ZPotentials获悉，近日，总部位于硅谷与新加坡的PranaLabs正式完成近千万美金种子轮融资，由元生资本、XVC、Creekstone、三七互娱联投资，澜松资本担任财务顾问。
与赛道中大多数致力于生成内容的公司不同，PranaLabs从创立之初就将自己定义为多模态基础模型公司（MultimodalAIFoundationModelCompany）。它的目标并非生成逼真的，也不是搭建静态的3D场景，而是规模化构建可交互、可验证、具备真实物理约束的多模态环境，作为训练下代通用智能的基础设施。
在PranaLabs看来，真正的多模态模型，不仅需要"看懂"世界，需要能够进入世界、与环境持续交互，并从真实反馈中学习物理规律。
01Code的成功与盲区：为什么AI的下站须是“物理沙盒”？
过去半年，"世界模型"成为AI域炙手可热的向之。过33公司相继入局，累计融资规模突破260亿元人民币，生成、3D重建、空间智能等概念层出不穷，行业试图共同定义AI的下阶段形态。但当行业热衷于生成逼真的像素或精细的3D网格时，个层次、根本的问题被集体忽视了：AI至今缺乏个可以“动手”学习物理规律的环境。
为什么是环境？因为Code已经证明了路径，也暴露了盲区
过去两年，大模型在编程域的跃迁令人瞩目。从OpenAI的GPT系列到Anthropic的Claude，代码能力的爆发式提升让数人惊叹。但这突破的本质，不仅在于模型架构的规模化（scaleup），关键、底层的因素是环境。
代码世界是个的沙盒系统。模型写出的每行程序，都能在编译器或解释器中运行并获得即时、明确的反馈，对错立判，毫模糊地带。正是这种毫秒的“行动—反馈—修正”自闭环，让大模型在编程场景中率先建立起了理能力与因果理解。模型在后果中学习，在试错中迭代。可以说，代码的沙盒属，才是编程能力骑尘的真正秘密。
然而，正是Code的成功，反衬出当前AI发展中个被严重低估的结构盲区：因为有的反馈沙盒，全行业顶的人才、力和数据，几乎自动且不可逆地涌向了编程任务；而需要物理理解的多模态智能，却因缺乏这样的环境而备受冷落。
这就致了个巨大的不对称。互联网提供了海量可“看”的数据（图片和），但模型法在其中“动手”。看过万次杯子落地的渭南橡塑胶厂家，模型依然法理：换个倾斜角度、换种材质，杯子会以怎样的轨迹碎裂。观察，永远法替代行动后的因果反馈。
这个缺口，恰好是多模态通用智能真正的瓶颈所在。大语言模型已经在代码沙盒中学会了理，但它们对物理世界几乎所知。而多模态模型虽然能看懂像素，却法理解像素背后的重力、碰撞、材质与因果。这是LLM重兵投入之外的大空白地带，也是多模态通用智能须跨越的道坎。
PranaLabs要填补的，正是从“观察”到“行动”之间缺失的环境基座——让多模态模型拥有属于它们的“编译器”。让AI不再只是观看世界的观众，而成为能够在世界中动手、犯错、学习、理解的操作者。
02游戏，被低估的"世界模拟器"，人类30年模拟世界的“暗线”
构建这样套世界系统所需要的技术，究竟从何而来？
答案或许藏在个看似与AI基础模型相距甚远，却对“逼近现实”投入、技术积累厚的产业——游戏。
之所以说秘诀在游戏，是因为从80年代的像素点阵到今天的虚幻引擎5，从简单的2D碰撞到复杂的刚体动力学、流体模拟、光线追踪，游戏行业对沉浸感与真实感的致追求，本质上是场持续了三十年的世界模拟实验。这条演进路线不是巧，而是人类对“创造另个现实”这终愿望的然投射。
几何建模决定世界如何被构造，物理引擎规定物体如何运动与碰撞，实时渲染负责呈现环境的变化，交互系统则让玩的每次操作都能得到即时反馈，过去数十年，游戏行业已经在这条路径上投入了数千亿美金和全球顶的工程人才，这些原本服务于游戏体验的技术被不断组、迭代，逐渐形成了套能够构建复杂、动态且可交互数字环境的完整工程体系。
这些技术演进的终点指向个向：逼真、可交互、有因果反馈的数字世界。如今，这套体系的价值，正在AI时代被重新认识。
下代多模态智能需要的，不只是可供观看的或静态三维场景，而是个能够让智能体进入其中，持续行动、反复试错并获得因果反馈的训练环境。从这角度看，万能胶厂家游戏产业三十年来积累的物理仿真、实时渲染、3D资产生产和交互机制，恰好构成了建造这类环境成熟的技术底座。
PranaLabs所做的，正是将这条长期隐藏在游戏产业中的技术路径渭南橡塑胶厂家，接入AI基础模型的演进之中。
它并非游戏公司，但游戏产业三十年沉淀下来的世界模拟能力——从物理引擎到实时渲染，从3D资产管线到交互系统——是其抵达目标短的路径、厚的积累、难复制的壁垒。站在巨人的肩膀上，才能以的率建造AI需要的训练场。
03套系统：构建“环境→数据→模型”的飞轮
PranaLabs造的世界生成系统，其核心产出不是段、张图片或个静态3D场景，而是限量、全可控、带完整物理标注的可交互3D世界。输入句话或张图，输出的不是像素，而是个可以走进去、动起来、有真实后果的数字空间。
这套系统具备三个核心特征，也是其与赛道中其他公司本质的区别：
，规模化。同条指令“生成间厨房”，系统可以输出上千种理且各不相同的世界——布局不同、材质不同、光照不同、物体摆放不同。规模化不是锦上添花，而是训练模型的硬前提。没有规模，就没有泛化。
二，全可控。空间复杂度、物体属（质量、弹、摩擦系数）、视觉风格、动力学参数——世界的每层维度都显式可调。底层仿真支持刚软复材料的全场景耦，工业接触建模，物理参数与真实世界对齐。这意味着PranaLabs可以按需生成特定难度、特定场景、特定物理规则的环境，为模型训练提供精确的课程设计。
三，可验证。这些世界天生物理理。重力存在，碰撞真实，因果关系成立。任何智能体在其中按下按钮、动物体、执行操作，都会得到真实的物理后果与自动的反馈信号。对就是对，错就是错——正如代码世界的编译器样。
正是这套系统，构成了PranaLabs通往多模态基础模型的、不可复制的核心飞轮：
面，交互环境能够持续生成包含、3D几何、物理状态、动作轨迹以及因果反馈在内的质量多模态数据；另面，这些环境本身又成为模型训练和验证的平台，动模型不断提升对物理世界的理解能力。而强的模型，又能够进步生成复杂、真实、可交互的数字世界，持续反哺数据生产与模型迭代，形成"世界生成数据，数据训练模型，模型再创造世界"的闭环。
这也是PranaLabs与传统数据路线大的不同。当整个行业困于真实世界交互数据昂的采集成本、缺失失败样本（现实中失败案例往往法被记录）时，PranaLabs的世界可以源源不断、边际成本趋近地供给带完整因果链的训练数据，失败轨迹费且限量供应。
对下代多模态基础模型而言，这意味着训练范式的改变，也是真正走向物理智能的关键步。模型学习的不再只是公开中的视觉模式，而是个能够持续行动、获得反馈、理解因果关系的物理世界。当行业仍主要依赖公开和互联网数据时，PranaLabs已经拥有了座能够持续产出质量交互数据的"世界工厂"。这也是其构建下代多模态基础模型难复制的竞争壁垒。
04团队：懂模拟技术与大模型的综团队
PranaLabs创始团队是支兼具前沿学术视野与大规模工程落地能力的全建制队伍。
核心成员来自Anuttacon（米哈游创始人蔡浩宇创立的AI公司）、米哈游、字节跳动Seed、GoogleDeepMind及国内头部大模型公司，毕业于NUS、ETHZurich、Cornell、北京大学、法国国信息与自动化研究所等顶校。这支团队既有从搭建实时物理仿真管线的图形学功底，也有支持数十万亿token量大模型训练的数据工程经验，横跨了大模型训练、底层图形学引擎、物理仿真、机器人系统四个域，具备业内为稀缺的全栈成建制能力。
团队同时拥有三位常驻硅谷的顶学术顾问，分别覆盖世界模型训练、VLM与多模态、LLM预训练与后训练，均来自全球顶大模型团队，为公司的技术路线设计、模型训练落地、湾区团队搭建提供度支撑。
这种特的技术基因，也塑造了PranaLabs对“世界模型”的不同理解：世界模型不是大的生成模型，也不是精细的3D重建工具。像素不等于物理，视觉逼真也不等于真正理解。参数规模可以提升生成能力，却法替代环境交互与真实反馈；物理因果需要模型在行动、试错与结果中学习。
因此，PranaLabs聚焦多模态通用智能向。当行业竞逐参数规模、时长和生成分辨率时，它选择构建让模型能够“亲自动手”理解世界的环境系统。在其技术体系中，环境与模型相互驱动：可交互、可验证的世界持续产出有数据，数据训练多模态模型，强的模型再反过来生成复杂、质量的世界。
对于这成立不久的创业公司而言，这轮融资不仅意味着多资源投入研发，也意味着资本开始押注另种世界模型的发展路径——竞争的，不再只是生成个世界，而是让AI能够真正生活、学习并理解这个世界。相关词条:铁皮保温 塑料挤出机 钢绞线 玻璃卷毡厂家 保温护角专用胶
奥力斯 泡沫板橡塑板专用胶报价 联系人：王经理 手机：18232851235（微信同号） 地址：河北省任丘市北辛庄乡南代河工业区
1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。
