Physicl 获 1000 万美元种子轮，用高保真 3D 模拟解决机器人训练难题

一句话看懂：前 nfinite 创始人 Alex de Vigan 创立 Physicl，获 Inovia Capital 领投的 1000 万美元种子轮，推出含 1 万个 3D 环境和 10 万个资产的产品 Studio，帮机器人团队用更真实的仿真数据攻克边缘案例训练难题。

事件核心：发生了什么

2026 年 11 月 6 日，TechCrunch 报道称，Physicl 完成 1000 万美元种子轮融资，由 Inovia Capital 领投。创始人兼 CEO Alex de Vigan 此前十年经营 nfinite，为品牌和零售商批量生成商品 3D 模型；生成式图像兴起后，他判断团队积累的 3D 渲染与信息转换流程可以转向物理 AI，用于将零散、不完整的真实世界数据整理成几何、材质和物理属性正确的高保真表示。Physicl 同步发布 Studio，提供 1 万个 3D 环境和 10 万个对象资产，用户可搭建场景生成合成数据，例如专门训练机器人识别杂乱台面或阴影中的杯子。世界模型公司 SpAItial 已是早期客户。

为什么重要

机器人模型训练长期受困于两条路：用视频训练收益有限，用遥操作采集真实数据成本高。数字仿真被视为主流替代方案，但难点在于仿真是否忠实反映真实物理规律。Physicl 的定位不是单纯卖数据，而是提供持续生成合成数据的工具链，让客户把海量图像或激光雷达数据转化为可批量生成变体的 3D 场景。这与当前物理 AI 数据与工具创业潮方向一致，但该赛道目前仍年轻且边界模糊，多数公司分别在采集、标注或生成不同模态的数据。

对用户/开发者/创作者的影响

对机器人团队而言，Studio 的价值在于针对具体失败场景做后训练，例如让机器人学会在遮挡、反光或堆叠环境下抓取小物件，而不必完全依赖真实采集。慕尼黑工业大学机器人学教授、SpAItial 创始人 Matthias Niessner 表示，他更看重训练过程中按需自动生成数据的能力。不过目前公开信息显示，Physicl 仍处于早期商业化阶段，实际数据保真度和训练收益尚需更多客户案例验证。