Physicl 融资1000万美元，让机器人获得更逼真的模拟环境

发生了什么

• Physicl 于2026年11月6日宣布完成1000万美元种子轮融资，由 Inovia Capital 领投。
• 创始人兼首席执行官 Alex de Vigan 此前经营一家为电商制作产品渲染图的公司，后来被生成式 AI 超越。
• 他如今押注，同样的成像技术可以让机器人更有用。
• 该产品面向世界模型和机器人的开发者，通过更逼真的模拟来解决棘手的训练难题。

为什么重要

机器人能练习数百万次时学得更好，而这只有在模拟中才可行。难点在于“模拟到现实的差距”：如果虚拟物体的变形、反光或重量与真实物体不同，学到的东西在实体机器上就会失灵。一个专攻可信环境的软件层，目标是降低这笔代价，并加快测试。

关键数字

1000万美元。 种子轮的规模，由 Inovia Capital 领投，投向一家靠重新利用另一家公司的技术而诞生的公司。

背景

此案体现了一种模式：为某个被生成式 AI 压缩的市场打造工具的团队，正把工具对准另一个市场。合成产品图是一门走量的生意；机器人模拟则是一门讲究精度的生意。在相关话题上，Mamífero 还发布过：英伟达开放四款 Cosmos 3 模型，用于实时模拟驾驶和机器人；Ai2 推出 ToyBlocks，一个用来研究机器人为何失败的简易模拟世界；中国否决软银 53.75 亿美元收购 ABB 机器人业务；Zipline 估值215亿美元，将为沃尔玛新增300个无人机配送点。

这里所说的世界模型，是一种预测环境在机器人对其施加动作后如何变化的系统。训练它需要包含可信物体、表面和光线的场景，而高质量地生成这些场景要花费工程时间。有合成产品图经验的团队在视觉层面起步领先，不过接触物理、重量和摩擦是另一类问题，需要其他工具。

接下来

• 目前有哪些机器人公司在使用这个平台，实测效果如何，仍然未知。
• 大型实验室的世界模型可能让独立的这一层变得多余，或者让它沦为供应商。
• 真正重要的指标是，从模拟迁移到真实机器人的效果能提升多少。

一句话总结

模拟器的价值取决于它与世界有多像。Physicl 认为，自己在逼真图像上的经验正是缺失的那一环，现在它必须用机器人来证明这一点。

来源

• Tim Fernholz，“Physicl raises $10M to make the digital world real enough for robots”，TechCrunch，2026年11月6日。
• 封面图片：Oleg Yunakov，CC BY-SA 4.0，来自 Wikimedia Commons

编辑：Rodrigo Cornejo。我们如何挑选和核实：谁在写这些笔记。