Alex de Vigan 上一家創業公司曾經受到生成式 AI 的興起衝擊，但如今他賭注於：將當年團隊打造的技术——一個為電商生成吸引人產品渲染圖的平台——重新用於提升機器的實用性。

他的新公司 Physicl 已從 Inovia Capital 获得1000萬美元的種子輪融資，旨在幫助世界模型設計者和機器人製造商，用更真實的仿真來解決棘手的訓練問題。

創始人兼 CEO、de、Vigan 在過去十年中一直致力於打造 nfinite。這家公司讓品牌和零售商能夠輕鬆創建商品的 3D 模型並在線展示。隨著基於 Transformer 的 AI 模型的出現，這家公司開始更多地轉向生成式圖像，但 de 和 Vigan 看到了團隊及其技術架構的新用途：高保真地渲染 3D 環境。

de Vigan 表示：“這是我們在3D領域做得非常獨特的部分，AI 本來可以取代它，但AI 缺少了一些東西：那就是它理解、交互並操控空間和物體的能力。”

研究人員一直都在開發物理 AI 模型，希望能讓機器人更擅長處理多樣化的小型物體等任務，但他們對僅依靠視頻訓練的效果感到失望，也認為透過遠端操作收集數據的成本過高。

在數字世界中進行仿真被視為一種很有前景的解決方案，但要確保這些模擬世界忠實於現實世界的物理規律，事實證明並不容易。de Vigan 認為，他在上一間公司建立的那一套流程——“將非結構化、不完整、異構的現實世界信息，轉化為高保真度的物理表徵……並具備正確的幾何、材質和物理屬性”——如今可以用來提升物理AI模型的效果。

Physicl 进入的是一個競爭激烈的領域，許多創業公司都在爭奪為基礎模型開發者和機器人運營方提供數據與工具的機會。de Vigan 也承認：「這個領域非常年輕，而且有時邊界非常模糊。」目前有各種公司正在收集、標註或生成不同模態的數據，而她們的客戶則仍在摸索，究竟什麼樣的「秘方」才能讓機器人真正兌現承諾。

Physicl 尤其希望聚焦於模型後訓練階段中的困難邊緣案例。這家創業公司正在推出一項名為 Studio 的產品，其中包含1萬個3D環境和10萬個代表不同物體的資產。用戶可以藉此創建場景，生成合成數據，用於訓練機器人解決特定問題。例如，Studio 可以生成訓練數據，幫助機器人識別雜亂桌面上の杯子，或在杯子處於陰影中時仍能分辨它。

世界模型開發商 SpAItial 作為早期客戶與 Physicl 合作，以提升其產品的保真度。 SpAItial 的最新產品 Echo-3 上週發布。 SpAItial 的工具可根據 2D 图像生成 3D 仿真。其聯合創始人 Matthias Niessner 表示，要有效做到這一點，他們需要使用 Physicl 提供的這類高保真合成數據進行訓練。

不過，Physicl 希望自己不只是一個數據供應商；它將自己定位為一個持續生成合成數據的工具平台。de 和 Vigan 說：「我們10年前創造出的東西，在當時並不知道，本質上就是一種代理式工作流，能夠將非結構化信息轉化為高保真3D。」他設想，客戶可以將數萬億張圖像或數百萬小時的 LIDAR 收集數據輸入其平台，將其轉化為高品質的3D表徵，再以此生成數十億種排列組合，用於訓練模型。

Niessner 同時也是慕尼黑理工大學的機器人學教授。他對 TechCrunch 表示：「真正的挑戰在於，你必須手動整理數據，而這是一個非常漫長的過程。對我們來說，非常有吸引力的一點是，你可以即時完成這件事……你運行 Claude ，它會檢查，『哦，我在訓練中還需要更多這類數據，』然後它會根據訓練狀態自動生成這些數據。在我看來，這非常令人興奮，而這正是 Physicl 所提供的東西。」