天启投资动态｜西湖数智1亿元天使轮融资，创始人于开丞首次公开发声
投资动态
IMPORTANT NEWS
近日，西湖数智完成天使轮1亿元融资，天启资本参与投资。公司由西湖大学自主智能实验室孵化，聚焦概念世界模型，致力于让AI在隐空间理解物理世界并可靠行动。融资完成后，创始人于开丞首次系统阐释技术路线与发展规划。
8月5日，天启资本完成对世界模型公司西湖数智的投资。西湖数智此次1亿元天使轮融资的其他投资方包括英诺基金、东方嘉富基金、正轩投资、西湖创新投资基金、金蚂投资等机构。
西湖数智于2026年1月在杭州成立，核心团队孵化自西湖大学自主智能实验室（AutoLab）。公司以“概念世界模型”为技术底座，面向具身智能、自动驾驶、工业制造与智能硬件等场景，构建能够理解物理世界、推演行动后果并持续进化的通用物理智能中枢。
本轮融资后，西湖数智创始人于开丞首次面向外界系统讲述公司的技术选择与创业路径：为什么主流的数据驱动路线存在天花板，为什么显式生成注定更加昂贵，以及一个研究者如何完成两次推翻——一次质疑行业共识，一次否定自己最成功的工作。以下内容根据于开丞与DeepTech的对话整理。
/01/ 从感知融合到物理智能：一条逐步逼近“世界理解”的研究路径
于开丞对“机器如何理解真实世界”的研究，起点并不是当下热门的世界模型。2016年，他在瑞士洛桑联邦理工学院（EPFL）攻读博士，研究自动机器学习（AutoML），核心问题是让机器学会如何学习。博士毕业后，他以“阿里星”身份加入阿里巴巴达摩院，进入自动驾驶视觉感知领域，开始把抽象的学习能力放到更复杂、更可验证的物理环境中。
图丨西湖数智创始人于开丞（原来源：DeepTech深科技原文）
在达摩院期间，于开丞参与完成了BEVFusion。彼时，多传感器融合通常从激光雷达点云出发，再到图像空间寻找纹理信息，但点云与图像的有效观测区域并不总是重合，原有路径很难真正发挥不同传感器的互补价值。团队没有继续叠加复杂工程，而是分别建模两种信息，再把它们聚合到统一物理空间。这个看似简洁的调整，背后体现的是一种持续影响西湖数智的研究方法：先重新定义问题，再寻找更本质的表征。
此后，团队继续探索自动标注、传感器重建和跨域渲染，但逐渐认识到，这类工作更多是在降低标注成本、修复具体案例，并没有让同一个模型获得更普适的世界理解。2022年底，扩散模型已经能够生成高质量图像，于开丞由此提出新的问题：既然生成模型能够形成对图像世界的内部表征，是否也能在三维物理环境中建立可预测、可行动的世界模型？
2023年，于开丞加入西湖大学并组建自主智能实验室（AutoLab），开始系统推进世界模型研究。与语言模型主要从人类文本中学习不同，物理世界模型可以通过真实结果获得客观反馈：预测是否正确、动作是否成功，都能够由环境直接验证。自动驾驶因此成为早期试验场——它拥有相对成熟的数据和评测体系，同时也集中暴露了物理智能最难解决的长尾与泛化问题。
/02/ 从世界冠军到自我否定：显式生成路线为何遇到泛化瓶颈
团队最初选择的是显式生成路线：利用生成模型合成带有3D标注的未来视频帧，把现实中难以采集的场景生成出来，再用于训练自动驾驶模型。这条路线一度取得突出成绩，团队于2024年获得ECCV自动驾驶赛道第一，后续又加入自我进化框架，并在Fail2Drive榜单中取得领先。
但越接近真实部署，团队越清楚地看到显式生成的内在矛盾。一个模型如果已经能够生成足以训练其他模型的数据，说明它已在内部掌握了场景中的部分规律；如果仍要先把这种理解还原成大量像素，再用这些像素重新训练决策模型，整个过程不仅迂回，也会把大量算力消耗在画面渲染上。生成得足够逼真，并不自动等于模型真正理解了物理世界。
与国内一线车企的深度部署进一步放大了这个问题。训练集中补入一类新场景后，该场景的表现可能改善，但其他场景又出现退化，形成反复修补的“打地鼠”现象。其本质在于，模型更多是在记忆场景分布，而没有形成能够贯通语义、行为和环境关系的通用表征。面对临时路牌、突发障碍或从未完整出现过的组合场景，单纯增加相似样本仍然很难覆盖真实世界的无限变化。
这对具身智能同样成立。机器人面对的物体、动作和环境组合远多于现有数据能够穷举的范围，如果模型不能把经验拆成可迁移的基本能力，所需数据量可能超过现实采集与标注的极限。基于这一判断，团队在2024年底启动隐式世界模型研究；到2025年中，概念拆解与关联机制在复杂任务上显示出更强泛化能力和更低预测成本，技术路线由此完成了一次主动转向。
/03/ 概念世界模型：在隐空间拆解、组合并推演物理世界
西湖数智要构建的，是从预训练到后训练的全栈物理世界大模型。其核心并非生成下一帧画面，而是在抽象的隐空间中学习物体、空间、状态、动作及其变化关系。复杂任务被拆解为一组可以复用的物理概念；进入新场景后，模型再根据新的目标与约束重新组合这些概念，从而理解训练数据中没有完整出现过的任务。
这种思路接近人类认识新事物的过程。面对陌生物体，人并不会仅凭一次观察就掌握它，而是通过试探和反馈，将其与已有概念体系逐步对齐：它是硬还是软、能否移动、是不是工具、怎样与其他物体发生作用。当已有概念足以解释新对象时，认知可以快速迁移；当无法解释时，才需要建立新的概念。西湖数智试图把这一过程转化为可规模化训练的模型机制。
概念推演的优势，在复杂且意外频发的任务中更为明显。例如，机械臂抓取杯子时，如果杯子突然受到碰撞，或者系统还需要同步完成关门等动作，模型不能只按照预设步骤逐项执行，而要理解多个物体状态及动作后果，在隐空间中预测接下来可能发生的变化，并把推演结果转化为连续行动。
图丨Awomo-v0.1在RoboTwin 2.0测试集上的表现（来源：西湖数智）
据西湖数智披露，Awomo-v0.1以约4B模型体量在RoboTwin 2.0测试集取得93.68%的平均成功率。团队希望验证的并不是单一榜单成绩，而是一个更重要的方向：模型能力的提升能否更多来自概念表征和组合泛化，而不是持续扩大模型体量与数据规模。相关结果仍需要在更多任务和真实环境中继续检验。
团队也经历过对模型结构做“加法”再做“减法”的过程。早期数据不足时，3D一致性约束和物理先验能够改善效果；随着训练规模扩大，模型可以自行学习部分基本规律，过多人工设计反而会降低吞吐与迭代效率。因此，概念世界模型并不是把更多规则写进系统，而是寻找一种能够随数据和算力扩展、又保留可组合结构的学习方式。
/04/ 为什么坚持隐式路线：效率优势、技术边界与现实挑战
世界模型目前大致包括显式生成和隐式表征等不同方向。西湖数智与JEPA同属隐式阵营，但在团队看来，两者对潜空间的定义并不相同：概念世界模型强调潜空间内部应形成可组合的物理概念，使模型既保留语义，又能够支撑后续预测与行动。其位置可以理解为从一般潜空间走向因果推理的中间层——因果推理是更长期的目标，现阶段先建立能够规模化训练的概念表征。
显式模型需要持续生成未来状态，并通过像素渲染完成推理；但物理智能真正关心的不是画面是否好看，而是预测是否准确、行动是否可靠。现实环境中大量状态平缓而重复，完整生成每一帧会带来额外资源消耗。隐式模型则可以直接围绕任务需要的物理关系进行推演，并以并行方式驱动下游决策，因此在实时控制、端侧部署和大规模迭代上具有潜在效率优势。
同样的思路也体现在其他测试中。据西湖数智披露，Awomo-v0.1以约4B模型体量在LIBERO-Plus测试集取得87.17%的成功率，显示出以较小模型完成多任务操作的可能性。
与此同时，团队并未回避概念世界模型所处的早期阶段。首先，模型需要的是维度更丰富的数据，而不是同类场景的简单重复，这提高了采集和标注成本；其次，预训练规模扩大后，对算力、基础设施和工程组织提出更高要求；再次，以“未来视频像不像”为核心的评价方法不足以衡量模型对概念组合、未来预测和行动可靠性的理解，行业仍需要新的评测体系。
因此，于开丞并不把融资金额或短期估值视为模型能力的判断标准。世界模型竞争刚刚开始，最终仍取决于谁能更早让模型在真实场景中表现出稳定的理解和行动能力。西湖数智计划逐步开源早期模型，引入更广泛的开发者和研究者共同验证这条路线。
/05/ 从研究走向公司：团队、工程闭环与三阶段路线
2026年1月，西湖数智在杭州成立。公司启动时只有于开丞和首席科学家Tong两人。两人早年在瑞士相识，并长期围绕世界模型保持学术交流；Tong此前也在地平线推进相关研究。公司另外两位联合创始人来自于开丞在阿里时期的合作网络，具备万卡级大模型训练经验，能够把前沿模型研究推进到规模化工程系统。
随着公司发展，团队持续吸引在学术和工业一线反复取得成果的研究者与工程人员加入。公司官网显示，团队目前由20余位博士及资深工程专家组成，能力覆盖世界模型、多模态模型、强化学习、仿真、数据体系、自动驾驶及工程基础设施。团队看重的不是单一履历，而是成员能否持续在一线解决新问题。
西湖数智正在形成一套研究与工程双向闭环：西湖大学侧更适合快速探索理论空间和新想法，公司工程团队则把有效思路放到规模化数据、算力和真实任务中验证。理论探索与工程反馈不断往返，使底层创新不止停留在论文，也避免工程迭代脱离长期模型目标。
现阶段，公司的主要工作是搭建预训练基础设施、准备多样化物理交互数据、完善团队，并持续推进模型演进。其能力路线分为三个阶段：首先让模型理解世界，其次让模型在世界中完成移动与行动，最终实现对世界中物体的可靠操作。自动驾驶、具身智能和工业场景，将分别为这一能力阶梯提供不同层次的验证。
于开丞将行业路线逐渐汇合视为一个积极信号：世界模型已从少数研究者关注的学术问题，进入物理智能的核心议题。对中国团队而言，这也是一个仍有机会参与定义基础路线的领域。面对窗口期，西湖数智的选择既是加快资源、团队与工程进展，也是不为了短期商业目标牺牲模型的长期演进。
“快起来，慢下来。”——加快资源组织与技术推进，但在底层创新上保持耐心，不以短期目标损害模型的长期演进。
参考资料：
1. DeepTech深科技：《西湖大学于开丞创业做概念世界模型，过亿元融资后首次公开发声》
2. Awomo西湖数智官方网站westlakedi.com
3. Fail2Drive项目主页https://github.com/autonomousvision/fail2drive
评论排行