在人工智能领域，一批年轻创业者正以独特视角推动技术边界。00后陈博远从北京大学元培学院毕业后，以逆矩阵创始人身份进入公众视野。这家成立仅数年的AI公司，凭借通用世界基座模型研发，在首轮融资即获得高瓴资本与北大系基金超千万美元支持，目前正推进新一轮过亿美元融资，估值突破50亿元人民币，成为00后创业者中估值最高的AI企业之一。
陈博远团队专注的Physis项目（希腊语"自然"之意），试图构建能理解物理规律的通用世界模型。与传统垂类模型不同，该模型强调跨场景迁移能力——从工业产线到游戏引擎，从具身智能到科学计算，均需遵循统一的物理约束。这种技术路线源于陈博远在北大期间的研究积累，其强化学习与大模型相关论文曾获ACL最佳论文，与DeepSeek团队同届获奖的经历，为其技术路线选择埋下伏笔。
面对行业对"基座模型"概念的质疑，陈博远直言市场存在认知偏差："许多团队仅用开源模型微调数据就宣称预训练突破，而我们选择从零搭建预训练架构。"这种技术洁癖在融资节奏上亦有体现，公司更注重技术突破而非资本扩张。这种理念使其获得智源研究院青睐，陈博远以创始人身份兼任行为世界模型创新中心负责人，直接向院长王仲远汇报。
智源研究院的布局颇具前瞻性。该机构已孵化银河通用、智谱AI等明星企业，其中三家估值超百亿。新设立的行为世界模型创新中心，专门支持通用世界基座模型研发，承担大规模前沿攻坚任务。陈博远的双重身份形成技术闭环：逆矩阵负责底层探索，智源中心推动场景落地，两者共同指向让AI理解物理规律的核心目标。
在技术路径选择上，团队提出"物理隐空间"概念。区别于大语言模型在token空间的扩展，世界模型需在抽象物理表征层面实现压缩。陈博远以人类认知类比："看到杯子将倒时，我们预判水流轨迹，这种推演发生在高维物理空间。"为此，模型需原生引入动作交互，通过"动作-状态"预测替代传统的文本预测，并借助强化学习完成因果验证。
数据策略体现团队工程智慧。面对具身智能领域的数据匮乏，他们构建三层金字塔体系：底层通过真实世界视频学习基础状态；中层利用第一人称视角数据建立动作-状态因果链；顶层则捕捉玻璃破碎等长尾物理现象。特别值得注意的是，仿真数据占比高达90%，这种"从易到难"的学习路径，显著降低了对真实工业数据的依赖。
团队构成折射出新一代AI创业者的特质。30人团队中既有奥赛金牌得主，也有大厂资深工程师，平均年龄00后的标签背后，是跨学科背景的深度融合。陈博远更强调"心态年轻化"："突破性创新需要打破路径依赖，这种特质不分年龄。"这种理念在智源研究院得到呼应，该机构始终将研究置于商业化之前，试图在具身智能时代复制DeepMind的成功路径。
当前行业对世界模型的发展阶段存在分歧。陈博远将其类比自动驾驶分级，认为多数现有模型处于W0-W1阶段，仅能生成连贯视频或简单交互。而通用基座模型需达到W2+水平，真正理解重力、接触等物理规律。他预测当模型在物理隐空间实现规模扩展后，将迎来属于自己的"GPT-3时刻"——不是基准测试刷榜，而是真实物理场景中的能力跃迁。
这场技术革命的潜在影响远超商业范畴。陈博远指出，Physical AI与国家新质生产力高度契合，低空经济、商业航天、智能制造等领域均需AI理解复杂物理系统。其团队拒绝成为垂直场景服务商，而是致力于构建物理世界通用基础设施，这种战略选择使他们在年轻创业者中显得尤为突出。当被问及是否属于"00后时代"时，他回应："这是属于所有相信物理规律、敢于底层探索者的时代。"
