2026 年 4 月成立的 Physical AI 初创公司厘清智能，在短短两个月内完成了数亿元人民币的种子轮融资。据《智能涌现》独家报道，本轮投资方阵容强大，包括顺为资本、红杉中国、高瓴创投、峰瑞资本、星连资本、水木清华校友种子基金、SEE FUND 等财务投资机构，以及智元机器人、灵心巧手、世纪金源等产业资本。
厘清智能的创始人是 97 年出生的清华大学人工智能学院助理教授李一鸣。他曾是英伟达 Vision & Robotics 研究员，在纽约大学读博期间与谢赛宁合作发表具身视觉推理成果，并获 2024 年度英伟达奖学金（全球仅 10 位）。目前团队约 50 余人，多为清华学生，平均年龄仅 23 岁。
与当前许多贴上“世界模型”标签的具身智能公司不同，厘清智能明确拒绝被简单归类为“世界模型公司”。李一鸣用《长安的荔枝》的故事作比：Physical AI 要解决的真实场景问题是“鲜荔枝”，而世界模型只是“运送荔枝的马”——仅是整套系统中的一个技术组件。他强调，公司的核心是构建一套数据与物理双轮驱动的 Physical AI Infra，包含自研的数据管线、世界模型和可微物理引擎。
这套系统方案的技术特点是全栈自研。在数据端，团队自研的全掌触觉手套等设备将单套成本从美元级别压至人民币量级，计划将数据采集量级从行业平均的几十万小时提升到百万至千万小时。在模型与仿真端，自研的可微物理引擎实现了 Real-to-Sim-Real 闭环，能建模流体、软体、弹塑性形变物体等复杂材质，让机器人在满足物理约束的虚拟环境中进行强化学习。据称，该方案仅需行业常规方案 1% 的真机数据量，即可训练出同等成功率的策略模型。
厘清智能的技术路线在当下具身智能赛道中显得颇为“重”。多数创业公司倾向于专注模型或硬件本体，而厘清选择从数据采集设备、数据管线、物理引擎到模型训练全部自建。李一鸣认为，只有打通所有环节，信息流才能在不同模块间畅通无阻，实现协同优化。这种软硬一体的人才在国内极为稀缺，也是清华为其提供人才平台的关键原因。
在商业化落地上，厘清智能现阶段以轮臂为主要硬件形态，优先切入工业、物流、零售服务、酒店运营、餐饮备料等 B 端场景。团队已与工厂、酒店、商场、厨房等场景方建立合作，计划快速积累百万小时级的真实人类操作数据。李一鸣预计，2028 年将是 Physical AI 规模化落地的关键节点，届时数采规模和电机密度都将实现跃升。
厘清智能的终极目标并非交付单一的机器人或模型，而是打造一套通用的 Physical AI Infra——类似 iOS 之于移动应用，让各类物理操作任务能规模化开发和部署。这套“荔枝系统”的底层，由原生世界模型架构与数据物理双轮驱动的训练评测基础设施共同支撑。在当前世界模型概念派系林立、估值泡沫膨胀的背景下，厘清智能以系统级方案和全栈自研路线获得一线资本押注，反映出市场对 Physical AI 从单点技术突破走向系统工程整合的期待正在升温。