点击关注
已关注公众号
当所有人都在卷更大模型、更多数据时，一家刚拿到数百万美元融资的公司，正在重新定义具身智能的底层规则 —— 先把物理算对，再谈规模化。
为什么资本押注「不性感」的物理地基？
2026年5月，具身智能底层基础设施公司Uncharted Dynamics宣布完成数百万美元种子轮融资，由险峰长青领投，资金将聚焦两大方向：高精度多体动力学求解器深度研发与北美商业化落地，为具身智能搭建真正可靠的物理底座。
这轮融资的价值，远不止一笔资金注入。过去两年，具身智能赛道陷入一个怪圈：模型越做越大、数据越堆越多，但机器人从仿真走向现实的成功率依然低迷。行业普遍把问题归咎于泛化能力不足、场景复杂度太高，却忽略了最底层的前提 —— 训练数据在物理上是否成立。
险峰长青的投资逻辑很清晰：具身智能的终极形态是世界模型，而世界模型的核心是对物理世界的精准预测。没有可信的物理地基，再大的模型都是空中楼阁。Uncharted Dynamics不走堆数据、卷模型的捷径，而是从动力学求解这一底层硬科技切入，恰好踩中行业最核心、也最被忽视的痛点。
本轮融资后，公司将加速求解器迭代，覆盖刚柔耦合、柔性接触、高精度形变等复杂场景，同时对接北美车企、航天机构及头部机器人企业，把物理真值能力转化为产业落地效率，填补全球具身智能底层基础设施的空白。
懂AI的大脑 + 算物理的硬核团队，优势在哪？
Uncharted Dynamics的核心竞争力，藏在智能 + 物理的双基因组合里，这也是行业难以复制的壁垒。
CEO贺哲文是典型的跨界学霸，拥有计算神经科学背景，深度参与过大语言模型规模化阶段，亲眼见证数据质量如何决定模型上限。她跳出AI行业的惯性思维，提出一个颠覆性判断：具身智能的能力天花板，从来不是模型参数，而是数据的物理真实性与结构合理性。这种从信息智能到物理智能的跨维度认知，让团队避开同质化内卷，直击行业本质问题。
物理侧团队则是不折不扣的「工业级硬核天团」—— 北美顶尖博士班底，长期深耕多体动力学与复杂系统建模，曾服务国际顶级车企、头部航天机构及北美头部机器人公司，从底层代码构建过高精度动力学仿真系统。他们懂工业场景的严苛要求，懂真实物理交互的细微痛点，更懂如何把理论算法转化为工程可用的求解能力。
一边是理解AI Scale逻辑的智能大脑，一边是精通物理建模的工程专家，这种组合让团队精准发现行业断层：从信息智能到物理智能，没有捷径可走，必须从物理底层重新搭建基础设施。
技术破局：只做「物理上正确」的求解器
行业最大的误区，是把语言模型的成功逻辑直接套用到具身智能上。语言模型可以靠海量数据迭代，但机器人面对的是物理世界，错误的物理数据，规模越大，误差越致命。
主流仿真求解器有明显短板：简单刚体场景尚能稳定运行，一旦进入刚柔耦合、柔性接触、动态形变等真实复杂交互，就会出现失真、穿模甚至解算失效。这就是为什么机器人在仿真里完美运行，落地现实就频繁翻车 —— 不是泛化差，是训练数据的物理前提从一开始就错了。
Uncharted Dynamics 的技术路线，彻底跳出这个陷阱：以高精度多体动力学求解器为核心，重构具身智能数据生产逻辑。
核心技术能力体现在三个维度：
- ● 复杂物理场精准解算
突破传统求解器的简化假设，精准计算接触瞬间的力、摩擦、形变等关键变量，覆盖刚柔耦合、柔性体交互、多物体动态碰撞等场景，还原物理世界的真实规律，让仿真数据与现实物理1:1对齐。 -
- ● 工业级稳定性与鲁棒性
针对机器人长期运行、高频率交互的需求，优化求解器收敛速度与计算稳定性，避免复杂场景下的解算崩溃，支撑大规模并行仿真训练，兼顾精度与效率。 -
- ● 原生适配 AI 训练
打破物理仿真与AI模型的壁垒，输出物理真值数据直接对接强化学习、世界模型训练，无需额外校准，大幅降低Sim2Real迁移成本，让模型学到真正可用的物理直觉。 -
简单来说，别家在生产「更多数据」，Uncharted Dynamics在定义「值得规模化的正确数据」。物理真值不是细节，而是具身智能规模化的底层地基。
物理真值如何解决真问题？
Uncharted Dynamics的求解器，已经在多个核心场景验证价值，直击行业痛点。
在人形机器人灵巧操作场景，传统仿真无法精准模拟手指与物体的柔性接触、摩擦力变化，导致抓取成功率从仿真90%以上暴跌至现实不足50%。搭载该求解器后，能精准计算指尖压力、物体形变、滑动趋势，让仿真数据完全贴合现实，抓取迁移成功率提升超30%，大幅减少真机试错成本。
在工业机器人柔性作业场景，面对橡胶、布料等易变形材料的装配、分拣，传统求解器因无法处理大形变与动态接触，导致动作卡顿、定位偏差。该求解器可实时模拟材料形变、接触力变化，实现微米级精准控制，让工业机器人适配更多柔性生产场景，缩短现场调试时间35%以上。
在航天/汽车高端装备场景，针对精密部件的运动仿真、耐久性测试，求解器能还原极端工况下的动力学特性，为结构优化、安全验证提供可靠数据支撑，替代部分高成本实体测试，缩短研发周期20%-30%。
这些落地案例证明：物理真值不是实验室概念，而是能直接提升产业效率的硬能力。从家庭服务机器人到工业产线，再到高端装备，精准的物理计算都是智能体可靠运行的前提。
行业思考：重新定义具身智能数据的生产方式
被视为具身智能的终极方向，它让机器人不再是模仿动作，而是建立对物理世界的理解与预测。但世界模型要真正落地，必须满足一个核心前提 —— 内部物理规则完全真实。否则模型模拟得越精细，离现实越远。
Uncharted Dynamics做的，就是为世界模型筑牢物理地基。它重新定义了具身智能数据的生产方式：从「尽可能多生成数据」，转向「生成物理上成立的数据」。这不是在优化现有路径，而是在重构行业的底层逻辑。
行业终会明白：具身智能的竞争，最终会回归到底层基础设施的竞争。谁能把物理算对，谁就能让机器人真正走进工厂、家庭，打开万亿级市场。
这家不卷风口、死磕物理真值的公司，或许正在书写具身智能的新范式 —— 先有可信的物理世界，才有真正的智能体。
往期推荐
融资10亿!上海国资重仓AMD前员工
吴夏青是谁？为什么离职英伟达创业？
点赞鼓励一下
图片来源：网络
本文不作为投资建议