Alex de Vigan上一家创业公司曾被生成式AI的崛起冲击，但如今他押注于：把当年团队打造的技术——一个为电商生成吸引人产品渲染图的平台——重新用于提升机器人的实用性。

他的新公司Physicl已从Inovia Capital获得1000万美元种子轮融资，旨在帮助世界模型设计者和机器人制造商，用更真实的仿真来解决棘手的训练问题。

创始人兼CEO de Vigan过去十年一直在打造nfinite。这家公司让品牌和零售商能够轻松创建商品的3D模型并在线展示。随着基于Transformer的AI模型出现，这家公司开始更多转向生成式图像，但de Vigan看到了团队及其技术栈的新用途：高保真地渲染3D环境。

de Vigan表示：“我们在3D领域做得非常独特的部分，AI本来会取代，但AI缺少一些东西：它理解、交互并操控空间和物体的能力。”

研究人员一直在开发物理AI模型，希望让机器人更擅长处理多样化的小型物体等任务，但他们对仅靠视频训练的效果感到失望，也认为通过远程操作采集数据的成本过高。

在数字世界中进行仿真被视为一种很有前景的解决方案，但要确保这些模拟世界忠实于现实世界的物理规律，事实证明并不容易。de Vigan认为，他上一家公司建立的那套流程——“把非结构化、不完整、异构的现实世界信息，转化为高保真的物理表征……并具备正确的几何、材质和物理属性”——如今可以用来提升物理AI模型的效果。

Physicl进入的是一个拥挤的赛道，许多初创公司都在争夺为基础模型开发者和机器人运营方提供数据与工具的机会。de Vigan也承认：“这个领域非常年轻，而且有时边界非常模糊。”目前有各种公司在收集、标注或生成不同模态的数据，而它们的客户则仍在摸索，究竟什么样的“秘方”才能让机器人真正兑现承诺。

Physicl尤其希望聚焦于模型后训练阶段中的困难边缘案例。这家初创公司正在推出一款名为Studio的产品，包含1万个3D环境和10万个代表不同物体的资产。用户可以借此创建场景，生成合成数据，用于训练机器人解决特定问题。比如，Studio可以生成训练数据，帮助机器人识别杂乱台面上的杯子，或在杯子处于阴影中时仍能分辨它。

世界模型开发商SpAItial作为早期客户与Physicl合作，以提升其产品的保真度。SpAItial最新产品Echo-3于上周发布。SpAItial的工具可根据2D图像生成3D仿真。其CEO兼创始人Matthias Niessner表示，要有效做到这一点，他们需要用Physicl提供的这类高保真合成数据进行训练。

不过，Physicl希望自己不只是一个数据提供商；它将自身定位为持续生成合成数据的工具平台。de Vigan说：“我们10年前创造出来的东西，在当时并不知道，本质上就是一种代理式工作流，能够把非结构化信息转化为高保真3D。”他设想，客户可以把数万亿张图像或数百万小时的LIDAR采集数据输入其平台，将其转化为高质量的3D表征，再据此生成数十亿种排列组合，用于训练模型。

Niessner同时也是慕尼黑工业大学的机器人学教授。他对TechCrunch表示：“真正的挑战在于，你必须手工整理数据，而这是一个非常漫长的周期。对我们来说，非常有吸引力的一点是，你可以即时完成这件事……你在运行Claude，它会检查，‘哦，我在训练中还需要更多这类数据，’然后它会根据训练状态自动生成这些数据。在我看来，这非常令人兴奋，而这正是Physicl所提供的东西。”