如果你是3D打印愛好者，一定有過類似的經歷：想給耳機設計一個分層收納盒，翻遍模型庫也找不到適配尺寸的現成方案。
現有市場上的解決方案卻各有缺陷。人工建模產能低、成本高，無法跟上工業端與創客端同時膨脹的需求；通用AI生成的3D模型則更像一具「空殼」，內部沒有尺寸標註，沒有裝配邏輯，修改一個孔距就得全部重繪。放到模擬環境中物體會直接穿模，導出列印時更是無法拼接。
3D打印無疑是全球增長最受關注的賽道之一，但結構化、可編輯的物理3D數據卻極度稀缺。就在這個行業真空裡，一家年輕公司浮出水面——由AI生成向量3D模型的BitInf。
不久前於 WAIC 期間，中央電視台對這家成立僅一年多的創業公司進行了報導，鏡頭對準的是一支全由 90 後組成的團隊。一年前，擁有多年海外 AI To C 創業經驗的李士麒，敏銳捕捉到物理 3D 數據的空白，攜手華為 Pangu 大模型 第 2 號位周平義博士等前沿團隊創辦了比特無限。
構建真實世界的物理3D數據飛輪，比特無限走出了一條獨特路徑：以3D列印與全球海量Makers為入口，自研模型Arko-T在文生物理3D任務上已達全球SOTA水平，海外平台獲超百萬曝光。
投資界獲悉，繼4月官宣種子輪後，比特無限又連續完成了天使輪與天使+輪融資，集結了卓源亞洲、容億投資、普華資本、壹德資本等知名機構。「不到三個月，估值漲了10倍。」7月，投資界在上海模速空間見到比特無限CEO李士麒。
李士麒判斷，生成式物理3D的GPT時刻已近在眼前。「誰能率先補齊物理3D數據短板，誰就能握住物理AI時代的入場券。」
95後率領華為盤古2號位
三個月估值增長10倍
今年6月，“AI教母”李飛飛發表長文，將世界模型拆解為三層結構：Renderer（渲染器）、Simulator（模擬器）和Planner（規劃器）。
她認為，模擬器是其中影響最深遠的一環，其輸出是一種在幾何、物理和動力學上忠實呈現世界狀態的結構化表達，可作為人類與電腦程式進行計算的基礎與互動的對象。機器人訓練、自動駕駛測試、建築可視化、工程模擬乃至藥物研發，都依賴模擬器這一核心載體。
幾乎在同一時間，峰瑞資本創始合夥人李豐也提出了類似的判斷：世界模型和物理模型之所以成為具身智能領域最大的投資熱點，根源在於「沒有數據」——人類從未大規模累積過包含物理量和物理世界交互規律的數據。
早前，李士麒已看穿前沿行業的數據真空，深感構建自主可循環的數據引擎迫在眉睫，「我們需要一個能持續從『真實世界意圖與交互反饋』中產生數據的引擎。」
而回顧過往，只有少數數據引擎能真正形成規模化飛輪，如谷歌靠全網文本標註形成第一代視覺數據引擎，特斯拉則以車輛採集路況搭建第二代 FSD 數據閉環。二者共性都是以海量普通用戶的真實交互為數據源頭。
李士麒將目光投向了另一個群體——全球5億Makers和1億活躍3D打印用戶。使用比特無限Sparkoh.ai，用戶只需用自然語言描述想法或畫一張簡單的草圖，系統便能自動生成可打印的實體3D模型。而用戶每一次修改、每一次反饋，都會回流到模型中，讓下一次生成更加精準。如此，比特無限便能從一個工具，慢慢長成一個有生命的實體3D數據引擎。
BitUnlimited 產品 demo 影片
一支AI大牛隊伍迅速集結。聯合創始人周平義，36歲，武漢大學工學博士，是華為 Pangu 大模型 初代創始成員、第二代盤古萬億MOE大模型的二號核心研發人員。在全球範圍內，主導過萬億參數大模型完整訓練的人大約只有3000個，其中70%在海外大廠，20%在科研機構，全職創業的堪稱鳳毛麟角，周平義是其中之一。
比特無限聯合創始人 周平義
CEO 李士麒，擁有多年海外 AI To C 創業經驗，先後打造兩款海外百萬月活 AI 工具，深諳歐美創作者社群運營；CTO 陳立韜，擁有 6 年華為仿真與後訓練全棧經驗，既懂物理約束落地，也懂大模型部署。
在創業初期，比特無限幾乎處於「水下」狀態。周平義博士率隊埋頭研發全球AI生成向量3D專用模型，同時低調完成了三輪融資。今年4月，種子輪浮出水面，由清華系卓源亞洲領投，後者曾投資生數科技、基流科技等明星AI項目。隨後天使輪和天使+輪相繼完成，累計融資4500萬元，投資方包括容億投資、普華資本、壹德資本等機構。
一個值得注意的信號是：容億投資此前布局了宇樹科技、銀河通用等具身機器人本體公司；普華資本也投資了智平方等具身獨角獸。如今，他們不約而同地將目光投向了比特無限——卡位物理3D數據這一關鍵環節。
邏輯並不複雜。人形機器人賽道已湧現宇樹、銀河通用等頭部本體公司，正在爆發的3D打印、工業設計、通用世界模型等市場也在高速擴容，但支撐全行業迭代的標準化物理3D數據基礎設施仍顯空白。誰能在這個環節佔據位置，誰就有機會成為下一代AI基礎設施領域的超級玩家。
這或許是一場新的 FOMO。對投資人而言，物理 3D 數據是通往下一範式的關鍵拼圖，卡位意義不言而喻。正如比特無限從水下浮出，三個月內估值增長十倍。據透露，公司新一輪融資正在進行中，前來對接的投資人明顯多了起來。
自研模型 全球 SOTA
讓 AI 真正理解物理世界
BitUnlimited 走了一條不太一樣的路。
目前市場上的 3D 生成大多是在傳統建模軟體上疊加 AI 功能，本質上仍圍繞軟體指令和人工操作。比特無限從一開始就面向 AI-native 交互重構了整個設計流程——讓 AI 理解空間幾何、結構關係和運動規律，將描述直接轉化為可編輯、可製造的實體 3D 模型。
The underlying logic of this system is a parametric code generation model, inherently equipped with structural information and editable attributes, ready for direct use in 3D printing, robot simulation, and Physical AI training.
在 3D 打印的場景中，用戶以自然語言描述需求，系統自動完成任務拆解、代碼生成、執行驗證和多輪修正。這正好契合創客最真實的需求——他們要的不是「好看的模型」，而是「能用的模型」，例如帶滑軌的抽屜必須能順暢拉開，每個部件的尺寸和摩擦係數都經得起物理檢驗。
支撐這一切的是比特無限自研的專用物理 3D 大模型 Arko-T。
大多數 Text-to-3D 模型生成的是形狀，而擁有 40 億參數的 Arko-T 則生成可編輯的設計。在 Text2CAD-Bench 標準評測集上，將 Arko-T 與 7 款前沿通用大模型進行了 12 項指標的全面對比，其中 8 項排名第一，另有 3 項指標位列第二，推理成本僅為 ChatGPT、 DeepSeek 僅為通用大模型的十分之一甚至更低。
數據是另一道護城河。周平義介紹，比特無限的訓練數據來自兩部分：一是自有千萬級端到端數據工程；二是面向全球上億DIY愛好者的免費建模工具 sparkoh.ai，用戶每一次修改和調試都會回流至模型中，自動完成後續訓練優化。
這套閉環的複製門檻並不低。成立僅一年，比特無限已成功打通規模化數據生產的路徑。更重要的是，用戶增長正在加速。隨著 Sparkoh.ai 在全球 Makers 社區中的口碑擴散，越來越多用戶開始使用自然語言生成可列印模型，每一次使用都在為數據飛輪注入新的動力。
即使大型企業不缺算力，但要組建成熟的海外創作者運營團隊並累積大量活躍用戶並非易事。而比特無限已具備先發優勢，並持續提供真實的製造反饋數據。
比特無限自研的 Harness Agent 調度框架，則打通了從創意到實物的最後一環。傳統工業建模軟體介面陳舊、操作割裂，Harness 搭建了一個全自動化閉環：拆解用戶需求、生成結構化模型、自動校驗尺寸和裝配問題，不合格自動迭代，全程無需人工介入。
在商業化層面，比特無限採取雙線並行的策略：C端面向海外Makers的Web Agent採用Token訂閱計費模式；B端向工業設計、機器人仿真及Physical AI研發企業開放API接口，客戶可按需批量生成符合OpenUSD標準的仿真資產。
一個雙向並行且互相反哺的商業化循環逐漸清晰——C端累積的互動數據讓模型持續迭代，更強的模型產出更高品質的物理3D數據，反過來供給B端機器人企業。
英偉達、智譜看中了
迎接物理 3D「GPT 時刻」
成立僅一年，比特無限已經手握幾張關鍵「門票」。
不久前，團隊加入英偉達 Inception 創初加速計劃，在智譜官方生態合作夥伴名單中，比特無限也是最年輕的面孔。此外，公司進駐上海模速空間，享有 AI 算力專項補貼。
在國內初創圈中，同時具備英偉達 Inception 會員資質、智譜官方生態合作身份及模速空間算力扶持通道的企業並不多見。三方生態資源疊加，能為團隊在算力成本、大模型適配與商業落地渠道上提供切實支持。對於一個成立僅一年的早期團隊而言，這些都是實實在在的成本節省與效率提升。
但在李士麒看來，更深遠的意義不止於此。這些資源正在將比特無限推向一個更關鍵的位置，使他們距離生成式物理3D的「GPT時刻」更近了一步。
回望互聯網時代，海量文字數據催生了大語言模型。ChatGPT 的出現抹平了創作門檻，普通人無需學習複雜的提示詞工程，更不必懂得 Transformer 架構，僅憑自然語言就能自由完成各種文字創作。
如今步入物理AI時代，人類需要海量貼合真實幾何與力學規則的三維數據，才能讓機器人、智能製造真正落地。但行業正處於一個尷尬的斷層中：需求端渴求物理真實的交互數據，供給端AI卻只能產出「視覺空殼」。
挑戰的另一面是機遇。看清了物理3D數據引擎的長期剛需，李士麒篤信，生成式物理3D賽道很快將迎來它的“GPT時刻”。到那時，無論是3D列印創客，還是工業與機器人領域面臨的數據真空，都將被深刻改寫。
最直接的是 3D 打印行業。製造門檻徹底下放，你腦海中閃過的創意，當天就能設計、列印、使用。當然，這將進一步推動 3D 打印市場走向真正的爆發。
Industrial product development will be the area with the most noticeable efficiency improvement. Engineers no longer need to spend large amounts of time drawing basic components; AI automatically generates solutions with complete assembly relationships and dimensional constraints, significantly reducing R&D cycles and labor costs.
「機器人訓練的效率，正被‘建模’這個環節卡住。誰能率先突破，誰就拿到了具身智能時代的入場券。」如周平義所言，當下最熱的具身智能與世界模型領域或許是受益最深的。中層仿真資產的供給瓶頸一旦解除，機械臂、人形機器人的虛擬訓練素材將不再是稀缺品。通用機器人落地的速度，可能比大多數人預想的更快。
在比特無限內部，抵達這個時刻的時間表已經明確——從當前階段到生成式物理3D的GPT時刻，窗口期大約18個月。
時鐘已經撥動。這家從 3D 打印數據痛點起步的初創公司，正把每個人的設計、試錯、修改，轉化為驅動 AI 進化的養料，試圖重構工業製造與具身智能的底層供給體系，一步步搭建起連接數位代碼與真實物理世界的底座。
「所想即所得」——這一幕或許此刻聽起來遙遠，但回望2022年底ChatGPT剛推出時，誰又能想到兩年後的大模型江湖會變成今天這個樣子？此時此刻，已是拐點前夜。
本文來自微信公眾號「投資界」（ID：pedaily2012），作者：周佳麗