幂级智能完成第三轮融资

11月4日，张通社获悉，物理人工智能（Physical AI）基础模型公司幂级智能（简称：幂级智能）完成第三轮融资，半年内累计融资金额达数亿元人民币，投资方包括北京、深圳头部国资、知名美元资本和顶级AI生态投资基金等，春华创投参投。

幂级智能成立于2026年1月，位于北京市海淀区，核心团队源自清华大学自动化系，致力于打造下一代物理世界基础模型，以世界模型与密集学习为核心，推动人工智能从理解物理世界走向自主学习与持续进化。

幂级智能联合创始人、首席科学家封硕为清华大学自动化系副教授、博士生导师，在密集学习与物理智能领域积累深厚，曾入选MIT TR35中国区榜单、获达摩院青橙奖；联合创始人、CEO石梦凯拥有清华大学自动化系本科、博士背景，曾联合创办自动驾驶公司并担任CTO，产业化经验丰富。团队还汇聚了来自国家实验室、字节跳动、头部具身智能公司的核心研发人才。

当前世界模型竞争多围绕视频生成、模型参数和机器人本体展开，幂级智能则回到更底层的问题：物理智能的来源是什么。团队认为，制约物理AI规模化的关键瓶颈不仅是模型架构和算力，更是可规模化的真实物理数据。为此，公司重点利用工业生产、日常生活等真实场景中自然产生的交互视频数据，构建低成本、可持续扩展的预训练数据体系，降低对特定机器人本体和昂贵动作标注的依赖，形成“场景产生数据、数据训练模型、模型反过来赋能场景”的飞轮。在技术层面，团队于2023年在《Nature》正刊发表密集强化学习研究成果并获选当期封面论文，在人工智能学术领域比肩谷歌DeepMind；该研究还获得Nature News & Views、Nature Podcast、Nature Videos等官方栏目的专题报道。团队提出并论证了智能学习中的“稀疏度灾难”——随着模型训练，数据学习价值可能指数级衰减，高价值数据稀疏分布在海量数据中；就此问题，团队提出密集学习理论与方法，利用模型自身内在信号自动识别和筛选高价值数据，提高数据信息密度与学习效率。公司进一步探索自主进化训练体系，让智能体主动发现能力边界、动态创造更具挑战性的任务，通过真实交互持续提升能力。