比特无限估值三月翻10倍：华为盘古团队如何重构物理3D数据飞轮？

在人工智能从数字世界向物理世界延伸的进程中，数据结构的缺失已成为制约具身智能与智能制造落地的核心瓶颈。当大语言模型通过海量文本训练实现“涌现”时，物理世界的数字化却仍停留在粗糙的几何表面。近期，一家名为比特无限（BitInf）的初创企业凭借对物理3D数据底座的精准卡位，在短短三个月内实现估值十倍增长，其背后不仅是资本对稀缺资产的追逐，更是对下一代AI基础设施逻辑的深刻重构。

物理3D数据的结构性真空与破局

当前3D内容生成领域存在显著的“知行鸿沟”。通用AI生成的3D模型往往仅具备视觉外观，缺乏内部尺寸标注、装配逻辑及物理属性，导致其在仿真环境中极易穿模，无法直接用于3D打印或工程制造。这种“视觉空壳”无法满足工业级应用对结构化、可编辑数据的需求。

比特无限的切入点正是这一行业痛点。公司由拥有多年海外AI To C创业经验的李士麒与华为盘古大模型初代创始成员、第二代盘古万亿MOE大模型核心研发人员周平义博士共同创立。团队敏锐地意识到，构建自主可循环的数据引擎是通往物理AI时代的入场券。不同于传统建模软件叠加AI功能的改良路径，比特无限选择从底层重构设计流程，让AI直接理解空间几何、结构关系及运动规律，将自然语言描述转化为可编辑、可制造的物理3D模型。

自研Arko-T模型：从“形状”到“设计”的跨越

比特无限的核心竞争力源于其自研的专用物理3D大模型Arko-T。该模型采用参数化代码生成架构，天然附带结构信息和可编辑属性，能够直接服务于3D打印、机器人仿真及Physical AI训练。

在权威评测集Text2CAD-Bench上，40亿参数的Arko-T与七款前沿通用大模型进行了十二项指标的全面对比。结果显示，Arko-T在八项指标中排名第一，三项位列第二，且推理成本仅为ChatGPT、DeepSeek等通用大模型的十分之一甚至更低。这一数据表现证明了其在处理复杂物理约束任务上的高效性与准确性。

更重要的是，Arko-T生成的不是静态的“形状”，而是包含完整装配关系和尺寸约束的“设计”。在3D打印场景中，用户只需描述需求，系统即可自动完成任务拆解、代码生成、执行验证及多轮修正。例如，生成带滑轨的抽屉模型时，系统能确保滑轨顺畅开合，各部件尺寸与摩擦系数符合物理检验标准，真正实现了“所想即所得”的工业级可用性。

数据飞轮：连接全球Maker的生态闭环

数据是AI模型进化的燃料，而比特无限构建了一条独特的数据获取路径。公司依托免费建模工具Sparkoh.ai，连接全球5亿Maker和1亿活跃3D打印用户。用户通过自然语言或草图生成模型，每一次修改、调试及反馈都会回流至模型中，自动完成后训练优化。

这种“用户交互-数据回流-模型迭代”的闭环机制，形成了强大的数据飞轮效应。与传统大厂难以积累活跃海外创作者社群不同，比特无限通过C端工具迅速积累了海量真实制造反馈数据。这些包含物理量与交互规律的数据，正是构建世界模型模拟器（Simulator）所急需的核心资产。

在商业化层面，比特无限采取双线并行策略。C端面向海外Makers提供Token订阅服务，B端则向工业设计、机器人仿真及Physical AI研发企业开放API接口，批量生成符合OpenUSD标准的仿真资产。C端数据反哺模型迭代，B端应用验证模型价值，两者形成双向反哺的商业循环。

资本青睐与生态卡位：逼近“GPT时刻”

比特无限的快速崛起引起了投资界的广泛关注。继种子轮后，公司连续完成天使轮与天使+轮融资，累计融资4500万元，投资方包括卓源亚洲、容亿投资、普华资本、壹德资本等知名机构。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，普华资本也投资了智平方等独角兽，它们的共同押注表明，物理3D数据被视为具身智能领域不可或缺的基础设施。

此外，比特无限已加入英伟达Inception初创加速计划，成为智谱官方生态合作伙伴，并入驻上海模速空间享受算力补贴。这些生态资源的叠加，不仅降低了算力成本，更提升了大模型适配与商业落地的效率。

CEO李士麒判断，生成式物理3D的“GPT时刻”窗口期约为18个月。这一时刻的到来，将彻底改变3D打印、工业研发及机器人训练的效率格局。对于3D打印行业，制造门槛将大幅降低；对于工业研发，工程师可从繁琐的基础零件绘制中解放，专注于创新设计；对于具身智能，中层仿真资产的供给瓶颈一旦解除，机械臂与人形机器人的虚拟训练素材将不再稀缺，加速通用机器人落地。

比特无限正试图将每个人的设计、试错与修改，转化为驱动AI进化的养料，重构工业制造与具身智能的底层供给体系。在数字代码与真实物理世界之间，这家公司正在搭建一座通往未来的桥梁。随着数据飞轮的加速旋转，物理AI时代的底层逻辑有望被彻底改写，一个“所想即所得”的制造新纪元正悄然临近。