机、兔子等复杂形体，并实现了材料域的跨运动与形变的一致对应。

两大学习范式分别回应可靠性与持续学习门槛。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。王凡指出，真实世界的评价除了风险高以外，最大的缺陷是缺乏“反事实推演”的验证手段，而基于微分几何的规律物理引擎可以弥补这一缺憾。

据介绍，清雁自研的场景级物理引擎在动态距离与碰撞计算上，同等精度下计算效率达到当前主流物理引擎Newton的5.2倍；在柔性体形变计算方面，同等精度下效率高出一个量级，且材料适应性显著领先。持续学习则解决“如何让模型部署后持续进化”——通过“学会如何学习”“长时记忆”和“自主发现和沉淀知识”三个关键能力，实现真实世界部署后的持续演进，在新场景中越做越熟练，旧技能不轻易遗忘。清雁在该方向已形成一系列可行性验证成果与规模化训练方法论，相关成果覆盖NeurIPS 2025、ICLR 2026、IROS 2026等学术会议。

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：基础设施与模型层的物理AI基础设施与模型及其数据体系的研发，验证层的可验证学习范式与面向世界模型学习的高效物理引擎，以及演化层的持续学习方向深化，真正支撑机器人在真实世界的长期部署。未来，清雁科技将持续投入物理AI基础设施和基础模型研发与数据商业化双飞轮建设，加速具身智能与物理智能的产业化落地。