近日，Physical AI Infra 平台公司厘清智能完成天使轮及天使 + 轮数亿元融资。

蚂蚁集团连续两轮加码，并领投天使 + 轮；CMC 资本、国汽投资、中金资本旗下基金、上海人工智能产业系列基金、中关村科学城基金、上海未来产业基金、德石投资、澄凯基金等机构跟投，顺为资本、世纪金源、峰瑞资本、水木清华校友种子基金等老股东持续追加投资，启观资本担任独家财务顾问。

本次融资将用于物理世界数据管线、模型研发与训练、物理仿真、能力评测、跨本体适配与部署系统，进一步完善厘清智能的 Physical AI Infra，加快技术研发与产品落地。

01 模型走向现实，还缺一层基础设施

人工智能已经在语言、图像和代码等数字环境中展现出强大的理解、推理与生成能力。但当模型离开数字空间，进入一台具体设备和一项真实任务时，问题随之改变。

现实环境始终处于变化之中。行动会受到空间、材质、力、速度和设备结构的共同影响。模型理解任务目标，不等于设备能够稳定执行；一项能力在某种硬件上成立，也不意味着它可以直接进入另一台设备或另一个现场。

从模型的认知与决策，到物理世界中的可靠行动，中间仍有大量问题需要被系统化解决。

厘清智能由此将公司定位为 Physical AI Infra 平台公司，建设连接模型智能与物理世界的基础设施平台。

平台覆盖真实世界数据采集与治理、模型研发与训练、物理仿真、能力评测、跨本体适配、部署系统和反馈迭代等环节。一方面，让真实世界成为模型可以学习、训练和验证的环境；另一方面，把模型能力转化为不同设备上可执行、可评测、可交付的任务能力。

厘清智能创始人李一鸣表示：
"模型正在快速进步，但真正进入现实，还需要解决数据、物理规律、设备差异和任务交付等一系列具体问题。厘清智能希望把这些环节连接起来，做成一套可以长期积累、被不同伙伴共同使用的基础设施。"

02 一个平台，连接产业上下游

在业务上，厘清智能从模型和终端两端进入市场。

面向模型厂商，公司服务于从前沿大模型到具身智能、Agent 等方向的研发团队，覆盖多模态、视频生成、物理世界模型等不同技术路线。这些团队虽然方向不同，但共同面临训练目标各异、数据规格不统一、评测标准缺失的问题。厘清围绕模型从研发到验证的完整链路，提供从采集工具、任务设计、数据生产到加工质检、能力验证的一整套服务，让数据真正匹配模型的能力目标。

面向终端客户，公司的核心定位是提供弹性解决方案 —— 不预设固定产品形态，而是从实际业务与现场约束出发，按任务灵活组合。终端场景的难点从来不是单点技术，而是任务、数据、模型、设备与现场环境之间的适配。厘清覆盖任务定义、数据采集、模型与设备选型、系统适配、现场部署及持续迭代，帮助客户把能力真正落到业务现场。

两端业务通过同一套平台连接。

设备侧的合作不断扩大平台可以适配的硬件范围；任务侧的合作则带来新的数据、需求、评测标准和真实反馈。这些积累继续进入模型研发、物理训练与评测体系，降低下一台设备的接入成本，也提高下一项任务的交付效率。

目前，厘清智能已推出 T1 系列数采手套和 Ego 数采设备，用于记录真实任务中的视觉、深度、手部姿态、接触和环境信息。围绕数据采集与治理、模型研发、物理训练、跨本体适配与部署系统，公司正在逐步形成一套完整的 Physical AI Infra。

厘清并不把 "通用" 理解为忽略设备与任务之间的差异。平台要做的，是把不同项目中的共性部分沉淀下来，把差异部分清楚定义，再通过工具、接口和评测体系，逐步减少重复开发。

真实部署也不再只是一次项目的终点。任务中产生的成功经验、失败案例和人工反馈，在明确授权与数据治理边界的前提下，可以重新进入训练、评估与版本迭代，成为平台继续改进的依据。

03 让智能自由流动

厘清智能由李一鸣创立。李一鸣现任清华大学人工智能学院助理教授、博士生导师，曾任英伟达研究科学家，博士毕业于纽约大学，长期从事空间智能、机器人学、基础模型与世界模型研究。

公司已组建一支跨学科团队，成员拥有多元教育与专业背景，在人工智能、工程技术和基础科学等方向具备交叉研发经验。

本次融资将用于物理世界数据管线、模型研发、物理仿真、能力评测、跨本体适配与部署系统，进一步完善厘清智能的 Physical AI Infra，加快技术研发与产品落地。

厘清智能将公司的长期方向概括为一句话：让智能自由流动。

它不意味着一个模型可以未经适配运行在所有设备上，而是通过基础设施不断减少重复建设，降低智能跨模型、跨设备、跨任务和跨场景开发与复用的成本。

让现实成为智能可以学习的环境，让模型能力通过不同设备进入真实任务，也让每一次真实使用产生的结果，成为下一次进步的起点。

厘清智能，让智能自由流动。

（来源：厘清智能）