息壤开物两个月估值5亿美元：客户和收入仍未披露

2026年9月23日，成立约两个月的息壤开物披露连续完成数亿元人民币种子轮和天使轮融资，估值达到5亿美元；36氪的融资报道记录了这一时间、规模和估值口径。这笔融资为物理基础模型研发提供了资金，但现有公开信息尚未给出息壤开物自身的付费客户数量或收入。

投资界的融资记录列出敦鸿资产领投，华控基金、三花控股、银杏谷资本、泽然资本等机构跟投。两轮各自融得多少、投资方按什么条件入股，公开信息没有细分；因此，数亿元融资和5亿美元估值分别代表融资规模与公司估值，不能直接当作销售额或经营现金流。

资金与团队：履历尚需转化为新公司的业务

募集资金计划投向原生物理AI模型的规模预训练、真实物理交互数据建设、核心研发人才引入和场景验证。这些用途指向一个投入密集的阶段：模型需要算力和数据，进入机器人场景后还需要与设备厂商一起完成适配、执行和复验。融资能支持这段研发过程，商业回报则取决于交付能否形成可重复的收入。

盖世汽车的团队报道称，息壤开物于2026年7月注册成立，创始人兼CEO李寅曾任华为云大模型CTO；张含望当时仍是拟出任联合创始人、首席科学家。李寅过往的大模型训练和行业项目经历，有助于理解投资方看重的执行能力。那些经历属于创始团队此前的工作，不能计入这家新公司的客户、订单或收入。

公司选择开发模型与配套工具，而非制造机器人本体。这使它可以尝试服务不同设备厂商，也把交付难点集中到跨设备适配上：机械结构、传感器和控制方式发生变化时，原有能力能保留多少，决定了同一模型是否真能反复销售。若每个新项目仍需大量重新采集数据和训练，收入增长也可能伴随近似等量的实施成本。

LPM路线的关键是跨本体复用

息壤开物研发的物理基础模型LPM，试图把环境状态、动作和结果联系起来，用于预测物理变化与规划动作。华控基金的论坛纪要记载了李寅的表述：“大模型真正解决的不是某个场景最后一公里的精度问题，而是泛化性问题。”这说明团队把跨任务能力放在研发目标的中心；模型能否在不同机器人本体上以可接受的成本迁移，还要看实际部署结果。

技术设想是让通用底座先学习物理交互，再用特定领域的数据调整能力，最终服务具体任务。对潜在客户而言，关键并非模型能否生成一次看起来合理的动作，而是同一种任务换到另一台设备、另一批物体或另一种环境后，成功率、恢复能力和适配工作量怎样变化。单次演示与连续运行回答的是不同问题，仿真中的表现也需要与真实设备上的结果分别记录。

这种复用能力直接影响定价空间。假如设备厂商能利用已有底座缩短新任务开发周期，模型提供商才更有机会把同一能力交付给多个客户；假如大部分工作仍留在逐项目调试，业务形态就更接近定制服务。现有公开信息提出了技术路径，却尚未给出足以比较不同机器人本体迁移成本的同口径数据。

数据、增训和评测能否连成生意

除了LPM，公开规划还包括XR数据平台、XR增训平台和XR评测平台。数据环节拟接入、清洗和标注多模态交互记录；增训环节拟把基础能力调整到客户场景；评测环节拟执行任务、定位失败，并让失败样本回到下一轮训练。三者连在一起，才可能让一次交付中积累的经验服务后续项目。

真实交互数据是这条链上成本最难忽略的一环。机器人运行产生的轨迹要与场景、动作和结果对应，失败案例还需要分辨问题出在感知、决策、控制还是设备本身。若数据格式和任务定义各不相同，平台即使能接收多家厂商的记录，整理和复用仍可能需要大量人工工作；有效数据的获取成本因而与模型训练成本同样影响交付利润。

评测的价值也要落到可比条件上。同一任务至少需要说明使用何种本体、物体与环境，运行持续多久，失败后怎样恢复，以及适配时新增了多少数据和训练工作。只有把这些条件与结果一并交代，客户才能判断平台是在减少重复研发，还是仅把原本分散的测试工作集中到另一套工具里。

5亿美元估值对应的商业验证

证券日报的商业路径报道将公司的规划分为L0通用物理基础模型、利用行业数据增训的L1领域模型，以及面向具体场景交付的L2应用模型；首个计划跑通的闭环是与机器人本体厂、场景方合作。这是产品和交付层级的设想，尚未说明客户最终按模型使用、增训、评测工具还是完整项目付费。不同收费方式会改变实施成本、收入确认时点和后续复购的含义。