OpenAI与Hugging Face的事件表明，AI代理具有不可预测性。Laplace Intelligence联合创始人兼CEO Howie Sun指出：“若类似事件发生在物理世界后果不堪设想。随着AI代理从数字空间走向现实，我们必须确保物理AI的安全。”
Laplace Intelligence总部位于安娜堡，专注于为机器人及物理AI构建自动化红队测试，即通过故意攻击系统进行压力测试。公司认为，保障物理AI安全的唯一途径是以AI测AI。Sun表示：“我们旨在帮助企业在部署前发现并解决问题，同时建立客户、保险商及监管机构均可信赖的共同证据基础。”
作为TechCrunch Disrupt大会Startup Battlefield 200竞赛的20家参赛企业之一，Laplace将于10月13日周日下午在旧金山Disrupt舞台进行路演。
Sun与联合创始人兼首席科学家Henry Liu于一年前在密歇根大学创立Laplace。过去八年，Sun致力于模拟环境中自动驾驶AI的挑战研究。2023年，他与导师Liu发表的相关论文登上《自然》封面，随后便收到多家自动驾驶公司的合作咨询。
Sun坦言：“我意识到应将这项学术研究转化为具有现实价值的产品。”公司名称源自1814年法国学者皮埃尔-西蒙·拉普拉斯提出的“拉普拉斯妖”思想实验，寓意若能掌握宇宙万物的确切状态，便能精准预测未来。Sun解释道：“我们本质上是利用模拟来预测现实世界的未来。”
Laplace的核心在于高保真模拟环境与自动探测弱点的AI代理相结合，确保机器人、自动驾驶汽车或智慧城市解决方案等物理AI在部署前经过充分验证。该环境基于英伟达Cosmos平台后训练而成，融合Google街景图像与现实地图数据，可重建从亚利桑那州高速公路到巴黎人行横道等各类场景，而非生成随机内容。
开发者可通过语言提示实时调整设置（如添加下午交通状况），系统还会接入TomTom等服务商的实时路况信息。此外，模拟器不仅还原环境，还模拟其他参与者的交互行为。例如在演示中，当测试车辆突然变道时，周围车辆会做出避让反应而非直接穿透，实现了真正的交互式世界模型。
除模拟环境外，Laplace的独特优势在于其能自动设计边缘案例的AI代理。这些代理可从新闻、事故报告等信息源中提取场景，主动挑战自动驾驶及其他物理AI，进一步减少人工干预。
当前，自动驾驶开发多依赖录制视频转化模拟或人工设计边缘案例。尽管Waabi等公司已开始采用AI生成训练场景，但随着通用机器人投入现实，此类技术需求将更为迫切。Sun指出：“通用机器人缺乏现实数据，无人知晓会出现何种边缘情况。”
虽无硅谷背景，但团队已实现盈利。主要收入来自自动驾驶领域，客户包括德克萨斯州卡车公司Bot Auto及某日本大型车企。此外，Laplace正与Nvidia、T-Mobile合作开展圣何塞智慧城市试点，并与合作伙伴共同开发仓库人形机器人。
目前客户合同多为项目制，公司正推动向经常性收入转型。近期目标是通过融资扩大规模以应对竞争，其主要对手Applied Intuition估值已达150亿美元。但Sun对此充满信心，他认为“以AI测AI”的动态交互式测试范式将成为公司最大的护城河。
本文已更新，以澄清 Laplace 与 Nvidia 之间的关系。