11月初，机器人数据初创公司Physicl宣布完成一千万美元种子轮融资，由Inovia Capital领投。公司同时上线了名为Studio的平台，首批提供一万个三维环境与十万个数字资产，供开发者搭建场景、生成机器人训练用的合成数据。世界模型公司SpAItial是其早期客户。
创始人Alex de Vigan此前做了十年nfinite，帮品牌与零售商把商品做成高保真三维模型放到电商页面上。他的判断很直接：过去团队最独特的这项能力正在被生成式图像取代，但AI仍然缺一项关键能力，理解空间与物体并与之交互。于是同一套渲染与重建的技术被搬到了机器人训练上。
目前机器人训练数据大致有三个来源。一是视频，量大但只提供观察，模型能看到人怎么动，学不到接触力与摩擦这类信息。二是遥操作，人戴着设备一遍遍示范，数据质量高，成本也高，采一条少一条，场景一变还要重来。三是仿真，可以批量生成，问题在于仿真里的世界与真实世界对不上。
这个对不上的地方有个专门说法，叫仿真到现实的差距。物体几何不准、材质参数错、物理行为被简化，都会让在仿真里训练出来的策略到真机上失效。差距越大，仿真数据越像一份看起来很多、实际用不上的资产。
Physicl选的是第三条路，并试图把差距压小。它做的事是把不完整、格式各异的真实世界信息，转换成几何、材质与物理属性都更可靠的三维表示。说白了，它卖的不是模型，是让模型能练功的场地。
平台的使用方式不是给你一堆数据，而是你说哪里不行，它给你造那种场景。官方举的例子是，一支团队发现机器人在杂乱台面上识别杯子有困难，就可以生成大量不同摆放、不同光照、部分遮挡的训练环境。
这个思路对应的是后训练阶段。预训练解决通用能力，后训练解决具体短板，而短板往往集中在长尾场景。用真实数据去补长尾，性价比极低，因为要专门去搭那样的场景再采一遍；用仿真补，只要把变量调出来就行。
所以这类平台真正的竞争力不在环境数量，而在变量可控性。能不能调光照、能不能改材质、能不能设定遮挡关系、能不能批量改物体摆放，这些决定了它是不是一个可编程的数据工厂，而不是一个素材库。
变量可控还有个前提，就是场景本身要能被参数化。杂乱台面这种描述听着简单，落到实现上要定义桌面放几件物体、彼此间距多少、哪类材质反光更强。定义得越细，生成的环境越贴近客户真正遇到的问题；定义得太粗，出来的还是一批看起来很像的通用场景。
上线时的一万个环境与十万个资产，听上去规模不小，但对做通用机器人的团队来说，这个量级只能算起步。真实世界的物体种类以百万计，家庭场景里的杂物更是无法穷举。资产库的价值在于覆盖高频品类，剩下的靠组合与变形去逼近。
真正的壁垒可能在流程而不是素材。哪一步该自动、哪一步需要人确认、生成的数据怎么标注、标注质量怎么验，这些工程细节决定了一个平台能不能被接进日常训练循环。素材可以买，流程只能自己磨。
另一个变量是物理引擎。渲染得再真实，如果刚体碰撞、软体形变、摩擦系数算得不对，策略学到的东西仍然是错的。这也是为什么这类公司往往要把渲染与物理放在一起做，而不是只做其中一层。
资产库的另一项隐性成本是授权与来源。三维资产的建模方式、扫描来源与可商用范围，都会影响客户能不能把它放进产品级训练集。一个数量很大的库，如果有一部分只能用于内部测试，实际可用量就要打折，采购前需要逐条确认。
首批客户里出现了世界模型公司，这个细节值得注意。世界模型要预测场景如何演化，需要大量带物理正确性的三维数据来训练与验证，而这类数据恰好是仿真平台的产出。两边的需求在这一层对上了。
这说明机器人数据市场正在分层。底层是原始数据与场景资产，中层是带标注的训练集，上层是针对具体任务的评测环境。不同层的毛利与壁垒完全不同，越往上越贴近客户的具体问题，越往下越像基础设施。
对一个种子轮公司来说，先占哪一层是战略选择。做底层要有规模，做上层要有行业知识。Physicl目前的选择是底层加工具，靠平台把两者连起来。这条路的天花板高，前期也最烧钱。
格式标准是另一道隐蔽的门槛。仿真平台导出的数据如果只能用自家工具链打开，客户接进去就等于被绑定；愿意按通用格式导出的，短期看起来吃亏，长期反而更容易被集成进别人的流水线。
de Vigan自己承认，这个领域还很年轻，有时候边界十分模糊。做仿真工具的、做数据标注的、做世界模型的、做机器人本体的，都在往数据这一层伸手。客户也常常分不清该买哪一种。
这种模糊对创业公司是机会也是风险。机会在于需求真实且尚未定型，能把流程跑顺的一方能拿到订单；风险在于大厂随时可以把这项能力内置进自己的训练平台，尤其当客户本身就是模型公司时，替代的门槛并不高。
接下来值得看三件事：仿真环境能否给出可验证的物理精度指标，而不是只讲画质；合成数据在真机上的迁移效果有没有第三方复现；以及这类平台的计费方式是按环境、按资产还是按生成的训练样本量。第三种最贴近价值，也最难被客户接受。