TensorWorld consigue más de $100 millones en financiación dentro de un mes de su lanzamiento
KuCoinFlashCompartir
TensorWorld, una startup de IA física, ha obtenido más de $100 millones en financiamiento para su proyecto apenas un mes después de su lanzamiento en julio de 2026. La empresa está desarrollando un modelo de IA impulsado por la física para mejorar la interacción de las máquinas con el mundo real, enfocándose en robótica, conducción autónoma y simulación industrial. Los inversores incluyen Kaiwei Fund, Sequoia China, Ant Group y Meituan Strategic Investment. El rápido financiamiento refleja un fuerte interés en el proyecto, con una posible lanzamiento de token esperado en los próximos meses.
Este es uno de los campos más intensos en la industria de la IA actualmente, ya que, con los modelos de lenguaje grandes impulsando el avance rápido de la inteligencia en el mundo digital, los límites de la capacidad de la IA se están extendiendo hacia el mundo físico: inteligencia encarnada, conducción autónoma, simulación industrial, etc. Pero el mundo físico no juega con tokens; tiene sus propias leyes inmutables: gravedad, fricción, colisiones, fluidos... La dificultad aumenta exponencialmente en comparación con el lenguaje.
En esta pista más difícil y más fundamental, TensorWorld, una startup fundada hace solo cuatro meses, ha recaudado más de 100 millones de dólares en financiamiento en un solo mes. Detrás de la apuesta del capital se encuentra la rareza generada por su capacidad de "antecedentes académicos + ruta tecnológica + implementación y reproducción".
¿Qué problemas necesita resolver la industria?
Actualmente, en la percepción general del público, la IA ya es muy inteligente: puede escribir código, encontrar vulnerabilidades e incluso resolver problemas matemáticos que han desconcertado a la humanidad durante cientos de años. Sin embargo, lograr que los robots predigan con fiabilidad las trayectorias de objetos en el mundo real y interactúen con ellos sigue siendo muy difícil. La razón es que la IA aún no comprende las leyes físicas; pasar de la “interfaz de software” al “mundo físico” es una etapa absolutamente inevitable.
La industria enfrenta condiciones extremadamente exigentes para superar esta brecha: los datos de anotación física de alta fidelidad son increíblemente costosos; una muestra de simulación aerodinámica industrial puede requerir decenas de miles de horas de CPU; los datos recopilados en 100 escenarios tienen dificultades para generalizarse a 10,000 escenarios desconocidos; los simuladores tienen dificultades para replicar completamente la fricción y la deformación del mundo real; según el informe de HAI de Stanford, la tasa de éxito en tareas dentro de simulaciones de software para robots alcanza el 89.4%, pero la misma clase de tareas en entornos domésticos reales solo logra una tasa de éxito de aproximadamente el 12.4%.
¿Cómo resuelve este problema Wuyuan Technology? La evolución académica muestra una ruta clara.
Actualmente, los modelos mundiales en la industria se pueden clasificar aproximadamente en dos paradigmas: aquellos centrados en la conducción visual y aquellos centrados en la conducción física. El primero es el predominante en la industria, representado por la generación de video, cuyo objetivo es "parecer real", optimizando la coherencia de píxeles entre fotogramas; sus ventajas incluyen la facilidad relativa de obtención de datos y la realista calidad visual, utilizándose ampliamente en generación de video, fábricas de datos, previsualización de escenarios y percepción frontal de VLA. Sin embargo, para que los robots ejecuten tareas de manera confiable en el mundo físico real, comprender el lenguaje y la visión por sí solas es insuficiente.
Por lo tanto, otro paradigma está siendo cada vez más reconocido por la industria, que se centra en modelar leyes físicas con el objetivo de "inferir con mayor realismo"; sus ventajas son verificabilidad, medibilidad y capacidad para respaldar la planificación de acciones. Los software de simulación industrial tradicional (como MuJoCo e Isaac Sim) representan la corriente "artesanal" en esta línea: las leyes físicas dependen en gran medida de que los ingenieros las escriban manualmente, lo que ofrece predicciones precisas pero costosas, y requiere un esfuerzo de ingeniería muy elevado al enfrentarse a formas irregulares, cuerpos flexibles o fluidos.
而物原科技走的是物理基础模型的路线,他们提出“在张量世界中,构建物理真实”,目标是让模型从数据中学习物理世界的演化规律,像人类一样达到“举一反三”的效果:
Por ejemplo, el Transformer nativo carece de capacidad de descomposición temporal; ¿cómo hacer que el modelo comprenda correctamente el “tiempo” en el mundo físico? Autoformer mejora significativamente la precisión en predicciones de larga secuencia temporal, mientras que TimesNet permite una visualización aún más intuitiva de los datos temporales; por otro lado, ¿cómo hacer que el modelo comprenda el “espacio”? Uni3D amplía el aprendizaje de representaciones tridimensionales hasta escalas de mil millones de parámetros, permitiendo que el modelo desarrolle una comprensión de objetos, geometrías y relaciones espaciales.
Sobre esta base, GeoPT respondió a la pregunta fundamental de este ámbito: ¿puede la intuición física ser preentrenada en el modelo? La respuesta es sí: de forma creativa, permite que el modelo adquiera representaciones físicas transferibles mediante el preentrenamiento que integra geometría y dinámica sintética. En tareas de simulación física industrial, este método reduce entre un 20 % y un 60 % la necesidad de datos etiquetados y acelera la convergencia hasta en un 200 %. Transolver va aún más lejos, permitiendo que el modelo comprenda fuerzas, flujos y deformaciones en espacios irregulares, y así interprete evoluciones físicas más complejas. EfficientZero permite que los agentes anticipen el futuro a partir del modelo del mundo aprendido y planifiquen en consecuencia.
Detrás de estos avances pioneros se encuentra la profunda experiencia acumulada por el equipo fundador de Wuyuan, con vínculos en instituciones académicas de élite internacional como Tsinghua y MIT. Siguiendo una línea progresiva de “evolución temporal—representación espacial—leyes físicas—planificación de acciones”, no simplemente acumulan artículos aislados, sino que se mantienen firmes en partir de las leyes físicas para lograr una “inteligencia física de alto nivel”, dando forma final al marco completo del modelo base físico. Además, el equipo de Wuyuan previamente lideró productos con cientos de millones de usuarios y gestionó infraestructuras de cómputo con decenas de miles de aceleradores, poseyendo una rica experiencia práctica industrial. Si la investigación académica determina hasta dónde puede llegar la capacidad del modelo, la capacidad de ingeniería determina si el modelo puede aplicarse en escenarios comerciales reales; ambos constituyen las “dos caras de una misma moneda” del modelo base físico.
¿Por qué se tiene confianza en WuYuan Technology? El paradigma impulsado por la física posee escasez.
La línea técnica de ObservaWu aborda casi directamente los tres principales desafíos de la IA física: en el extremo de los datos, reemplaza las etiquetas físicas con dinámica sintética, reduciendo significativamente la dependencia de datos reales costosos; en el extremo de la generalización, integra profundamente la estructura espacial, la evolución temporal y la dinámica física, permitiendo que el modelo genere espontáneamente leyes físicas generales; en el extremo de la implementación, arquitecturas subyacentes como Autoformer y Transolver ya han sido ampliamente validadas y adoptadas por la industria (por ejemplo, NVIDIA PhysicsNeMo), mitigando las preocupaciones sobre la implementación de la IA en escenarios reales.
La escasez de esta intersección: “comprensión real de sistemas físicos + capacidad de planificación impulsada por modelos del mundo + capacidad de ingeniería para escalar y implementar investigaciones de vanguardia”, atrajo rápidamente la atención del capital. Desde su fundación en julio, Wuyuan Technology completó consecutivamente rondas de financiación semilla y semilla + por más de 100 millones de dólares en un mes. La ronda semilla fue liderada conjuntamente por Cathay Innovation y Sequoia China, con participación de IDG Capital,鼎晖VGC, Starlink Capital y Ant Group. La ronda semilla + fue liderada conjuntamente por Ant Group, Hillhouse Capital y Meituan Strategic Investment, con participación continua de Da Chen Capital, NIO Capital, Jinghe Capital y múltiples inversores existentes.
Esta lista de financiación también transmite mucha información: la inversión estratégica de Meituan con escenarios masivos de C-end, el grupo Ant con escenarios industriales serios, y NIO Capital con escenarios de conducción autónoma, todos respaldan la ruta de Wuyuan Technology, demostrando su fuerte característica de generalización y su capacidad para adaptarse a una gama más amplia de necesidades industriales.
El campo de los modelos del mundo ya se ha vuelto bastante "concurrido", pero aún persisten desafíos pendientes, como la acumulación de errores en predicciones de larga secuencia, la última brecha entre simulación y realidad, y la estandarización de métricas de evaluación. Si la ruta de Wuyuan Technology logra tener éxito, significará que los modelos poseerán verdaderamente la capacidad de comprender el funcionamiento del mundo y predecir las consecuencias de las acciones; su valor no se limitará a escenarios individuales como robots o conducción autónoma, sino que podría convertirse en el estándar y cimiento subyacente del ecosistema de Physical AI, allanando el camino para que la IA trascienda del mundo digital al mundo físico.
(Fuente: Ifnar)
Fuente:Mostrar original
Descargo de responsabilidad: La información contenida en esta página puede proceder de terceros y no refleja necesariamente los puntos de vista u opiniones de KuCoin. Este contenido se proporciona solo con fines informativos generales, sin ninguna representación o garantía de ningún tipo, y tampoco debe interpretarse como asesoramiento financiero o de inversión. KuCoin no es responsable de ningún error u omisión, ni de ningún resultado derivado del uso de esta información.
Las inversiones en activos digitales pueden ser arriesgadas. Evalúa con cuidado los riesgos de un producto y tu tolerancia al riesgo en función de tus propias circunstancias financieras. Para más información, consulta nuestras Condiciones de uso y la Declaración de riesgos.
