36氪首发丨华为、高瓴等押注，物理空间智能基础设施公司完成超亿元融资

本文约4000字，建议阅读10分钟

作者 | 乔钰杰

编辑 | 袁斯来

硬氪获悉，以物理空间引擎为基座的空间智能Infra公司「乙太科技」近日连续完成种子轮及天使轮融资，累计融资规模超亿元。其中产业投资方包括华为哈勃、嘉立创、自变量、智元、中科第五纪、软通动力。财务投资方包括高瓴、深高新投、上海半导体、中平资本、芯能创投、交源资产、Neuron VC、德石、曦晨等。

乙太科技成立于2025年12月，致力于以物理空间引擎为核心，构建空间智能infra。公司创始人兼CEO 杨叶青曾任HTC VIVE Chief of Staff，中国区元宇宙事业部及软件和服务事业部负责人，从0到1主导开发了国内首款元宇宙系统平台。公司核心团队来自HTC VIVE、微软、京东、美团、北京大学、香港科技大学、北京航空航天大学等知名企业及院校。

杨叶青向硬氪介绍，乙太科技所专注的“物理空间引擎”，并非三维重建、数字孪生或空间数据的简单叠加，而是要解决空间如何被持续认知、统一表达并可靠运行这一更基础的问题。

语言模型让AI掌握了符号世界的表达能力，可以写文章、写代码、进行推理。但如果要让AI真正进入物理世界，还需要解决一个更底层的问题：现实与虚拟如何共享一套可计算、可运行、可翻译的空间语言。

过去的软件主要处理二维数据，例如文字、图片、表格和网页，但现实空间并不是一张静态地图。工厂的生产环境会不断变化，仓库会随着货物和人员的流动而改变，建筑现场也会在施工过程中持续重构。空间中的物体有位置、姿态、几何与材质，也有各自的物理属性与运动规律，并受到人的操作和环境变化影响。

因此，行业需要的不只是简单的三维扫描，而是一种能够持续理解空间状态与交互关系的底层能力。传统信息记录侧重于描述“是什么”，却难以完整表达“在哪里”、“如何运动”、“如何交互”以及空间整体如何持续演化。“这正是空间智能要解决的问题，也是乙太科技构建物理空间引擎的出发点。”杨叶青表示。

基于这一思路，乙太科技正在建设的物理空间引擎是一套依托空间认知数据打通现实和虚拟的底层认知系统。以空间数据为输入、高精度真值为基准，持续将现实空间编译为可计算、可运行、可迁移、可部署的空间表达，再借助现实场景反馈不断优化数据，为具身智能、世界模型以及各类行业应用提供底层支撑。

从技术架构来看，引擎自下而上包含输入层、核心能力层、空间资产层、平台层和应用层五层。输入层负责采集现实与虚拟环境中的多模态数据，包括视觉、空间定位、力触觉、惯性等传感器信息，为引擎提供原始空间数据，解决“空间里有什么原始信息”。核心能力层则对这些数据进行融合与时空对齐，识别空间结构、物体状态及交互关系，并结合物理约束，形成对空间状态的表达，解决“空间是什么状态、如何运行”。

经过处理的信息会在空间资产层沉淀为可加载、可编辑、可复用的空间资产。与单纯记录空间几何外观不同，这些资产还包含物体之间的碰撞关系、物理约束和交互属性，为不同场景的调用与复用提供基础。同时，乙太科技也在推动建立统一的空间资产标准，既用于评测空间表达的准确性与一致性，也支持不同行业在同一框架下直接调用空间能力，降低跨场景复用的门槛。

再往上，平台层通过SDK、API、多端部署及私有化部署等方式，将空间引擎的能力封装为可供不同设备和系统调用的服务；应用层则面向机器人、工业制造、汽车、建筑、物流、游戏、文旅、教育等行业，探索空间引擎的具体落地方式。

在数据输入层，乙太科技将空间数据分为两个维度：一是空间的物理结构，理解空间的形态与布局；二是人在空间中的交互数据，理解空间里发生了什么，以及人如何移动、操作和反馈。

现阶段，乙太科技优先关注人类双手及其交互数据。杨叶青介绍称，双手是人类作用于空间最直接的接口。抓取、推动、旋转、插入、装配和工具使用等动作，包含大量空间关系、操作经验与物理反馈。真正有价值的空间数据，不只是记录手部移动轨迹，还需要记录动作发生的位置、接触关系、空间判断、物体状态变化，以及任务执行过程中的反馈。

这些数据既可以用于具身智能和世界模型训练，也可以用于空间过程建模、物理交互生成等领域。例如，在工业领域，分析产线工人的操作路径，与设备、工装、物料之间的真实接触关系、力度反馈和状态变化，提取可迁移的操作逻辑与物理约束、识别工序瓶颈。

在游戏领域，游戏开发者无需从零构建场景与动作，可以实时调用现实锚定的空间资产，生成关卡、机关与跨端互动；物体具备真实物理属性，玩家可在UGC空间中自然交互，AINPC与数字人能理解物体位置、接触与状态变化并做出符合物理逻辑的反馈；真实操作数据反哺为可调用的空间资产，使场景随玩家行为持续演化，形成可运行、可编辑、可迁移的空间内容。

作为物理空间引擎最早关注的输入类型之一，人类交互数据记录的不只是“手移动到了哪里”，还包括人在什么环境中、为了什么目标、以什么方式作用于哪个对象，以及最终产生了什么结果。乙太科技希望以此为基础，构建能够服务所有需要理解、重建或操作空间的行业。

乙太科技团队拥有近十年的XR技术研发经验，经历从数字孪生、元宇宙到空间智能的演进，在空间定位、三维重建、人体与物体追踪、物理解算、多传感器融合及低延迟交互等方面积累了深厚的技术经验。

这些技术也是空间引擎处理空间数据的基础。以XR空间计算为例，系统不仅要确定设备自身的位置和姿态，还需要识别周围环境、追踪人体与物体的运动，并将不同传感器采集的信息统一到同一时空坐标系中。只有完成这些处理，才能准确还原空间结构及其中的交互关系，而不只是将现实画面叠加到虚拟场景中。团队希望将过去应用于XR空间计算的能力进一步抽象，用于处理更广泛的空间数据，并将其转化为可供机器人、世界模型等系统调用的空间信息。

据介绍，从技术实现来看，空间计算的核心是建立一套与现实世界实时同步的状态空间，持续感知并理解设备运动、环境几何结构、物体状态变化以及人与空间的交互关系，使视觉、动作、空间与物理约束在统一时空基准下保持一致，从而支撑可运行的空间表达，持续构建一个能够跟随现实变化而更新的状态空间。

具体到引擎的应用层面，杨叶青介绍，乙太科技目前已在机器人和世界模型等领域开展应用，相关合作主要围绕空间数据展开。团队过往曾服务于全球头部B端客户与海量C端开发者，覆盖文娱、游戏、工业、文物、医疗等领域，因此公司也在探索空间资产的直接应用。

例如，在游戏领域探索新的内容创作方式并降低制作成本；在手工与工业制造领域将老师傅的操作过程转化为可分析、可复用的空间资产，用于培训或辅助自动化修复。

目前，乙太科技正在搭建更为通用的空间计算能力，通过物理空间引擎构成一套完整的空间语言系统：向下连接真实环境和虚拟环境，向上连接不同模型、设备和行业系统，让空间能够被准确感知、结构化表达、持续编辑、物理模拟并跨端部署，让用户都能够理解、表达和使用空间。

以下为创始人问答节选：

硬氪：物理空间引擎和三维重建、数字孪生有什么区别？以及，如何理解3D生成路线的世界模型和乙太科技提出的物理空间引擎的关系。

杨叶青：三维重建主要回答的是某一时间点的空间长什么样，它解决的是几何还原问题，输出的是静态的、以观察为目的，但无法完整描述空间状态如何持续变化。一个空间要真正产生价值，还需要理解其中不断发生的变化，以及人与空间之间的交互关系。

数字孪生则更进一步，它会将物理世界中一些对象的状态映射到虚拟环境中，描述“现实对象处于什么状态”，让现实世界的设备、产线或建筑在虚拟空间里有一个对应的状态镜像。两者都可以成为物理空间引擎的输入和组成部分，但它们本身不解决“空间如何被持续理解、结构化表达、编辑、模拟和部署”。

物理空间引擎不仅要回答空间里有什么、对象在哪里、彼此什么关系，还要回答哪些对象可操作、人正在做什么、动作如何改变空间状态、虚拟变化能否在现实中成立。它不只还原空间，更让空间变得可计算、可运行、可调用。

我们理解世界模型的核心是生成世界，预测或生成世界下一时刻的状态；我们不做生成，而是负责表达空间的状态。这是两者本质上的区别。我们定位的是世界模型底层的基础设施，世界模型可以调用我们的能力，比如高质量的空间数据、可运行的空间资产和物理约束环境。我们将真实空间转化为可计算、可编辑的空间资产，世界模型则可以调用这些资产及相关空间信息。

硬氪：物理空间引擎的数据采集和现在常见的面向具身的数据采集有什么区别？

杨叶青：市面上常见的数据采集只是空间输入的一部分，具身的数据采集重点在“记录人做了什么动作”；而物理空间引擎的数据采集，重点在“记录人与空间的关系”——不仅采集手部轨迹，还采集动作发生的空间位置、接触关系、力度、意图、物体状态变化和任务反馈等信息。如果只服务于具身智能或世界模型训练，现有的一些数据可能已经够用；但如果要构建更完整、丰富的空间表达，就需要引入更多维度的信息，去回答“人在什么空间里、为了什么目标、以什么方式作用于哪个对象、产生了什么结果，以及这个空间如何被复用和运行”。

硬氪：在人类交互数据采集方面，乙太科技相比其他数采公司的优势是什么？

杨叶青：我们的优势主要体现在三个方面：第一，精度高，可以达到亚毫米级；第二，数据维度丰富；第三，在数据处理方面有较深的技术积累。

这些能力主要来自团队此前在XR空间计算领域的长期积累。XR本质就是把空间中的各种信息转化为可计算的信息。我们过去积累的空间定位、三维重建、多传感器融合等技术，在人体交互数据采集中都非常重要。

目前市场上的数据质量参差不齐，根本原因在于入口数据质量受硬件、软件与技术架构等多重因素共同制约，并非单一环节优化即可解决。团队依托空间计算技术的深耕，从源头硬件与算法、工程化软件实现，到全局领先的技术架构，形成了完整的能力闭环，从而在数据入口侧即保障高质量输入。这种优势并非依赖单一技术路径突破，而是源于全局架构层的系统性设计与持续演进，也正是公司深耕空间智能十余年所积累的核心壁垒。