力压GPT-6，中国物理AI黑马登顶第一！

新智元报道

就在刚刚，AI圈迎来一匹全新黑马。在权威公开评测榜单RoboDojo中，成立仅几个月的初创公司Simate脱颖而出，一举拿下全球第一。

近日，Simate完成了数亿元人民币的连续多轮融资，吸引众多VC、互联网大厂及产业资本。创始人张颖曾是某头部自动驾驶公司核心技术负责人，参与打造国内对标Tesla FSD的智驾系统。如今，他带领一支“产业×学术”双料团队进军Physical AI（物理人工智能）。短短3个月，团队不仅登顶榜单，更跑通了Physical RSI的工程闭环，触及了终极命题：“如果研究物理AI这件事本身，也能被AI自动化？”

核心团队：智驾老兵与学术天才的强强联合

Simate能在数月内获数亿融资并交出惊艳答卷，源于其顶尖团队基因。创始人兼CEO张颖历经国内智驾路线的惨烈厮杀，深谙物理世界的不确定性，擅长将前沿AI算法与极致工程化结合。他将自动驾驶的“大脑”装入机器人的“躯体”，创立Simate。

联合创始人团队堪称“梦之队”：

占方能：香港科技大学助理教授、World Mind Lab负责人，世界模型与物理AI领域权威，发表超50篇高引论文。

季马泽宇：00后青年科学家，UCSD毕业，业内最早实现通用人形控制器真机落地验证的代表人物之一，曾为硅谷物理AI明星初创ARI（后被Meta收购）创始成员。

顶级量产工程能力、国际前沿研究视野与天才少年的组合，使Simate在RoboDojo榜单上超越GPT-6-Astra和DeepMind，并在真实机器人的长程任务、记忆和高精度操作上展现出惊人的泛化能力。然而，登顶榜单只是“副产品”，他们的目标是更深远的布局。

核心技术：Physical RSI与自动化研究系统

当前物理AI研究面临实验慢、贵、易失败的痛点，大量精力被改模型、洗数据等工程消耗。Simate的解法是Physical RSI（物理递归自我改进）。RSI长期停留在大语言模型（LLM）讨论中，Simate首次将其系统化落地。Physical RSI指系统在稳定运行中，自主积累经验、提出假设、执行实验并改进方法，从而提升机器人智能。

目前，Simate以“人机共驾的弱RSI”为起点：人类把控宏观决策，AI Agent结合知识库自主规划、执行并分析。在此范式下，Simate推出杀手锏AutoResearch自动研究系统，打破人类体力瓶颈，实现研究规模与速度的指数级爆发。

揭秘AutoResearch：AI如何自主搞科研？

AutoResearch通过“提出假设—规划实验—执行验证—分析迭代”的循环，让想法持续落地。其核心架构包括：

1. SiPAI可插拔模型框架
将模型拆解为“乐高积木”，支持世界模型、动作模型、VLA等架构。Agent可直接替换组件进行实验，无需重建工程。

2. 强大的AI-native Infra底座
支持多Agent编排与多卡调度，训练与推理算力统一调度。环境隔离确保单点故障不影响全局，世界模型和仿真环境提供秒级反馈。

3. 全景可视化界面
通过“研究谱系图”和“运行时间线”，研究员可追踪每个尝试的来龙去脉，形成动态扩张的“科技树”。此外，AutoResearch还能在数据、模型和部署层面自主进行配比与平衡实验。

通用物理快系统：4D物理感知与分层记忆

在自动化系统加持下，Simate正研发面向零样本泛化的“通用物理快系统”。在最新真机演示中，机械臂在复杂长程任务中展现出惊人的记忆力、高精度操作与泛化能力。其核心设计包括：

第一，4D物理感知。将深度、几何、运动、遮挡与接触关系等时空变量融入模型，通过高效视觉编码和时空建模降低运行开销，将端侧可部署模型规模推向极致。

第二，分层时序记忆机制。围绕“任务进展记忆”、“连续状态追踪”和“即时变化反馈”构建筛选机制，使模型既能记住历史，又能快速反应突发状况，实现从“演示学习”到“长程执行”的跨越。

未来，该“物理快系统”还将与主导推理的“慢系统”打通，向零样本、少样本通用操作发起总攻。具体参数即将在近期的深度报告中揭晓。

未来战略：从弱RSI走向完全自主

Simate的愿景是“硅基智能，与人类共生演进”（Silicon evolving with humanity）。其路线图分为清晰的三步：

目前，登顶榜首的AutoResearch科研平台已正式开启内测招募，清华、北大、MIT、加州理工等十余所海内外顶尖院校师生已率先使用。如果你也想体验“让AI帮你做研究”的效能跃升，欢迎参与内测。

内测网址：https://mate-robot.cn/research/sinfra/