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圈迎来全新黑马。 在权威公开评测榜单RoboDojo中，一家成立仅仅几个月的神秘初创，突然杀出重围，一举拿下全球第一。 就是这家名为Simate的公司，刚刚完成了数亿元人民币的连续多轮融资，VC、互联网大厂、产业资本踏破了门槛。 作为前某头部 自动驾驶 公司核心技术负责人之一、最年轻的对标阿里P10技术大牛，Simate创始人张颖参与打造了国内最近Tesla FSD 的智驾系统。 如今，他带着一支「产业×学术」的双料团队，转身杀入Physical AI。 仅仅3个月，他们交出的答卷震撼业内：不仅登顶榜单，更跑通了 Physical RSI的工程闭环。 这直接触及了那个让所有人兴奋的终极命题：「如果研究物理AI这件事本身，可以被AI自动化呢？」 智驾「扫地僧」转身 当产业老兵遇见学术天才 为什么Simate能在短短两三个月内，拿下数亿融资，并交出让行业震惊的答卷？ 答案隐藏在它的基因里。 熟悉自动驾驶的人都知道，过去几年，国内智驾路线经历了一场惨烈的厮杀：从有图到无图，再到纯视觉的一段式端到端。每一次转换，都伴随着无数公司的掉队。 张颖，正是这场战役中最核心的「攻坚者」之一。 从自动驾驶的「尸山血海」中杀出，张颖太清楚物理世界的不确定性有多可怕，也太懂得如何将前沿AI算法与极致的工程化能力结合。这一次，他将目光锁定了更广阔的通用物理智能。 当一个把自动驾驶「一段式端到端」做到顶尖的人，决定去做物理AI，这是一种怎样的体验？ 答案是：把汽车的「大脑」，装进机器人的「躯体」。 为此，张颖创立Simate，担任创始人兼CEO。 与他并肩作战的，是一支兼具产业与学术双重背景的「梦之队」。 占方能，香港科技大学助理教授、World Mind Lab负责人。这位曾在哈佛、MIT留下足迹的顶尖学者，是世界模型与物理AI领域的权威，在各大顶会发表了超50篇高引论文。 季马泽宇：00后青年科学家，毕业于UCSD。他是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，曾是硅谷物理AI明星初创公司ARI（后被Meta收购）的创始成员。 顶级量产工程能力 × 国际前沿研究视野 × 天才少年——这样的组合，让他们不仅在RoboDojo上拿到第一，超越了GPT-6-Astra、DeepMind，更是在真实机器人的长程任务执行、记忆、高精度操作上展现出了惊人的泛化能力。 然而，对于张颖和Simate来说，登顶RoboDojo，根本不是终点，它只是一个「副产品」。 他们在下的，是一盘大棋。 Physical RSI 不造「神」，造「造神」的机器 当前，物理AI的研究面临着一个巨大的痛点：物理实验太慢、太贵、太容易失败了。 Physical AI的研究，往往不是缺少一个绝妙的idea，而是死在了半路上。改模型、洗数据、配环境、跑评测……人类精力被海量工程消耗殆尽。 Simate给出的解法就是——RSI。 长期以来，RSI一直停留在LLM的讨论中。而Simate首次将RSI进行了系统化落地，提出了 Physical RSI 的长期路线。 什么是Physical RSI？简单来说，就是让整个系统在稳定运行中，不断积累经验、自己提出假设、自己做实验、自己改进方法，从而提升机器人的智能。 Simate是全球首次将RSI系统化落地到Physical AI的公司。 他们构建的，是一套面向Physical AI的持续进化系统。在这个系统里，研究不是一串预先写好的死任务，而是一个根据实验反馈不断调整的生命体。 目前，Simate务实地选择了「人机共驾的弱RSI」作为阶段性起点。 由人类研究员负责提出方向、设定目标与约束条件，把控宏观决策。 AI Agent结合已有知识库，自主提出假设、规划实验路径、修改代码配置、执行验证并分析结果。 正是在这套「弱RSI」范式下，Simate推出了其杀手锏——AutoResearch自动研究系统。 它成功打破了人类体力的瓶颈，让研究的规模与速度呈现指数级爆发，一举登顶RoboDojo全球榜单！ 揭秘AutoResearch AI如何自己搞科研？ Simate之所以能在RoboDojo公开评测中取得第一名，支撑它的，而是一套让想法能持续落地、验证、迭代的自主研究基础设施。 让我们深入看看，AutoResearch究竟是怎么工作的。 在这套系统图中，我们可以清晰地看到一个循环：「提出假设 — 规划实验 — 执行验证 — 分析迭代」。 1. 用SiPAI把研究想法落实为模型变化 要让Agent真正参与研究，模型必须像「乐高积木」一样，能够被理解、拆解和组装。 Simate打造了可插拔的模型框架SiPAI。它支持世界模型（WM）、动作模型（WAM）、VLA（视觉语言动作模型）等不同架构。 当面临一个具体问题时，Agent可