04年北大「小天才」押注世界基座模型，要造中国版Neo Lab｜对话逆矩阵陈博远

不与世界交手，何以理解世界？

新物种 Sinovum 设立了「视界线（Event Horizon）」对谈栏目。

视界线，是黑洞的边缘——一旦跨过，既有规则将不再适用，变化变得不可逆。

我们借用这个概念，关注那些已经越过“临界点”的技术与企业：方向开始收敛，选择正在锁定，新的规则正在形成。

我们关心的是：在巨大的不确定性面前，他们如何看见未来？又如何以一个个关键判断为支点，推动整个行业越过那道无形的边界？

故事，正在视界线上发生。而「新物种」将成为忠实的记录者，与你一同见证。

以下是该系列的第 14 篇。

-Intro-

近日，「逆矩阵科技」完成超千万美元首轮融资，投资方为高瓴创投与北大系基金燕缘创投。两位创始人都是Z世代——26岁的吉嘉铭和21岁的陈博远，分别来自北京大学智能学院与人工智能研究院、元培学院。

2025年初，吉嘉铭入选了全球遴选的苹果学者（Apple Scholar），同年被评为北大学生年度人物。名列其中的还有作为CRO（首席研究官）的陈博远，他大一就扎进了实验室，接手的第一个课题，是让大模型用蒙特卡洛树搜索（MCTS）进行多步思考，这也是后来OpenAI o1和DeepSeek R1都涉及过的技术路线。

陈博远大三时，两人合作拿下了ACL 2025的最佳论文奖，全球共有四篇论文获此殊荣，国内的另一篇获奖论文来自梁文锋所带领的DeepSeek团队。

而现在，他们押注了世界模型（World Model）。

为什么是世界模型？陈博远给出了逆矩阵的答案：AI 正在迎来一个从虚拟世界走向物理AI的时代，在新的范式下，核心的规则是Interaction（交互）。

LLM大模型活在键盘里，而物理世界需要懂规律、能决策的智能。视频模型能生成逼真的画面，但难以做到物理正确，传统物理引擎又始终存在“sim-to-real gap”（仿真与现实之间的差距）。

所以他将建构物理世界的希望寄托在世界模型上。

“我们做的是world foundation model（世界基座模型），最终目标是理解物理规律，在世界中做决策。”陈博远对「新物种」表示，2026年底他们计划发布旗舰模型，此前会先开源预览版本。

世界模型吸引的不只有陈博远，还有现在逆矩阵团队里的同伴们，而一切的开始要从北大AI对齐小组说起。

北大对齐小组成员于维也纳获得ACL2025最佳论文奖

北大对齐小组是陈博远本科期间围绕“人机对齐”相关研究组织的学生团队，串联起了他的学术履历。

2025年初的一次户外团建让大家产生了最初的想法，当时陈博远、吉嘉铭一行人刚骑完四十公里山路，拐进一家烧烤店。串儿还没上齐，话题就从夜宵滑向了AI的下一站。从底层Infra怎么搭，聊到强化学习在真实世界的边界，不同视角的碰撞最终收敛成了一个笃定的共识：去啃硬骨头——在物理世界里做一个真正的世界基座模型。

几个月后，这支以零零后为主力的团队正式成立了。

“骑行有个词叫‘破风’，即车队里骑在最前面的人顶着风阻，为身后的队友节省体力，累了就换下一个人上前。每个人可能都会疲惫、掉链子和爆胎，但也都有自己不可替代的专长。创业同样如此，我们都会在某个阶段冲到前面，成为团队‘破风者’。” 陈博远说。

 01. 

 从图形学走向世界模型 

新物种：为什么你在现在这个时间段，选择世界模型作为创业方向？

陈博远：AI必然从虚拟走向物理，核心是交互。人先理解世界，再建模，然后执行并持续更新。

我们2022年就开始做世界模型——Yann LeCun 2021年系统讲过，但强化学习中的世界模型2019年就有了。我们认为真正的世界模型是：给定当前状态和动作，预测下一状态。比如拿起手机，手机升起；松手，掉下，这种世界状态的转移是物理AI需要的。

我们希望把它的规模做上去，做出懂物理规律的大模型。逆矩阵内部探索也让我确信：世界模型是下一代物理AI的核心。

目前自动驾驶到不了L4，具身因为泛化性问题落地难，游戏仿真的物理有硬伤，我们坚持的共识是：世界模型的泛化性正是答案。

新物种：你怎么看当前世界模型的不同技术路线？

陈博远：现在很多人对世界模型的理解就是建模世界。

有人说语言模型也是世界模型，它建模了语言世界本身。还有视频生成模型，比如国内的Seedance，国外的Google Genie，能生成流畅视频，像人类一样与世界动态交互，学会了世界的某种动态（Dynamics）。李飞飞主张的是3D Construction（三维建构），从零建构这个世界，比如理解手机应该在桌子上，瓶盖放在瓶子上面。

杨立昆主张的JEPA更多是在隐空间——把整个世界的像素用大量视频自监督学习，去发现世界的规律。你可能学到物体的轮廓，学到杯子上面应该有个杯盖，也可能学到深层次的物理规律，但它本身是不可验证的，你只希望损失函数达到最低，就认为它学到了某些东西，就像人类向量化或编码整个世界一样。

还有一些手工编写的物理引擎，也算世界模型。手工编写引擎能做到很精准的仿真，但一直有仿真到真实的鸿沟（sim-to-real gap ），很难接近真实世界。很多人都在努力弥补这个鸿沟。

新物种：你们为什么会从强化学习角度思考这个事情？

陈博远：我们一直在说，我们做的是世界基座模型，而不是专门为机器人或游戏服务的世界模型。

我们认为，无论哪种技术路线，最终目标都是要建构这个世界、理解这个世界、在世界中做决策。这三个环节最重要的是做到物理正确。

新物种：CVPR2025专门开了世界模型基准测试（benchmark）的研讨会，是不是大家现在对于世界模型的评估标准没有一个很明确的共识？你们是会沿用像WorldBench这样的已有基准，还是需要自己去定义？

陈博远：我们一定会自己去定义。

整个AI的能力上限一定取决于评估。已有的基准测试，它们可能只关注AI的某一个方面。在逆矩阵内部，我们认为最终想达到的通用人工智能，以及我们想拿到的世界模型，是一个能够理解、学习和运用物理规律、能够自主发现新规律的世界模型。人类也是在不断探索中发现新知识的。

对我们现在来说，我们更关注物理正确性的世界模型。视频生成是一种形态，动作输出也是一种形态，其他形态可能也是图形界面层的动作空间。

但关键一点是，它一定要理解物理正确性。

新物种：那你认为该如何建模物理正确性？

陈博远：不同技术路线有不同看法。学术界已有的成果给了我们很多启发，但我们自己也有一些内部的评估体系，去评估我们想做的世界模型的未来。

我们坚信首先要有一个星辰大海，至于怎么达到，肯定是自上而下地设计。评估确实决定了上限，但我们不能局限在一个静态的评估上。

新物种：假如你们自己去定义一个基准测试，会有什么样的标准或技术细节？怎么证明你们的基准是可行的、大家也可以参考？

陈博远：我们今年会发布自己的旗舰模型，希望能给大家带来不一样的视角。

对我们内部来说，基准测试上分数很高只是一个方面，我们更看重的是模型是否有规模化的能力。这是我们坚信的第一性原理，所谓的GPT-3时刻，不是因为它们在某个基准测试上分数很高，而是它们带来了规模定律的迹象，增加算力、增加数据就能带来更好的效果，让模型更懂语言、更懂物理世界规律。

所以我们内部非常坚信Scaling Law，我们想要去发现模型规模化的迹象，这是我们核心关注的事情。

新物种：强化学习之于世界模型，有点像RLHF（基于人类反馈的强化学习）之于ChatGPT。那物理正确性的奖励信号怎么来？

陈博远：强化学习会贯穿从预训练到后训练的整个过程。

世界的规律是分层次的，像物理和数学一样，是“验证容易但生成难”，评估比生成简单。这种任务用强化学习最高效。物理规则可以自主定义，比如牛顿定律、哈密顿量守恒、拉格朗日量守恒。

 02. 

 Z世代的理想主义 

新物种：你什么时候有创业的想法？什么时候明确一定要做？

陈博远：我一直以来的目标都是想要去做到超过人类智能水平的AGI，而且我认为这样的AGI一定要落地产生生产力的变革。

大二、大三时，元培院友深势科技的张林峰学长常回来分享，现在大家经常谈论的一个议题是“优绩主义”，我也想要跳出传统的评价体系，做自己真正想做的事情，学长们创业的故事给予我很多正向的引导。

当时我觉得创业需要两样：使命（做什么）和好团队（谁来做）。我想先找到真正有价值的问题。

2025年初时，我们更加坚信AI会带来巨变。逆矩阵内部一直强调用第一性原理理解问题，简单、直觉。大模型的“next token prediction”能规模化，强化学习能成功，都符合这个原理。

新物种：在你看来，这波做世界模型相关的创业者有什么共同点吗？

陈博远：我觉得世界模型的这波创业者特征很明显：一帮最年轻、最优秀的人去做最有价值和意义的事。

我们团队也凝聚了很多零零后“小天才”，比如IOI金牌的获得者等。后浪一定是推动AI的关键，所以我们以Neo Lab形式存在。

新物种：你和合伙人吉嘉铭是怎么认识的？怎么建立默契的？

陈博远：大一刚来北大我就在杨耀东老师组会上认识了嘉铭，我们第一篇合作的文章中了NeurIPS 2023，只是我的签证被拒了两次，没去成。我们虽然差6岁，但在研究方向、技术理想和日常交流中我们都非常契合，经常会一起畅聊未来。

我认为能走得远的创业团队不仅是战友，还是朋友、兄弟。

新物种：那你们怎么决定一起创业的？

陈博远：嘉铭拿到了苹果学者，全球遴选，那年大陆只有两位，北大一位，他是北大三年唯一。offer到手、签证已过，但他选择放弃。我们达成了共识：在AI浪潮里要有自己的浪花。

创业是在无人区探索。

2025年我们lab、纯北大团队独立做出了ACL最佳论文，那年共4篇，国内另一篇是梁文锋的 Native Sparse Attention（原生稀疏注意力）。

这在很多人，包括我自己看来是不可思议的，因为好像在大家的眼里，需要有一些公司的背景才能真正做出一些有意义的创新，但我们实现了从0到1的突破。

ACL 2025获奖名单

新物种：逆矩阵的团队都是“Z世代”吗？工作氛围怎样？

陈博远：我们的人主要分为两类。一是志同道合、有热情的年轻人，比如两个本科生自己鼓捣出新架构，表现很好。后浪推前浪。二是大厂核心工程人才，做Infra落地和基建。两部分耦合，这是我们独特的形式。

团队人数在二十出头，其中最大的是97年的，最小的同事才读大一、大二。我常把我们比作法拉利——小而五脏俱全，每个人都是掌舵人。

我一直坚持内部扁平化，没有OKR、没有部门、没有墙。随时全连接交流，每个人有发起权，能把自己的灵感应用到更大规模。当你擅长一样东西的时候，你的骄傲是来自自己的，而不是别人带来的与有荣焉的光环，大家一起决定这艘船的航向。

我觉得AI就是一帮最有理想主义的人，把虚无缥缈的技术理想做成、实现。那是出发点，后来才有了技术研讨和真正想去实现的东西。

新物种：那逆矩阵是你理想中的团队组织吗？

陈博远：无论是组织架构还是AI创新，都需要最聪明的人加上良好的协作方式。我们所有的成员，入职第一天，我们都会教大家如何用好AI，争取成为能够利用好AI工具提升生产力的，最“AI-native”的团队。

我的学术偶像是哈萨比斯（Demis Hassabis），他最近出了本自传。书里提到DeepMind内部有一个说法：有人问DeepMind想成为什么样的公司，回答是“获得最多诺贝尔奖的公司”。

这种信心背后是组织形式在支撑。两三个人做一个方向，但每个人都有充分交流的机会。有了灵光一现的想法，大家坐下来聊，没有职级高低，没有信息囤积，没有政治甩锅，一起把想法实现、放大，最终可能带来改变世界的突破。

这是我非常认可的组织形式，也是我们正在践行的。

 03. 

强化学习、AGI与本土答卷 

新物种：再回到四年前，为什么你想学AI？因为它“火”吗？

陈博远：我从小喜欢数学，也会自己去超前学习，比如在高中时我已经把大学数学了一遍。后面去打数学竞赛，学习方法、刷题，我感觉越来越过度拟合，突然有某一天我不想做竞赛了，于是转回普通高考路线。

2020年北大暑期课堂，是我第一次真正理解AI。

当时我还是高中生，也没有ChatGPT，公众认知还停留在人脸识别、语音识别。那堂课让我听到了不一样的：AI的终局会无处不在无所不能，也就是现在大家常说的“AGI”。回到高中后，我在纸上写下三个词贴在桌角：北京大学、元培学院和人工智能。

那颗埋下的种子，现在终于开花结果。

新物种：你和杨耀东老师怎么建立联系的？为什么选强化学习？

陈博远：大一一入学我就进组了，然后寒假时看AI文献，了解到CV（计算机视觉）、NLP（自然语言处理）和强化学习等方向。

为什么选强化学习？因为我觉得强化学习更加接近我们人类学习理解这个世界的过程，并且能够学习到真正通用泛化的技能。还有是我喜欢打游戏，从4399到王者荣耀。为什么不能教会AI像人一样打游戏、超过人类？AlphaGo和王者荣耀的“绝悟AI”背后都是强化学习。

陈博远（左二）与导师杨耀东（左三）同强化学习之父Richard Sutton交流

用骑自行车类比：看别人骑永远学不会，真正学会是在不断尝试中，有明确的奖励信号——摔倒了知道不对，能往前走就知道对了。强化学习就是在奖励信号下，通过self-play、探索利用，学会通用技能。这是最贴近人类学习的方式。

杨耀东老师2021年从UCL（汪军老师团队）回国。我大一旁听他的《多智能体系统》课，他看到一个大一新生觉得惊异。后面杨老师成为我的导师，教给我很多东西，其中最关键的也是建议我在AI浪潮里做真正有价值有意义的事。

新物种：你的科研经历是怎样一步步演进的，你主要关注的核心问题是什么？

陈博远：我做的第一个课题是尝试让大模型像人下棋一样，用MCTS（蒙特卡洛树搜索）多步思考，成了我后续科研的出发点。现在回看会发现OpenAI o1、DeepSeek R1这些强推理模型的思路和当时探索的一些技术路线非常像。

我其实是强化学习背景出身，研究强化学习在大模型这样复杂系统训练过程中的应用。很多人认为AI对齐就是在做价值对齐，其实不全面。

我认为我整个本科科研都围绕一个核心问题：如何监督更强大的AI系统？这里的监督有两层含义。一方面是Supervise，也就是如何提供奖励信号来让AI变得更加强大；另一方面才是Oversight，给AI系统装上安全的刹车。

但是强化学习一直是贯通的，包括我们在最早2023年就开始做一些强化学习背景的世界模型，2025年初一直在做一些学术的积淀，瞄准真正理解物理世界的世界基础模型。

新物种：强化学习怎么让大模型从“只会续写”变成能写代码、做数学的？

陈博远：如果回到2023年，我们会发现大模型虽然能够很好的像人类一样说话，但就是没办法回答1+1=几。这是因为世界的规律本就是分层次的，并不是所有人都是牛顿能够总结出重力。

是什么让大模型真正成为我们现在的Coding Agent，其实是强化学习（Reinforcement Learning, RL）的方法，通过明确的奖励信号，让模型做自由探索，最终涌现出了对于数学、代码等环境的理解。

强化学习是符合第一性原理的技术，也是唯一能够超越Human Intelligence Level的路线。无论是数学代码规律，还是物理规律，这种问题一定是用强化学习解决。

新物种：本科拿到NeurIPS口头报告和ACL最佳论文，其实能看出你的学术路是相对顺畅的，为什么不选择继续读博呢？

陈博远：我的技术理想是做一个真正懂物理世界的AGI，并且能够落地产生生产力的变革。

最近我在看格雷格·曼昆（Gregory Mankiw）的《经济学原理》，里面有一个定律叫做“边际效应递减”，意思就是如果一件事情你做的太久，跨过了某个阈值，你在单位时间的收益就会越来越小。所以继续读博对我的增益作用不大。

我相信我们是AI Native 的，没有路径依赖，会带来不一样的视角。

新物种：但很多人认为基座模型只有大厂烧得起钱，世界模型会不一样吗？创业公司做世界模型可行吗？

陈博远：一定是可行的。ChatGPT出来时OpenAI也不是大厂，一开始是实验室形式。DeepSeek也是初创公司，一帮最牛的人把最前沿的东西带出来。

世界模型和三年前的大模型一样，没有确切的路径，需要前沿探索。这种探索最需要最有冲劲、最没有组织架构限制的土壤。世界模型一定能在尚未定义的问题上带来创新。

新物种：你们不做专门面向游戏或机器人的世界模型，那会先选一个场景落地吗？

陈博远：我们想先把基座模型做好。太早关注商业化和产品化会分散精力，也容易陷入 Goodhart Law的泥潭，我们自己内部是觉得如果你的精力能够分成a、b、c、d，那为什么不专心把一件事情做好？

符合第一性原理的技术，简单、直接、能规模化，一开始会蛰伏，但一旦到技术爆发点就会指数级上升。我们全心全意先做好技术和模型本身这一件事。

新物种：你之前说2026年发布旗舰模型，现在有明确时间点吗？

陈博远：内部看到了一些有趣的规模化迹象。我们会在年底真正给大家看到不一样的东西——一个真正懂物理正确性的世界模型。过程中也会开源一些预览版本、基座模型，让社区做更多探索。

新物种：你提到海外有不错的学校给你发了offer，为什么会坚定地选择留在北大？

陈博远：元培学院教会了我两件事：一是追求学术自由，二是凭热爱去探索。

北大给了我们很多支持，让我从无知里面成长，收获了前行路上志同道合的伙伴。同时我们也想要接续北大前辈们的事业，在AI时代交出一份北大青年答卷。这是北大的答卷，也是我们本土的答卷，更是我和嘉铭的契合点。

不与世界交手，何以理解世界？我们希望给AI时代带来年轻力量和北大的声音，和让大家看到青年一代在本土原始创新过程中的力量。

文章来自于"新物种Sinovum"，作者 "企鹅、Oriana"。