速递｜机器人数据创企Physicl完成1000万美元种子轮融资，将电商3D渲染技术用于机器人训练

图片来源：Physicl

Alex de Vigan 的上一段创业经历被生成式 AI 搅了局。如今他想换个赛道，把团队攒下的技术底子用在机器人上，找新的出路。

他早先做的产品，是帮电商平台产出高质量商品渲染图。眼下他打算让同一套技术为机器人训练服务，使机器对物理世界的理解和操作更到位。

这家叫 Physicl 的新公司由 De Vigan 创办，近日宣布拿到 1000 万美元种子轮融资，Inovia Capital 领投。它想靠更贴近真实的仿真环境，帮世界模型开发者和机器人厂商啃下训练中的硬骨头。

过去十年，身兼 Physicl 创始人兼 CEO 的 de Vigan 一直在打理另一家公司 nfinite。那家公司的活计，是帮品牌和零售商建起商品的 3D 模型，再放到电商平台上展示。

Transformer 架构的 AI 模型起来之后，nfinite 的业务重心慢慢挪向生成式图像。de Vigan 却看出，团队此前打磨的高保真 3D 环境渲染本事，兴许能在别处派上用场。

de Vigan 说：“我们过去在 3D 领域最独特的能力，正在被 AI 取代。但 AI 仍然缺少一项关键能力：理解空间与物体，并与之交互和进行操作。”

眼下研究人员盯上的是更强的物理 AI 模型，想让机器人搞定各种形状、各种尺寸小物件的操作这类复杂活计。

问题是，单靠视频数据训练，效果已经顶到天花板；改用远程遥操作去采真实世界的数据，花费又太高。

在数字世界里做仿真训练，被看作一条有戏的路子。可虚拟环境能不能如实反映真实世界的物理规律，这道关还没过。

De Vigan 的判断是，nfinite 早年搭起的那套技术流程正好能接住这个难题。按他的说法，这套系统能把“非结构化、不完整、来源各异的真实世界信息，转化为具有正确几何结构、材质属性和物理特征的高保真物理表示”。

放到今天，这项本事可以用来给物理 AI 模型的训练加把劲。

只是 Physicl 踏进的这个市场，早已挤满创业公司，大家都在抢基础模型开发商和机器人运营商手里的数据与工具订单。

de Vigan 也承认：“这个领域还非常年轻，有时候边界也十分模糊。”

现在各家分头扎进不同模态数据的采集、标注或生成，客户那边则还在摸路：到底什么样的数据、什么样的训练法子，才能把机器人的潜力真正放出来。

Physicl 把力气集中在模型后训练阶段的长尾难题上。

公司正在推一款叫 Studio 的产品，里头装了 1 万个 3D 环境和 10 万个物体资产。用户拿这些资源搭场景，就能造出针对具体机器人训练问题的合成数据。

打个比方，机器人认不出杂乱台面上的杯子，或者在阴影里辨不准杯子，Studio 就能生成对应的训练数据，把机器人在这类特定场景下的表现往上提。

世界模型开发商 SpAItial 是 Physicl 的早期客户之一。两家此前合作过，一起把 SpAItial 产品的仿真保真度往上抬。SpAItial 上周刚发布最新模型 Echo-3。

SpAItial 的技术能从二维图像生成三维仿真环境。其创始人兼 CEO Matthias Niessner 说，要做成这件事，公司得用 Physicl 提供的高保真合成数据来训练。

不过 Physicl 不想只当个数据供应商，它瞄准的是持续生成合成数据的基础工具平台。

de Vigan 说：“十年前，我们在不知不觉中建立的，其实是一套Agent工作流，能够将非结构化信息转化为高保真3D内容。”

他的设想是，以后客户能把数万亿张图像，或者数百万小时的激光雷达（LiDAR）采集数据灌进 Physicl 平台，转成高质量的三维表示，再拿这些基础数据拼出数十亿种不同的场景组合，供模型训练使用。

这套模式的价值，在于改掉眼下合成数据生产高度依赖人力的流程。

Niessner 说：“真正的挑战在于，你必须手动筛选和整理数据，而这是一个非常漫长的过程。”他同时也是

在Niessner看来，Physicl最吸引人的一点，是能跟着模型训练过程中的实际需要，动态地把数据生成出来。

他接着说，真正让他们动心的地方在于这件事能马上完成——比方说 Claude 正在跑，训练途中意识到自己还缺某类数据，系统就能依据眼下的训练状态把这些数据自动生成出来。

“这让我非常兴奋，而这正是Physicl正在提供的能力。”

Physicl想推动的并不止于让机器人拿到更多合成训练数据。它更希望把数据生成从原来靠人工设计、筛选、整理的独立环节，变成一套能根据模型训练需求持续反馈、自动生成的动态流程。

参考资料：

https://techcrunch.com/2026/11/06/physicl-raises-10m-to-make-the-digital-world-real-enough-for-robots/