
投资界5月15日消息,专注于打造全球首创物理世界模型的LiberAI已连续完成种子轮、天使轮、天使+轮融资,融资金额数亿元,由真格基金、红杉中国、美团龙珠、顺为资本等一众头部基金联合押注。多维资本担任多轮独家财务顾问。
LiberAI的CEO是清华大学00后特奖获得者刘松铭,他将带领LiberAI团队从模型、数据、硬件搭建全栈系统,以物理智能为纵轴,目标推出 Scaling 曲线最陡峭的世界模型。
CEO刘松铭,身上的标签每一个都足够亮眼:清华特等奖学金得主(每年仅10人)、清华计算机系年级第一、师从视频生成模型顶流朱军教授、RDT系列一作、多篇国际顶会ICML、NIPS等一作。
创始人/CEO 刘松铭
在2024年,刘松铭由 AI for Physics 领域转向具身智能,主导RDT系列,发布全球首个使用大规模预训练+扩散Transformer范式的基座模型RDT-1B,领先硅谷公司的PI-0模型一个月。次年,他先于Generalist的GEN-0模型,提前一个月发布首个使用大规模UMI无本体人类数据预训练范式的具身模型RDT-2。在2025年年底,刘松铭投身创业,迅速完成核心团队搭建,带领 LiberAI 于4个月后发布全球首个高自由度灵巧操作具身基础模型。
作为一个拥有 AI for Physics + 具身复合型技术能力的创业者,刘松铭对自然科学及AI领域有长期思考。既往化学竞赛金牌的经历、以及自大三起在 AI for Physics 领域的科研探索,让他提前看到物理智能的重要性。目前,他带领团队提出LiberAI的世界模型路线,以Scaling斜率为指引,率先引入了模态对齐(让海量视频数据反哺稀缺的物理数据)与归纳偏置(把物理规律作为人类先验注入模型)这两个核心创新点。
为使得数采范式、本体设计及模型训练几个要素深度耦合,LiberAI团队从创业前期就有所准备。LiberAI的联合创始人林凡淇师从清华大学高阳老师,一作论文《Data Scaling Laws》曾提出模型的泛化性随着数据的多样性增加而显著提升这一规律,斩获ICLR Oral、CoRL X-Embodiment Workshop Best Paper等顶级荣誉,这些经验有助于LiberAI不断提高Scaling曲线斜率,降低高质量数据采集的边际成本。
除扎实的模型构建及训练能力外,LiberAI的重要特点是软硬协同,硬件团队的基因与崇尚Simple、实事求是的组织文化是进入Scaling飞轮的重要基础即协同定义模型与数采硬件范式,去Scale Up真正有价值的数据,一切为智能涌现服务。
在刘松铭看来,LiberAI 所做的并不仅仅是模型本身,而更接近于一种产品定义像苹果一样,去定义世界模型的数采范式、本体及系统。
在LiberAI看来,当前具身模型泛化性不足的重要原因是缺少因果建模关系因是力,果是运动状态。因此,模型无法理解物理世界中的大小、位置和力,不符合人类与物理世界交互的第一性原理,缺少力的信息则势无法理解运动规律,无法理解运动规律则无法对世界施加精准的“反作用力”,无法和人一样丝滑地操作工具完成长程任务。
沿此思路,LiberAI在模型架构做出如下创新设计:
其一,强调模态对齐,构建因果关联LiberAI将物理模态与视频模态在因果层面对齐,其中视频承载物体的运动状态(即“果”),物理数据则承载力与接触等核心信息(即“因”),二者之间天然存在的因果关系。模态对齐蕴含着巨大的价值:借助视频模态的强泛化性,显著提升物理模态的泛化能力,让少量物理数据撬动大规模视频数据,大幅降低数据成本、提升scaling速度。
第二,引入物理规律作为归纳偏置,加速模型收敛物理规律的引入,相当于给模型注入了人类的先验认知,帮模型圈定了正确的搜索范围,能够大幅加速模型的收敛速度。
“整体来看,我们认为世界模型领域需要系统级的设计。对齐物理模态对模型架构很重要,但也要从整合模型、硬件、数采这些角度,一起设计数据、感知与编码器好像是在搭建机器人领域的 encoder、tokenizer,并且确立一个清晰的评价标准。行业需要一家兼具模型和数采定义能力的玩家快速跑通,真正Scale Up起来选择走在一条正确的技术路线上,这是LiberAI这一阶段的目标。”创始人刘松铭表示。
在LiberAI看来,数据范式最关键的指标是scaling的边际成本,以及边际成本会随着scaling多快地下降。具体而言,数据scaling的曲线会分为两条,第一条是冷启动曲线,第二条是数据飞轮驱动的量产曲线。
在冷启动scaling曲线上,LiberAI选择押注基于人手的交互数据(搭配第一视角视频),这种方式最大的优势的是“无感、轻量、高效”采集过程不干扰人类正常操作,几乎可以采集人类可以完成的所有任务,且数釆管理与培训成本趋近于零,边际成本极低,是最适合真实场景真实工作流规模化的数据采集方式。从模型训练的价值贡献看,采集大规模人类物理数据是LiberAI提出“模态对齐”的重要前提。
LiberAI认为,质量上乘、更Scalable的数据集,及相应数采硬件将构成具身领域的模型“Infra”。在智能达成初步涌现后,智能与本体量产能力兼具的玩家将率先走上第二条scaling曲线数据飞轮。为此,LiberAI已在组织架构上做好准备,从成立之初即掌握软硬协同定义的主动权。
在创始人刘松铭看来:“我们是一家世界模型基模公司。但世界模型不仅有模型训练,而是要提前搭建好一整套系统。系统内每一环均为最快scaling而生,且环环相扣。我们有成建制的硬件联创团队、数据和硬件工程团队。目前阶段,模型的scaling是所有人共同的目标。当然,系统思维不等于全栈自研,我们的核心是产品定义像苹果一样,定义世界模型时代的数据采集方式、机器人本体形态,以及最重要的Evaluation Metrics(评价标准)”
于2026年4月,LiberAI在成立的第4个月发布了首个技术Demo,是全球首个高自由度灵巧操作的具身基础模型,搭载五指灵巧手实现双手剥香蕉、双手拧瓶盖、持锅颠勺等精细操作长程任务。
刘松铭认为,虽然具身领域的GPT时刻还未出现配资炒股入门知识,但行业玩家们共同的努力将让前路越走越清晰。他对“物理智能”的理解是:“我提出一个判断标准:无论是规划(planning)、记忆(memory)还是其他能力,本质都指向纠错能力。模型的纠错水平,直接决定了它距离物理世界的 GPT-3 有多近。真正的智能是:知道自己犯错、能够恢复、明确自身状态、预判世界变化。”
通盈配资提示:文章来自网络,不代表本站观点。