最近AI圈直接杀出来一匹超级黑马：成立才几个月的中国初创Simate，在权威物理AI评测榜单RoboDojo上拿下全球第一，把GPT-6-Astra、DeepMind旗下模型都压在了身后。同步官宣的还有数亿元人民币的连续多轮融资，VC、互联网大厂、产业资本几乎踏破了门槛。

智驾大牛带队的“产研梦之队”

Simate的爆发式崛起，核心来自团队的硬核基因。创始人兼CEO张颖曾是头部自动驾驶公司的核心技术负责人，也是业内最年轻的对标阿里P10技术大牛，参与打造过对标特斯拉FSD的国产智驾系统，完整经历了国内智驾行业从有图到无图、再到纯视觉一段式端到端的路线厮杀，既懂前沿AI算法，也有顶级的工程落地经验。

这次他跳出自动驾驶赛道，瞄准了天花板更高的通用物理AI领域，搭配的团队堪称“产研双料顶配”：

  • 联合创始人占方能是香港科技大学助理教授、World Mind Lab负责人，曾在哈佛、MIT开展研究，是世界模型与物理AI领域的权威学者，在国际顶会发表了50余篇高引论文。
  • 核心成员季马泽宇是00后青年科学家，毕业于UCSD，是业内最早实现通用人形控制器真机落地验证的研究者之一，也是后来被Meta收购的硅谷物理AI明星初创ARI的创始成员。

【编辑观察】顶级量产工程能力×前沿学术视野×新锐技术创造力，这样的组合能跑出三个月登顶的火箭速度并不意外，对他们来说，RoboDojo第一名从来不是目标，只是技术落地的“副产品”。

不做AI模型，做“造模型的机器”

当前物理AI研发一直有个核心痛点：实验太慢、太贵、失败率太高。很多项目不是缺好创意，而是卡在了反复改模型、洗数据、配环境、跑评测的重复工程里，研究员的精力被大量非核心工作消耗，想法还没验证完，行业节奏早就变了。

Simate给出的解法是Physical RSI（物理领域递归自我改进）：过去RSI还只是大语言模型领域的概念，Simate首次把它系统化落地到物理AI领域，打造了一套能自主积累经验、提出假设、设计实验、迭代优化的持续进化系统。

目前团队选择了更务实的“弱RSI”作为起点：人类研究员负责定方向、设目标、约束边界，AI Agent自主完成查资料、提假设、改代码、跑验证、出结果的全流程工作。这套让研发效率指数级提升的系统，就是王牌产品AutoResearch自动研究平台。

AutoResearch怎么让AI自己做科研？

整套系统遵循“提出假设—规划实验—执行验证—分析迭代”的自主循环，核心能力分为三层：

  • 可插拔模型框架SiPAI：把模型做成可自由组合的乐高积木，支持世界模型、动作模型、VLA等主流技术架构，Agent可以直接替换组件、调整参数做实验，不用每次从零搭建工程，新想法能快速落地验证。
  • AI原生基础设施底座：支持多Agent编排与多卡算力统一调度，数十个研究方向可以并行推进；自带环境隔离能力，哪怕Agent写出Bug崩溃，也不会影响全局任务，中断的工作还能瞬间恢复；搭配世界模型与仿真环境，实验结果可以秒级反馈，快速筛选有效改动。
  • 全流程可视化追溯：提供“研究谱系图”和“运行时间线”功能，哪怕几百个实验同时在云端运行，研究员也能清晰看到每个方案的延续、调整、叫停逻辑，实时追踪训练评测状态，整个研发过程就像一张动态扩张的科技树。

除了迭代模型本身，AutoResearch还会自主优化研究流程：它会自己测试数据配比，找到最能补模型短板的数据集；会自主平衡长任务的记忆容量和运行开销；甚至会调试真实部署时的动作预测长度，找到推理和执行的最佳平衡点。每一轮实验不仅会提升模型能力，也会让下一轮研发的效率更高。

打造地表最强通用物理“快系统”

依托自动化研发管线，Simate正在孵化面向零样本泛化的通用物理快系统，已经公开的真机演示里，机械臂可以完成数十步的长程精细操作，跨场景、跨物体的泛化能力远超同类产品，核心来自两个设计：

  • 4D物理感知：把深度、几何、运动、遮挡、接触关系等3D空间信息和1D时间信息直接编码进模型，通过高效视觉编码和时空建模大幅降低运行开销，在做大模型能力的同时兼顾端侧运行速度，把端侧可部署的模型规模上限推到极致。
  • 分层时序记忆机制：针对长任务做了信息筛选，围绕任务进展记忆、连续状态追踪、即时变化反馈过滤无效信息，既不会“干着干着就失忆”，也不会因为加载过多历史数据卡顿，只需要一次上下文演示，就能在新任务、新物体上复用能力，操作失败还能自主调整。

后续这套负责实时执行的“快系统”还会和负责推理规划的“慢系统”打通，向零样本、少样本通用操作发起冲击，具体模型参数和规模会在近期的深度报告中公开。

三步走路线清晰，科研平台已开启内测

Simate的愿景是“硅基智能与人类共生演进”，最终要实现物理智能的完全自主进化，路线规划非常明确：

  • 阶段一：弱RSI（已验证）：人类设定目标，Agent自动执行实验，RoboDojo全球第一已经验证了这套方案的工程可行性。
  • 阶段二：强RSI（探索中）：进一步减少人工干预，Agent自主提出研究假设、规划实验路径，人类只负责目标治理和关键节点监督。
  • 阶段三：完全自主RSI（长期目标）：无人类参与的递归自我改进，研究、数据、模型迭代、真实部署的完整闭环由系统自主运转，物理智能实现真正的自我进化。

目前拿下榜首的AutoResearch科研平台已经正式开启内测，清华、北大、MIT、加州理工、哈佛、哥伦比亚大学等十多所海内外顶尖院校的师生已经率先使用。不想再把精力耗在无止境调参、配环境上的研究者，都可以申请体验，内测地址：https://mate-robot.cn/research/sinfra/

【编辑观察】当多数物理AI公司还在卷机械臂倒水的演示视频，Simate直接切入行业最底层的效率痛点，造“帮人做研发的工具”。如果这条路线完全跑通，未来物理AI的迭代速度很可能迎来真正的指数级爆发，值得长期跟踪。