作者：Zen，PANews

9月8日，一家名叫Antioch的美國初創公司完成了3200萬美元A輪融資，由矽谷知名風險投資機構Greylock領投。加上年初完成的850萬美元種子輪，這家成立只有一年多的公司累計融資已經達到4050萬美元。

Antioch的主要路線是把現實中的機器人、傳感器、軟件系統和運行環境搬進計算機，在一個盡可能接近現實的數字世界中，對機器進行大規模訓練、測試和驗證。現實中成本高昂、難以重複甚至具有危險性的故障和極端場景，都可以在這裡反覆發生。

Antioch也並非孤例，隨著Physical AI成為AI行業新的投資方向，一批圍繞3D空間、數字孿生、物理仿真和合成數據的公司正在重新獲得資本關注。它們試圖解決的其實都是怎樣在計算機裡創造一個足夠接近現實的世界。

只看「搭建虛擬世界、複製現實場景」這些描述，很容易讓人想起上一輪「元宇宙」的科技浪潮。但區別在於，Antioch做的不是讓用戶戴著VR頭顯在虛擬世界暢遊，這一次，真正需要長期「生活」在虛擬世界裡的，是機器人。

虛擬世界並沒有消失，只是這一次，住進去的「居民」變了。

人類沒有住進元宇宙

2021年8月，在全球最重要的計算機圖形學大會SIGGRAPH上，NVIDIA宣布擴大Omniverse平台。當時NVIDIA對它的定位非常明確：Omniverse是一套用於仿真和3D協作的平台，並正在「為元宇宙提供基礎」。

它的核心思路，是讓原本分散在不同軟件裡的3D內容進入同一個虛擬世界。

其中一個非常重要的底層技術叫USD，即Universal Scene Description（通用場景描述）。這是皮克斯最初為複雜動畫電影製作開發、後來開源的一套3D場景描述標準。簡單理解，它類似3D世界的一種「通用語言」：一個虛擬場景裡有哪些物體，它們在哪裡、使用什麼材質、如何運動以及彼此是什麼關係，都可以通過USD組織起來。

因此，當時使用Blender這類3D建模軟件的設計師、使用Adobe Substance 3D製作紋理和材質的美術人員，以及使用不同工程軟件的工程師，可以通過USD把各自製作的內容連接到Omniverse，在同一個3D世界裡協作。

NVIDIA當時甚至把這種未來描述成一種「3D Internet」：今天互聯網連接的是網頁，未來互聯網可能連接無數可以實時進入和交互的3D空間。

同年10月，Facebook將公司名字改成了Meta，元宇宙由此進入最狂熱的階段。

比起NVIDIA，扎克伯格描繪的未來更加宏大。在他的設想中，人們不再只是隔著二維屏幕使用互聯網，而是進入具有空間感和「存在感」的數字世界，在裡面開會、工作、娛樂、購物和社交。Meta當時預計，在未來十年左右，Metaverse可能覆蓋10億人口，並形成規模巨大的數字經濟。

元宇宙是個筐，什麼都能往裡面裝。此後兩年，VR、AR、數字人、虛擬辦公、3D遊戲、數字孿生，以及NFT等數字資產敘事，都被放進了一個關於「大規模數字世界」的統一想像中。

然而，消費級元宇宙產業至今都沒有實現，當初一大批的參與者已悄然出局。Meta仍沒有放棄VR、AR和智能眼鏡，但支撐相關業務的Reality Labs仍然是一項極其昂貴的長期投入。2025年，Reality Labs全年收入約22.07億美元，營業虧損卻達到191.93億美元。Meta同時預計，2026年該部門的營業虧損仍將大體維持在2025年的水平。

相比之下，Omniverse的變化更加耐人尋味。五年前，NVIDIA稱Omniverse是「元宇宙的基礎」。如今NVIDIA官方網站給出的定義已經變成「用於開發Physical AI應用的一組庫和微服務。」

Omniverse的上層敘事和產品重心，已經轉向工業數字孿生、機器人仿真和自動駕駛開發。它下面連接著Isaac Sim、Isaac Lab、Cosmos、PhysX、Warp等一系列機器人和Physical AI工具。同一個平台，承載的最大敘事已經變了。

實際上，機器人仿真、工業數字孿生和物理引擎的歷史都遠早於「元宇宙元年」，上一輪元宇宙浪潮，只是把3D建模、實時渲染、數字孿生、虛擬協作和開放3D標準以及NFT等原本相對分散的技術，放進了一個關於「大規模數字世界」的統一想像中。

因此元宇宙退潮之後，這些基礎設施並沒有消失。人們只是逐漸發現，機器人可能比人類更加需要一個虛擬世界。

機器人為什麼需要一個虛擬世界

NVIDIA今年在GTC大會解釋人形機器人訓練體系時，再次展示了一套非常直觀的「機器人數據金字塔」。

最底層是數量最大的互聯網和人類數據，例如網頁、圖片、視頻和人類行為記錄。它們幾乎取之不盡，可以告訴機器人世界是什麼、人在做什麼，但通常沒有機器人真正執行動作時所需要的關節角度、力、觸覺和控制信號。

金字塔最頂端則是真實機器人數據。讓機器人通過遙操作或者自主運行真正抓取、搬運、行走，可以得到最接近最終任務的數據，但它又是最昂貴的：一台機器人一天最多也只能真正經歷24小時，而且還涉及機器、場地、操作人員和設備維護。

處在兩者之間的，就是仿真和合成數據。它沒有真實機器人數據那麼準確，卻可以在GPU裡高速複製和並行生成；它也不像互聯網視頻那樣只是「看見人類在做什麼」，而是可以直接產生機器人執行任務所需要的動作、狀態和傳感器數據。

NVIDIA因此提出，希望未來不斷擴大金字塔中間的合成數據層，使其成為機器人訓練的重要數據來源。

三種數據的利弊其實非常簡單：互聯網和人類數據便宜、規模巨大，但距離機器人真實執行較遠；真實機器人數據與機器人實際部署最貼近、物理真實性最高，卻貴而且慢；仿真數據處在中間——真實性有所損失，但規模、成本和可控性遠勝真機。

也正因此，仿真正在成為美國Physical AI基礎設施最受資本和大廠押注的方向之一。

而它解決的，還不只是數據數量問題。現實世界最大的特點，是不能隨意複製。公司有100台機器人，就只能同時運行100台機器人；一間倉庫也不可能為了訓練機器人，每十分鐘就把貨架、燈光、地板和商品全部重新佈置一次。但在虛擬環境中，同一個機器人可以被複製成幾千甚至幾萬個數字分身。

一台機械臂可以同時面對1000種桌面佈局；機器人可以不停改變物體的位置、質量和材質；光線、相機位置、地面摩擦力甚至傳感器誤差都可以被人為隨機調整。這種訓練方法在機器人領域被稱為Domain Randomization（域隨機化），無需讓機器人死記一個完美的虛擬環境，而是故意不斷改變環境，讓模型學會在各種變化下完成同一個任務。

另外值得一提的是，除了需要「正常工作」的數據外，開發人員還需關注極端情況下的數據。一個攝像頭突然失效、機器人腳下突然變滑、機器人摔倒都是需要考慮克服的場景。現實世界不可能為了收集數據每天製造事故，但虛擬世界卻可以。

這也是一部分人認為機器人開發不能一直依賴真實測試場的原因。現實測試畢竟需要設備、場地和工程時間，而且極端故障難以重複。但在仿真裡，一次系統更新卻可以立即面對數千種條件進行並行測試。

元宇宙曾經遇到的最大問題是，為什麼人一定要進入虛擬世界？如今機器人已經給出了一個完全不同的答案。對人來說，虛擬世界只是現實生活的一種可選擇的替代品。但對機器人來說，虛擬世界可以成為進入現實以前的訓練場。

重新成為一門生意的「虛擬世界」

圍繞Physical AI，一個新的「虛擬世界基礎設施」產業正在出現，而且這些公司的分工已經越來越細。

2026年8月，總部位於德國慕尼黑的NavVis完成8500萬美元融資。

NavVis是一家空間數據公司。它的核心業務不是訓練機器人，而是利用移動掃描設備把現實中的工廠、建築和基礎設施快速掃描成高精度3D數據。公司披露，僅2025年一年，其系統處理和分發的現實空間就超過10億平方米。

如今NavVis已經直接把這套業務定位為Physical AI的「數據基礎」——機器人如果未來要在真實工廠中工作，首先要讓計算機準確地知道這座工廠長什麼樣。

韓國初創公司NdotLight解決的又是另一層問題。NdotLight是一家專門製作機器人仿真3D資產的Physical AI數據公司。今年8月，它獲得150億韓元、約1060萬美元新融資，由韓國開發銀行KDB領投。

普通3D模型通常只需要足夠逼真，就已可以用於遊戲或者動畫。但對機器人訓練來說卻遠遠不夠，因為它還需要知道這把椅子有多重、哪裡會發生碰撞、表面摩擦力多大、哪些部位能夠活動。

NdotLight開發的TRINIX就是把普通3D內容轉換成所謂的SimReady資產，也就是能夠直接進入機器人模擬器的3D資產。除了外觀之外，它還會補充質量、摩擦、關節結構和碰撞數據，並接入NVIDIA Omniverse和Isaac Sim。它解決的是怎樣讓虛擬物體不僅還原了現實，還能像現實物體一樣被機器人使用。

9月17日，又有一家來自冰島的Treble獲得1800萬美元融資。Treble是一家聲學仿真公司。它建立虛擬空間以後，可以模擬聲音在房間、建築和其他環境中的傳播方式，並生成合成聲學數據。

隨著機器人、智能眼鏡和其他Physical AI設備越來越依賴麥克風理解現實環境，公司也開始把自己的聲學數字孿生技術用於Physical AI訓練，其主要解決的是，在虛擬世界裡，機器人怎樣「聽見」接近真實的聲音。

這些類型的公司加起來，實際上已經開始重新拼出一個數字世界，而且已經非常接近五年前人們口中的「虛擬世界」。不同之處在於，元宇宙追求的是沉浸感，Physical AI追求的是真實性。

這就落到了機器人仿真領域一個最重要的概念「Sim-to-Real」，即「從模擬到現實」。其探討的是機器人在虛擬世界裡學會的東西，回到真實世界以後到底還能不能用？

這也是為什麼NVIDIA的Isaac Sim不僅強調畫面渲染，還包含剛體動力學、關節、碰撞和各種虛擬傳感器，以盡可能縮小這種差距；Isaac Lab進一步允許開發者同時運行大量機器人環境，通過GPU並行訓練機器人策略。

因此，今天的機器人虛擬世界與很多消費級元宇宙的核心區別就在於，前者的價值最終必須回到現實世界接受檢驗。

人類最終沒有按照當初的設想住進元宇宙。但那些為虛擬世界鋪設的道路並沒有完全荒廢，機器人正在沿著它們，走回現實。