新智元报道
2026 年上半年，具身智能赛道融资超 460 亿元，人形机器人单价迈入万元以内。然而，行业正面临“数据饥渴”的隐形墙：真机数据采集成本高、周期长，难以满足大模型训练需求。
前沿测试数据显示，利用 5 倍于真机规模的仿真数据进行训练，可将机器人真实操作成功率提升 40%，且成本仅为真机的三分之一。产业共识日益清晰：要实现物理 AI 的"GPT 时刻”，必须依靠仿真解决数据规模化难题。
国内初创企业「虚时科技」在此领域取得关键突破，将单场景生成成本从数百美元降至十美元以内，周期从周级压缩至分钟级。近期，该公司连续完成天使轮及天使 + 轮融资，累计数千万元；前地瓜机器人具身智能算法负责人何泳澔博士正式加入出任 CTO，进一步完善了从场景生成到端侧部署的技术闭环。
顶尖人才入局：All In 具身仿真初创
何泳澔博士的加入是虚时科技释放的重要信号。创始人兼 CEO 王德駪曾任亚马逊 Alexa 大模型技术负责人，主导 Code-to-Space 技术路线，构建具备物理属性的三维仿真空间。
新任 CTO 何泳澔为中国科学院自动化研究所博士，此前担任地瓜机器人具身智能算法负责人，拥有 ECCV、CVPR 等顶会论文 30 余篇及授权专利 10 余项，精通从仿真数据生成、VLA/VA 模型设计到真机部署的全链路研发。投资人评价其为业内少有的兼具数据生成、模型训练与端侧部署经验的“仿真派”专家。
此外，团队还引入了中科院自动化所副教授苏虎作为首席科学家，其在通过文本或图像生成可交互仿真场景方面成果显著。三位核心成员构成了覆盖“仿真空间生成—任务数据采集—操作模型训练—真机验证反馈”的互补体系。
为何押注仿真：突破数据规模与迭代效率瓶颈
为何顶尖人才选择此时 All In 具身仿真？核心在于解决数据生产跟不上模型迭代的矛盾。当前主流的 Ego 数据采集面临三大关卡：
采集效率受制于人力
人工采集有效数据比例低，扩大产出需线性增加人员与设备投入，难以满足指数级增长的数据需求。
模型迭代导致数据失效
不同模型方案对观测频率、分辨率要求各异。模型一旦迭代，旧数据往往无法复用，需重新采集，造成资源浪费。
人类示范与机器执行的鸿沟
Ego 数据缺乏力觉、触觉等关键信息，且在遮挡情况下难以准确估计姿态，转化为机器人动作存在困难。
仿真的核心价值在于支撑数据规模指数级增长，提供准确的多模态操作信息，并能快速适配不同训练范式。一旦流程跑通，产能可通过算力并行扩展，且环境资产可复用，形成数据飞轮。
跨越 Sim2Real Gap：从参数差异到物理规律
针对行业内对“仿真到现实（Sim2Real）”差距的质疑，虚时科技 CEO 王德駪提出“第一性原理”解法：先学习物理世界的共通规律，再适应具体环境的参数差异。
正如人在月球无需重学走路只需调整步幅，模型应学习物理框架而非死记参数。视觉仿真 Gap 已基本填平，物理交互 Gap 本质是参数偏差。通过少量真机数据微调或递归自我进化（RSI），即可快速校准。王德駪预测，未来 1 至 2 年内，行业将迎来仿真数据驱动的智能涌现拐点。
IntimeVerse：打造场景、数据与模型的闭环
传统仿真数据生产停留在“手工作坊”时代，成本高、效率低。虚时科技推出的 IntimeVerse 平台包含四大核心模块，旨在打破这一瓶颈：
Code2Space：代码驱动生成
通过自研模型输出可执行代码，自动生成带物理属性的 3D 场景。单场景成本从数百美元降至 10 美元以内，实现变量精细控制与场景快速扩展。
Asset2Physics：物理属性对齐
利用交互式可微辨识系统，让资产在仿真中主动与环境交互，反向调整物理参数。单资产校准达分钟级，外观与物理准确性超 95%。
Space2Data：自动任务发现与采集
解决自动化采集卡点，支持已知标准化任务与未知任务自动发现。系统能自动规划、执行并记录轨迹，失败样本用于指导下一轮采集。目前仿真任务执行成功率超 90%，单卡日产数据超 5 小时。
Data2Edge：策略训练与端侧部署
补齐技术版图最后一环。一是推出 IntimeBrain 方案，在 100 TOPS 端侧芯片实现 20Hz 实时运行，远超主流方案；二是建立包含视觉与力觉的多模态仿真评测基准；三是深化自动化数据采集，形成完整闭环。
拒绝“画大饼”：从制造业跑通商业闭环
在商业化路径上，虚时科技务实地选择了工业制造场景优先。相比居家场景，工业环境固定、稳定，更适合新技术验证。
以快递供包为例，面对刚柔混合、动态扰动的复杂包裹，虚时已完成业界首个 100% 基于仿真的全流程训练方案。目前，公司正为某新能源电池装配企业提供电池包装配产线的仿真训练数据服务，并与北京头部具身智能厂商推进特定机器人构型的任务训练，相关项目已进入订单交付阶段。
当真机采集陷入线性扩展困境，而模型需求呈指数爆发时，虚时科技正通过按需生成、持续迭代的仿真训练系统，填补数据供给与模型迭代之间的基础设施缺口，推动具身智能从“会做 Demo"迈向“能干真活”。