Transfyr获2500万美元融资 加速物理AI发展
人工智能正在从数字世界走向现实世界，而这一转变背后，一个长期存在的问题开始浮出水面：机器如何真正理解物理环境。
物理 AI 公司 Transfyr 日前宣布完成 2500 万美元种子轮融资。本轮融资由 General Catalyst 领投，Lux Capital、Breakout Ventures、Factory、Neo、SV Angel、MVP Ventures、Underscore VC、Lyda Hill 以及多位天使投资人参与。
Transfyr 的方向并不是训练一个更大的通用模型，而是试图解决 AI 进入科研、制造和工程领域时遇到的数据瓶颈。
目前，大量科学实验和工业流程仍依赖人工记录、专业人员经验以及非结构化数据。实验结果可能存在于实验日志、设备文件、图像资料甚至工程师个人经验中，这些信息对于人类而言容易理解，但对于 AI 系统来说并不容易直接利用。
Transfyr 希望建立一种连接物理世界与数字系统的数据基础设施，将科学实践中的原始数据转化为机器可读形式，并进一步推动 AI 与自动化系统形成闭环。
简单来说，传统 AI 更多是在已有数字数据上学习，而物理 AI 需要让模型理解真实世界的运行规律。机器人需要知道材料如何变化，实验系统需要理解环境反馈，自动化设备也需要根据现实结果不断调整策略。
这也是近年来 AI 产业投资方向变化的一个缩影。
过去几年，资本市场主要围绕大模型、算力和数据中心展开竞争。但随着模型能力提升，行业开始寻找下一阶段增长点。如何让 AI 从“生成内容”走向“执行任务”，成为新的产业焦点。
类似趋势已经出现在机器人、自动驾驶、智能制造等领域。英伟达持续推动机器人基础模型，谷歌旗下 DeepMind 也在探索 AI 与科学研究结合，而大量初创企业则试图在垂直领域建立专用 AI 系统。
Transfyr 的切入点更偏底层。它关注的是数据链路问题，即如何让现实世界产生的数据进入 AI 系统，并形成可持续学习机制。
这类公司往往不会像聊天机器人那样快速获得大量用户，但一旦进入实验室、工业生产线或研发体系，可能形成较强的基础设施属性。因为真正影响 AI 落地速度的，不只是模型参数规模，还有数据获取、处理和反馈能力。
当然，物理 AI 仍处于早期阶段。现实世界的数据复杂度远高于互联网文本和图像数据，设备兼容、行业标准、安全要求都会成为商业化过程中的挑战。
Transfyr 此次融资说明，投资者正在寻找下一批 AI 基础设施公司。未来几年，AI 竞争可能不再只是模型之间的比拼，而是围绕“谁能让机器更好地理解和改变现实世界”展开。
从这个角度看，连接物理世界与数字智能之间的桥梁，可能会成为 AI 下一阶段的重要战场。