量子位获悉，2022年清华特等奖学金得主吴海旭今年已开启世界模型创业，公司名为物原科技，已完成多轮融资、估值达数亿美元，投资方包括蚂蚁、美团、达晨财智、星连；其方向是搭载物理建模能力的世界模型，报道称技术思路一定程度上延续其GeoPT研究路线。
AI解读：该融资与估值信息来自量子位援引的知情渠道，物原科技未公开确认。
一名接近公司的知情人士对量子位称，该方案在技术思路上一定程度上延续了吴海旭一作论文GeoPT的研究路线。
GeoPT今年2月发表后引发讨论，提出通过合成动力学把静态几何提升到动态空间，让模型在无标签数据上学习粒子轨迹演化以获取物理直觉。作者包括吴海旭、其博士导师、清华软件学院长聘副教授龙明盛，以及MIT的何恺明和Wojciech Matusik。
吴海旭2016年入读清华软件学院软件工程本科，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，研究生阶段师从龙明盛，2022年获清华特等奖学金，2025年起在MIT CSAIL从事博士后工作。
他在ICML、NeurIPS、IEEE TPAMI等CCF-A类会议或期刊发表论文7篇，其中一作或共一6篇，代表工作包括Autoformer、PredRNN、Corrformer、Transolver、GeoPT等；量子位引用其谷歌学术被引数为29611。
量子位获悉，曾在2022年获清华大学特等奖学金的吴海旭今年已开启世界模型创业，公司名为物原科技。
报道称，物原科技迄今迅速完成多轮融资，估值来到数亿美元，投资方队伍中出现蚂蚁、美团、达晨财智、星连等机构。以上融资信息来自量子位，物原科技方面未有公开确认。
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。据接近物原科技的知情人士向量子位透露，该方案在一定程度上延续了GeoPT的研究路线。
GeoPT：从静态几何到动态空间的物理直觉
今年2月，吴海旭为一作的GeoPT在技术领域引起热议。该工作提出一种动力学提升预训练范式，通过合成动力学（Synthetic Dynamics）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来获取物理直觉。
论文作者中还包括吴海旭的博士导师、清华软件学院长聘副教授龙明盛，MIT的何恺明，以及MIT教授Wojciech Matusik——吴海旭博士后所在项目组的导师。
- GeoPT提出动力学提升预训练范式，用合成动力学把静态几何提升到动态空间
- 模型在无标签数据上学习粒子轨迹演化，以获取物理直觉
- 作者包括吴海旭、龙明盛、何恺明、Wojciech Matusik
吴海旭的学术履历
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纯数学与应用数学攻读第二学位。2019年暑期，他曾作为访问学生进入哈佛大学Visual Computing Group开展研究，导师为教授Hanspeter Pfister。
本科毕业后，他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，后来重点转向时序基础模型、时空预测、AI for Science、多模态世界模型等方向。2022年，吴海旭获得清华特等奖学金。
特奖答辩时，他已在ICML、NeurIPS、IEEE TPAMI等CCF-A类会议或期刊发表论文7篇，其中一作或共一6篇。其核心成果Autoformer首次系统性地将序列分解思想与改进的注意力机制结合，被称为长时序预测（LSTF）里程碑模型。此后他又发表PredRNN、Corrformer、Transolver、GeoPT等工作。
2025年起，他在MIT CSAIL从事博士后工作，GeoPT即这一时期的代表性工作。其博士后导师Wojciech Matusik是计算设计与制造领域学者，研究横跨计算机图形学、计算制造、机器人学等方向。吴海旭个人主页注明，其研究重点面向深度学习与科学机器学习，目标是为物理系统构建可扩展原则。
其研究聚焦物理系统与动力系统两大主题，分为三个方向：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）。量子位引用其谷歌学术被引数为29611。
- 2016年入读清华软件学院软件工程本科，次年起攻读清华数学科学系第二学位
- 2019年暑期在哈佛Visual Computing Group访问，导师Hanspeter Pfister
- 研究生阶段师从龙明盛，2022年获清华特等奖学金
- 2025年起在MIT CSAIL做博士后，导师Wojciech Matusik
- 谷歌学术被引数29611（量子位引用）