日前，清雁科技（北京）有限公司（下称“清雁科技”）宣布完成数亿元A轮融资。在2026世界机器人大会（WRC）期间，清雁科技首席技术官王凡系统性提出"几何物理驱动的物理AI框架"，并现场演示了该框架的多组实证。

清雁科技成立于2022年，由清华大学与北京雁栖湖应用数学研究院联合孵化，系北京市"专精特新"企业及国家级高新技术企业。公司以"模数共振"为核心发展主线，协同共建数据基础设施与物理AI基础模型。本轮融资由君联资本领投，苏州苏创投跟投，资金将主要用于物理AI基础设施与基础模型及其数据体系的研发。

王凡表示，机器人行业从来不缺令人惊艳的演示，缺的是能在真实世界长期可靠工作的系统。当前Physical AI（物理智能）尚未大规模落地——从实验室Demo到规模化部署，中间隔着三道门槛：泛化性、可靠性、持续学习。而行业普遍存在的问题是，单次成功并不等于可部署。

王凡认为，三道门槛并非孤立——它们分别指向物理AI架构必须同时回答的三个问题：如何理解世界（泛化）、如何验证判断（可靠）、如何持续进化（学习）。对此，清雁科技给出的答卷是一个完整的架构，即一个底座、两大范式。

具体而言，其一为底座，即基于几何物理理论的通用物体表征，对3D/4D物理世界进行高效建模。表征内嵌几何不变信息与物理约束，是泛化性的基础。其二为两大学习范式。可验证学习解决"如何告诉模型它的推想对不对"——世界模型预测未来，可验证检验预测，从而持续提升模型预测可靠性；持续学习解决"如何让模型部署后持续进化"——新场景越来越熟练，旧技能不轻易遗忘。“三道门槛与框架部件一一对应：几何物理表征回应泛化性，可验证学习回应可靠性，持续学习回应持续进化。”他说。

据悉，此轮融资后，清雁科技将持续投入物理AI 基础设施和基础模型研发与数据商业化双飞轮建设，加速具身智能与Physical AI的产业化落地。

王凡表示，下一步围绕“使物理AI从会演示走向长期、可靠地作业”这一目标，公司将沿框架的三个层次推进：基础设施与模型层——物理AI基础设施与模型及其数据体系的研发；验证层——可验证学习范式与面向世界模型学习的高效物理引擎；演化层——持续学习方向的深化，真正支撑机器人在真实世界的长期部署。