如果你是3D打印爱好者，一定有过类似的经历：想给耳机设计一个分层收纳盒，翻遍模型库也找不到适配尺寸的现成方案。

市面上现有的解法，却各有硬伤。人工建模产能低、成本高，追赶不上工业和创客两端同时膨胀的需求；通用AI生成的3D模型则更像是一具“空壳”，内部没有尺寸标注，没有装配逻辑，改一个孔距就得全部重绘。放到仿真环境里物体会直接穿模，导出打印更是拼接不上。

3D打印无疑是全球增长最受关注的赛道之一，但结构化、可编辑的物理3D数据却极度稀缺。就在这个行业真空里，一家年轻公司浮出水面——AI生成矢量3D模型的比特无限（BitInf）。

不久前WAIC期间，央视对这家成立仅一年多的创业公司进行了报道，镜头对准的是一支全90后团队。一年前，有着多年海外AI To C创业经验的李士麒，敏锐捕捉到物理3D数据的空白，携手华为盘古大模型2号位周平义博士等前沿团队创办了比特无限。

构建真实世界的物理3D数据飞轮，比特无限跑出了一条独特路线：以3D打印与全球海量Makers为入口，自研模型Arko-T在文生物理3D任务上已达到全球SOTA水平，海外平台收获超百万曝光。

投资界获悉，继4月官宣种子轮后，比特无限又连续完成了天使轮与天使+轮融资，集结了卓源亚洲、容亿投资、普华资本、壹德资本等知名机构。“不到三个月，估值涨了10倍。”7月，投资界在上海模速空间见到比特无限CEO李士麒。

“谁能率先补齐物理3D数据短板，谁就能握住物理AI时代的入场券。”李士麒判断，生成式物理3D的GPT时刻已近在眼前。

95后率队华为盘古2号位

三个月估值涨10倍

今年6月，“AI教母”李飞飞发表长文，将世界模型拆解为三层结构：Renderer（渲染器）、Simulator（模拟器）和Planner（规划器）。

她认为，模拟器是其中影响最为深远的一环，输出的是一种在几何、物理和动力学上忠实呈现世界状态的结构化表达，可以作为人类和计算机程序进行计算的基础、交互的对象。机器人训练、自动驾驶测试、建筑可视化、工程仿真乃至药物研发，都依赖模拟器这个核心载体。

几乎同一时间，峰瑞资本创始合伙人李丰也抛出了一个类似判断：世界模型和物理模型之所以成为具身智能领域最大的投资热点，根源在于“没有数据”——人类从来没有大规模积累过包含物理量和物理世界交互规律的数据。

稍早之前，李士麒便已看穿前沿行业的数据真空，深感构建自主可循环的数据引擎迫在眉睫，“我们需要一个能持续从‘真实世界意图与交互反馈’中产生数据的引擎。”

而回顾过往，只有少数数据引擎能真正形成规模化飞轮，如谷歌靠全网文本标注形成第一代视觉数据引擎，特斯拉则以车辆采集路况搭建第二代FSD数据闭环。二者共性都是以海量普通用户的真实交互为数据源头。

李士麒把目光投向了另一个群体——全球5亿Makers和1亿活跃3D打印用户。使用比特无限Sparkoh.ai，用户只需要用自然语言描述想法或者画一张简单的草图，系统就能自动生成可打印的物理3D模型。而用户每一次修改、每一次反馈，都会回流到模型中，让下一次生成更加精准。如此，比特无限便能从一个工具，慢慢长成了一个有生命的物理3D数据引擎。

一支AI大牛队伍迅速集结。联合创始人周平义，36岁，武汉大学工学博士，是华为盘古大模型初代创始成员、第二代盘古万亿MOE大模型的二号核心研发人员。全球范围内，主导过万亿参数大模型完整训练的人大约只有3000个，其中70%在海外大厂，20%在科研机构，全职创业的堪称凤毛麟角，周平义是其中之一。

比特无限联合创始人 周平义

CEO李士麒，多年海外AI To C创业经验，先后打造两款海外百万月活AI工具，深谙欧美创作者社群运营；CTO陈立韬，6年华为仿真与后训练全栈经验，既懂物理约束落地，也懂大模型部署。

创业初期，比特无限几乎处于“水下”状态。周平义博士率队埋头研发全球AI生成矢量3D专用模型，同时低调完成了三轮融资。今年4月，种子轮浮出水面，由清华系卓源亚洲领投，后者曾投资生数科技、基流科技等明星AI项目。随后天使轮和天使+轮相继完成，累计融资4500万元，投资方包括容亿投资、普华资本、壹德资本等机构。

一个值得关注的信号是：容亿投资此前布局了宇树科技、银河通用等具身机器人本体公司；普华资本也投了智平方等具身独角兽。如今，他们不约而同地把目光投向了比特无限——卡位物理3D数据这一关键环节。

逻辑并不复杂。人形机器人赛道已跑出宇树、银河通用这样的头部本体公司，正在爆发的3D打印、工业设计、通用世界模型等市场也在高速扩容，但支撑全行业迭代的标准化物理3D数据基础设施仍显空白。谁能在这个环节卡住位置，谁就有机会成为下一代AI基础设施领域的超级玩家。

这或许是一场新的FOMO。于投资人而言，物理3D数据是通往下一范式的关键拼图，卡位意义不言而喻。正如比特无限从水下浮出，三个月内估值增长十倍。据透露，公司新一轮融资正在进行中，前来对接的投资人明显多了起来。

自研模型全球SOTA

让AI真正理解物理世界

比特无限走了一条不太一样的路。

市面上的3D生成大多是在传统建模软件上叠加AI功能，本质上还是围绕软件命令和人工操作。比特无限从一开始就面向AI-native交互重构了整个设计流程——让AI理解空间几何、结构关系和运动规律，把描述直接转化为可编辑、可制造的物理3D模型。

这套逻辑的底层是参数化代码生成模型，天然附带结构信息和可编辑属性，可直接用于3D打印、机器人仿真及Physical AI训练。

落到3D打印场景里，用户用自然语言描述需求，系统自动完成任务拆解、代码生成、执行验证和多轮修正。这恰好对上了创客最真实的需求——他们要的不是“好看的模型”，而是“能用的模型”，如带滑轨的抽屉得能顺畅拉开，每个部件的尺寸和摩擦系数都经得起物理检验。

支撑这一切的是比特无限自研专用物理3D大模型Arko-T。

大多数Text-to-3D模型生成的是形状，40亿参数的Arko-T生成的是可编辑的设计。在Text2CAD-Bench标准评测集上，将Arko-T与7款前沿通用大模型做了12项指标全面对比，有8项排名第一，另有3项指标位列第二，推理成本仅为ChatGPT、DeepSeek等通用大模型的十分之一甚至更低。

数据是另一个护城河。周平义介绍，比特无限的训练数据来自两部分：一是自有的千万级端到端数据工程；二是面向全球上亿DIY爱好者的免费建模工具sparkoh.ai，用户每一次修改、调试都会回流到模型中，自动完成后训练优化。

这套闭环的复制门槛不低。成立仅一年，比特无限已经跑通了规模化数据生产的路径。更重要的是，用户增长正在加速。随着Sparkoh.ai在全球Makers社区中的口碑扩散，越来越多的用户开始用自然语言生成可打印模型，每一次使用都在为数据飞轮注入新的动力。

大厂即便不差算力，但要搭建成熟海外创作者运营团队、积累大量活跃用户并非易事。而比特无限已经有了先发优势，正在持续供给真实制造反馈数据。

比特无限自研的Harness Agent调度框架则是打通从创意到实物的最后一环。传统工业建模软件接口老旧、操作割裂，Harness搭建了一个全自动化闭环：拆解用户需求、生成结构化模型、自动校验尺寸和装配问题，不合格自动迭代，全程无需人工介入。

商业化层面，比特无限采取双线并行的策略：C端面向海外Makers的Web Agent采用Token订阅计费模式；B端向工业设计、机器人仿真及Physical AI研发企业开放API接口，客户可按需批量生成符合OpenUSD标准的仿真资产。

一个双向并行且互相反哺的商业化循环逐渐清晰——C端积累的交互数据让模型持续迭代，更强的模型产出更高质量的物理3D数据，反过来供给B端机器人企业。

英伟达、智谱看中了

迎接物理3D「GPT时刻」

成立仅一年，比特无限已经手握几张关键“门票”。

不久前，团队加入英伟达Inception初创加速计划，在智谱官方生态合作伙伴名单中，比特无限也是最年轻的面孔。此外，公司入驻上海模速空间，享有AI算力专项补贴。

放眼国内初创圈，同时具备英伟达Inception会员资质、智谱官方生态合作身份、模速空间算力扶持通道的企业并不多见。三方生态资源叠加，能够为团队在算力成本、大模型适配、商业落地渠道上提供切实支持。对于一个创立仅一年的早期团队来说，这些都是实实在在的成本节省和效率提升。

但在李士麒看来，更深远的意义不止于此。这些资源正在将比特无限推向一个更关键的位置，使他们距离生成式物理3D的“GPT时刻”更近了一步。

回望互联网时代，海量文字数据催生了大语言模型。ChatGPT的出现抹平了创作门槛，普通人无需学习复杂的提示词工程，更不必懂得Transformer架构，仅凭自然语言就能自由完成各种文字创作。

如今走进物理AI时代，人类需要海量贴合真实几何与力学规则的三维数据，才能让机器人、智能制造真正落地。但行业正处在一个尴尬的断层里：需求端渴求物理真实的交互数据，供给端AI却只能产出“视觉空壳”。

挑战的另一面是机遇。看清了物理3D数据引擎的长期刚需，李士麒笃信，生成式物理3D赛道很快将迎来它的“GPT时刻”。到那时，无论是3D打印创客，还是工业与机器人领域面临的数据真空，都将被深刻改写。

最直接的是3D打印行业。制造门槛彻底下放，你脑海里闪过的创意，当天就能设计、打印、用上。当然，这将进一步推动3D打印市场走向真正的爆发。

工业产品研发将是效率提升最明显的领域。工程师不再需要耗费大量时间绘制基础零件，AI自动生成带完整装配关系和尺寸约束的方案，研发周期和人力成本都会大幅下降。

“机器人训练的效率，正在被‘建模’这个环节卡住。谁能率先突破，谁就拿到了具身智能时代的入场券。”如周平义所言，当下最热的具身智能与世界模型领域或许是受益最深的。中层仿真资产的供给瓶颈一旦解除，机械臂、人形机器人的虚拟训练素材将不再是稀缺品。通用机器人落地的速度，可能比大多数人预想的更快。

在比特无限内部，抵达这个时刻的时间表已经明确——从当前阶段到生成式物理3D的GPT时刻，窗口期大约18个月。

时钟已经拨动。这家从3D打印数据痛点起步的初创公司，正把每个人的设计、试错、修改，转化为驱动AI进化的养料，试图重构工业制造与具身智能的底层供给体系，一步步搭建起连接数字代码与真实物理世界的底座。

“所想即所得”——这一幕也许此刻听起来遥远，但回头望2022年底ChatGPT刚出来的时候，谁又能想到两年后的大模型江湖会变成今天这个样子。此时此刻，已是拐点前夜。