对话西湖数智创始人于开丞：走专用模型老路，具身智能进家庭要等上百年
新浪科技讯 8月7日晚间消息，近日，Physical AI通用物理智能公司西湖数智完成种子轮、天使轮系列累计超亿元融资，投资方包括英诺基金，东方嘉富基金、正轩投资、天启资本、西湖创新投资基金、金蚂投资等机构。
在与新浪科技沟通中，西湖数智创始人于开丞透露，现阶段公司已组建团队并正在推进基础模型研发，同时已与多家产业伙伴敲定合作，相关信息或将于今年9-10月集中官宣。
西湖数智成立于2026年1月，核心团队孵化自西湖大学自主智能实验室 AutoLab，创始人为于开丞——西湖大学自主智能实验室负责人，致力于构建隐式概念世界模型，面向自动驾驶、通用 机器人 、工业智能设备等场景提供物理智能通用基座能力。公司切入世界模型的起点，与于开丞早年在阿里达摩院自动驾驶实验室负责校园物流场景的技术实践密不可分。
在于开丞看来，传统自动驾驶走的是“渐进式拼凑”路线：早期纯靠手写规则，后来拆分出无数个小模型，分别管红绿灯识别、加减速控制，最后拼成一套“规则+学习”的混合系统。这套思路在规整的市政道路上可行，但放到开放、多变的环境里，泛化能力的短板立刻暴露。持续接触开放环境下的长尾与泛化问题，也成为团队后来探索世界模型的重要起点。
相比之下，当前不少具身智能方案以VLA或端到端模仿学习为基础，从大规模示范数据中学习感知、指令与动作之间的映射。这套方案不是学不会，而是效率太低。“就像国内开车习惯路口减速，模型靠几十万小时数据学会了；换到欧洲主路优先、路口不用减速的规则，它不会自己变通，得再采集几十万小时数据重新学。每换一个场景就要重采一遍数据，商业和技术逻辑上都不合理。”
基于此，西湖数智提出了“隐式概念世界模型”路线，通过模型设计与训练机制，在隐空间中学习可组合的概念表征与状态变化关系，并利用这些表征对训练中未完整出现的对象、场景和任务进行推演。让模型见过A场景、B场景，就能在隐式表征空间中组合推演出C场景，不用把C当成全新东西从零学一遍。
于开丞用“一生二，二生三，三生万物”形容这套机制的核心——不只依赖扩大数据规模，让数据沉淀为可迁移的概念表征，使模型能力随概念、任务、场景和本体的扩展而积累。让物理智能实现真正的自我进化，这也是机器真正有机会接近人类认知逻辑的路径。
据他介绍，尽管具身智能行业的“GPT-1时刻”仍未到来，但西湖数智的实测数据已经验证了这条路线的可行性：当概念拆解与关联机制建立后，模型相较传统模仿学习与强化学习基线，在未见场景中的任务成功率出现明显提升。
在于开丞的判断里，如果沿用专用模型的老路，对标自动驾驶十年、千亿级的投入周期，继续为每个场景分别堆数据和做适配，具身智能通往家庭等开放场景的周期会被显著拉长。而参考大语言模型的发展规律，只有基础模型先形成可迁移的通用表征，下游应用才可能从重复开发转向能力复用。（文猛）