清华特奖得主创业世界模型，3个月估值数十亿

量子位获悉，曾获2022年清华特奖的吴海旭已于今年开启世界模型创业，公司名为物原科技，已迅速完成多轮融资，估值达数亿美元，投资方包括蚂蚁、美团、达晨财智、星连等一线机构。

今年2月，吴海旭作为一作发表的GeoPT工作引发技术领域热议。该工作提出全新动力学提升预训练范式，通过合成动力学将静态几何“提升”到动态空间，让模型在无标签数据上通过学习粒子轨迹演化获取物理直觉。论文作者还包括清华软件学院长聘副教授龙明盛（吴海旭博士导师）、MIT何恺明及MIT教授Wojciech Matusik（吴海旭博士后项目组导师）等。据接近物原科技的知情人士透露，吴海旭此次创业选择从搭载物理建模能力的世界模型切入，技术思路一定程度上延续了GeoPT的研究路线。

吴海旭2016年进入清华大学软件学院软件工程专业读本科，次年起在清华数学科学系攻读纯数学与应用数学第二学位。2019年暑期曾作为访问学生进入哈佛大学Visual Computing Group，导师为Hanspeter Pfister。本科毕业后在清华软件学院读研，导师为龙明盛。龙明盛课题组早期研究迁移学习，后转向时序基础模型、时空预测、AI for Science、多模态世界模型等。2022年吴海旭获清华特等奖学金，答辩时已在ICML、NeurIPS、IEEE TPAMI等CCF-A类会议/期刊发表论文7篇，其中一作/共一6篇，核心成果Autoformer首次系统性将序列分解思想与改进的注意力机制深度融合，被称为长时序预测里程碑模型。此后他又发表PredRNN、Corrformer、Transolver、GeoPT等工作。2025年起他前往MIT CSAIL从事博士后工作，GeoPT为这一时期代表性成果，博士后导师Wojciech Matusik是计算设计与制造领域知名学者，研究横跨计算机图形学、计算制造、机器人学等方向。

吴海旭个人主页显示，其研究重点面向深度学习与科学机器学习，目标为物理系统构建可扩展原则，聚焦物理系统与动力系统两大主题，分为基于物理原理的可扩展骨干网络（Autoformer、Corrformer、Transolver）、端到端物理基础模型（TimesNet、Unisolver、GeoPT）、领域感知型科学学习系统（Flowformer、Transolver++、FlashBias）三个方向。截至目前，其谷歌学术被引用数为29611。