华为盘古2号位创业：比特无限如何重塑物理3D数据飞轮

物理3D数据的真空与破局者

全球AI产业正经历从数字空间向物理世界的深刻迁移，但这一进程中横亘着一条难以逾越的数据鸿沟。在传统的互联网时代，海量文本数据催生了大语言模型的爆发，而在物理AI时代，尤其是具身智能领域，极度缺乏结构化、可编辑且符合物理规律的3D数据。市面上现有的解法往往存在致命缺陷：人工建模产能低下且成本高昂，无法跟上工业与创客两端同时膨胀的需求；而通用的AI生成3D模型则更像是一具没有灵魂的空壳，缺乏尺寸标注和装配逻辑，一旦修改某个细节便需全部重绘，甚至在仿真环境中出现穿模现象，根本无法直接用于打印或机器人训练。

就在这个行业真空地带，一家年轻公司浮出水面——比特无限（BitInf）。这家成立仅一年多的创业公司，由有着多年海外AI To C创业经验的李士麒与华为盘古大模型2号位核心研发人员周平义博士共同创立。他们敏锐地捕捉到物理3D数据的空白，构建了一条独特的数据飞轮路线：以全球5亿Maker群体和1亿活跃3D打印用户为入口，通过自研模型Arko-T，实现了从自然语言到可打印物理3D模型的转化。这一创新路径不仅解决了数据稀缺问题，更让比特无限在短短三个月内估值增长了10倍，成为近期资本市场的焦点。

从“空壳”到“实体”：技术范式的重构

比特无限的技术核心在于其对物理3D数据的独特理解。大多数Text-to-3D模型生成的仅仅是形状，而比特无限的Arko-T模型生成的是可编辑的设计。在Text2CAD-Bench标准评测集上，将40亿参数的Arko-T与7款前沿通用大模型进行的12项指标对比中，Arko-T在8项指标中排名第一，3项位列第二。更重要的是，其推理成本仅为ChatGPT、DeepSeek等通用大模型的十分之一甚至更低。

这种技术优势并非凭空而来，而是源于对“物理约束”的深层考量。比特无限采用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。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、执行验证和多轮修正。这对于创客而言至关重要，因为他们需要的不是美观但无用的模型，而是能够顺畅运行的机械结构，如带滑轨的抽屉必须能拉开，每个部件的尺寸和摩擦系数都必须经得起物理检验。

支撑这一切的是比特无限自研的Harness Agent调度框架。传统工业建模软件接口老旧、操作割裂，而Harness搭建了一个全自动化闭环，从拆解用户需求到生成结构化模型，再到自动校验尺寸和装配问题，全程无需人工介入。这种AI-native的交互流程，彻底重构了传统设计工作流，让AI真正理解了空间几何、结构关系和运动规律。

数据飞轮：C端开源与B端赋能的双向反哺

数据是比特无限的核心护城河。周平义介绍，比特无限的训练数据主要来自两部分：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。用户在使用Sparkoh.ai时，每一次修改、调试都会回流到模型中，自动完成后训练优化。这种机制使得比特无限能够从“真实世界意图与交互反馈”中持续产生数据，形成自我强化的数据飞轮。

这种数据闭环的复制门槛极高。大厂即便拥有充足的算力，但在搭建成熟海外创作者运营团队、积累大量活跃用户方面并非易事。比特无限通过C端Web Agent采用Token订阅计费模式，迅速在全球Makers社区中积累了口碑和活跃用户。随着用户量的增长，每一次使用都在为数据飞轮注入新的动力，使得模型持续迭代，生成质量不断提高。

在商业化层面，比特无限采取了双线并行的策略。C端面向海外Makers提供便捷的自然语言建模服务，而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，客户可按需批量生成符合OpenUSD标准的仿真资产。这种双向并行且互相反哺的商业化循环，不仅为公司在短期带来了收入，更为长期奠定了坚实的数据基础。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，形成良性循环。

资本青睐与生态卡位：通往GPT时刻

比特无限的快速崛起也引起了资本市场的广泛关注。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，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，普华资本也投了智平方等具身独角兽，他们的共同押注，表明行业对物理3D数据这一关键环节的战略重视。

在基础设施层面，比特无限同时加入了英伟达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有AI算力专项补贴。这些生态资源的叠加，为团队在算力成本、大模型适配、商业落地渠道上提供了切实支持。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。

李士麒认为，生成式物理3D的GPT时刻已近在眼前。从当前阶段到这一时刻的窗口期大约为18个月。届时，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。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将大幅下降。机器人训练的效率也将因建模瓶颈的解除而大幅提升，通用机器人落地的速度可能比大多数人预想的更快。

比特无限正试图重构工业制造与具身智能的底层供给体系，将每个人的设计、试错、修改，转化为驱动AI进化的养料。在生成式物理3D赛道上，这家年轻公司正以前所未有的速度，搭建起连接数字代码与真实物理世界的底座。随着物理3D数据飞轮的加速旋转，一个“所想即所得”的物理AI时代正在加速到来。