初创公司Antioch融资850万美元，致力于缩小机器人仿真与现实的差距
TechCrunch AI··作者 Tim Fernholz
关键信息
该公司使用Nvidia和World Labs的现有模型，并添加特定领域的库，同时与多个客户合作以优化能准确反映现实物理特性的仿真环境。
资讯摘要
Antioch正在开发仿真平台以缩小‘仿真到现实’之间的差距——即确保在虚拟环境中训练的机器人能在现实中正常运行。这家初创公司最近获得了850万美元种子轮融资，估值达6000万美元。其联合创始人包括来自Meta Reality Labs、Google DeepMind和Chainalysis的前员工。
Antioch旨在为机器人开发者提供数字孪生体，这些孪生体能精确模拟真实传感器输入和物理行为，从而无需昂贵的物理设施即可进行边缘案例测试、强化学习和合成数据生成。与许多完全回避仿真的公司不同，Antioch认为这是高效扩展物理AI的关键。
资讯正文
物理人工智能的承诺在于，工程师能够以编程数字代理的方式编写物理代理的程序。
我们尚未达到这一目标。机器人技术仍受限于来自物理空间的数据不足。为了训练机器，公司需要建造模拟仓库来测试其设备，同时一个全新的行业正在兴起，围绕着监视工厂生产线和零工来训练深度学习模型以操作机器人。
另一种选择是仿真；详细虚拟复制现实环境可以提供机器人研究人员所需的数据和工作空间，从而以可扩展的方式完成这项工作。
一家名为Antioch的初创公司正在为机器人开发者构建仿真工具，旨在弥合业界所说的‘从仿真到现实’的差距——即让虚拟环境足够真实，使在其中训练的机器人能够在物理世界中可靠运行。
Antioch联合创始人哈里·梅尔索普表示：‘我们如何才能最大限度地缩小这一差距，让仿真对你的自主系统来说感觉就像真实世界一样？’
该公司今天向TechCrunch透露，已成功完成850万美元种子轮融资，估值达6000万美元，由风险投资公司A*和Category Ventures领投，MaC Venture Capital、Abstract、Box Group和Icehouse Ventures也参与了本轮投资。
梅尔索普与四位联合创始人于去年五月在纽约创立了这家公司。其他两位创始人亚历克斯·兰舒和迈克尔·卡尔维曾与他共同创办了安全与情报初创公司Transpose，并将其出售给Chainalysis，交易金额未披露。另外两位创始人科林·施拉格和科尔顿·斯温格尔分别曾在Meta Reality Labs和Google DeepMind工作。
在Disrupt遇见你的下一个投资者或投资组合初创企业
你的下一轮融资。你的下一个招聘机会。你的下一个突破性机遇。在TechCrunch Disrupt 2026大会上找到它，届时超过1万名创始人、投资者和技术领袖将齐聚三日，参加250多场实战研讨会、强有力的资源对接以及定义市场的创新活动。立即注册可节省高达410美元。
更好的仿真需求正是许多主要自动驾驶公司工作的核心所在。例如，在自动驾驶汽车领域，Waymo使用Google DeepMind的世界模型来测试和评估其驾驶模型。理论上，这种技术将减少部署Waymo车辆到新区域所需的数据收集量，而这正是扩大自动驾驶技术规模的关键成本之一。
构建并利用这些模型来测试机器人，可以说比开发自动驾驶汽车需要不同的技能，而Antioch希望打造一个平台，解决那些没有足够资本自行完成这一切的新公司的问题。这些小型公司也没有资金建造实体测试场地，或者驱动装满传感器的汽车行驶数百万英里。
‘行业中绝大多数公司根本不用仿真，我认为我们现在才真正清楚地意识到，我们必须加快步伐，’梅尔索普说。
Antioch公司的高管将其产品与流行的AI驱动软件开发工具Cursor进行类比。Antioch允许机器人开发者创建多个数字版本的硬件，并将它们连接到模拟传感器，这些传感器能模拟机器人软件在现实世界中会接收到的数据。这种环境使开发者能够测试边缘情况、执行强化学习或生成新的训练数据。
当然，前提是仿真必须具有足够的保真度。这里的挑战在于确保仿真的物理规律与现实一致，这样当模型被部署到真实机器上时，才不会出错。该公司从Nvidia、World Labs等公司构建的模型入手，并开发领域专用库以简化使用。高管们表示，与多个客户合作使Antioch获得了深度上下文，从而不断优化其仿真能力——这是任何单一的物理AI公司都无法独自实现的。
Category Ventures合伙人Çağla Kaymaz告诉TechCrunch：“软件工程和大语言模型（LLM）所发生的事情，现在刚刚开始在物理AI领域上演。我们大量投入开发工具领域，非常热爱这个方向，但挑战是不同的。在软件领域，你可以有糟糕的编码工具，风险通常仅限于数字世界；而在物理世界中，风险要高得多。”
目前，Antioch的重点主要集中在传感器和感知系统上，这占据了自动驾驶汽车和卡车、农业及建筑机械、空中无人机等领域的大部分需求。至于让物理AI驱动通用机器人来复现人类任务的愿景，则还很遥远。虽然Antioch的主要目标客户是初创企业，但一些最早的合作对象却是已经大力投资机器人技术的大型跨国企业。
Adrian Macneil对这一领域有深刻理解。他曾担任自动驾驶初创公司Cruise的高管，负责搭建了该公司的数据基础设施，并于2021年创立了Foxglove，这家公司为物理AI初创企业提供类似的数据管道。Macneil作为天使投资人支持Antioch。
“当你试图建立安全性论证或处理极高精度任务时，仿真至关重要，”他在周三于旧金山举行的Ride AI大会上表示，“在现实中，你根本不可能驾驶足够多的里程。”
Macneil希望看到像GitHub、Stripe和Twilio这样的平台——正是这些工具推动了SaaS革命——也能涌现出来支持物理AI。“我们需要更多完整的工具链可以即插即用，”他对TechCrunch说。
“我们真心相信，未来两到三年内，任何为现实世界构建自主系统的人都会主要通过软件来完成，”Mellsop表示，“这是第一次，你可以让自主代理迭代物理自主系统，并真正闭环反馈。”
已经有一些相关实验。麻省理工学院计算机科学与人工智能实验室的研究人员大卫·梅奥（David Mayo）正在使用Antioch的平台来评估大型语言模型（LLMs）。在一项实验中，梅奥让AI模型设计机器人，然后利用Antioch的模拟器对这些机器人进行测试。该系统甚至可以安排模型之间在模拟比赛中竞争，比如把对手机器人推下平台。为大语言模型提供一个逼真的沙盒环境，可能会带来一种全新的评估范式。
然而，在AI工程师的世界到来之前，仍需完成大量工作，以缩小数字模型与现实世界之间的差距。如果这一目标能够实现，开发者将能够构建出麦克尼尔所认为的关键成功因素——就像Waymo这样的行业领导者那样，工程师们越来越有信心，认为下个月的模型会比上个月更强大。
如果其他公司希望复制这种成功，它们将不得不自行开发这些工具，或者购买它们。
来源与参考
收录于 2026-04-17