AI开始研究Physical AI：FSD级团队亮出首版模型Simate-beta，空降RoboDojo

Simate是一家什么样的公司？

Simate（Silicon Mate）是一家成立仅三个月的公司，核心团队曾将一段式端到端智驾模型能力推进至对标Tesla FSD的水平并完成量产落地。公司专注于通用物理AI，采用AI for Physical AI的研发方式，已连续完成多轮数亿元人民币级别融资。

Simate-beta是什么？它在RoboDojo上表现如何？

Simate-beta是Simate推出的首款通用物理快系统，展示记忆、长程任务、精细操作与任务适应能力。根据公司提供、更新于2026年9月23日的RoboDojo榜单，simate-beta以平均Score 33.95排名第一，对应SR为27.96%。该基础模型并未针对榜单进行专门优化。

Simate的AutoResearch平台是做什么的？

AutoResearch是Simate开发的自动化研究平台，用于加速AI研究流程。人类研究员提出假设、设定目标、划定约束，AutoResearch引擎自动接棒，把实验拆解、跑通、反馈全流程自动化。该平台已启动内测，来自MIT、加州理工、清华、北大等高校的研究者已参与。

Simate的通用物理快系统采用了哪些关键技术？

Simate的通用物理快系统主要从两方面入手：1、4D物理感知，同时捕捉空间结构与时间维度的动态变化；2、分层时序记忆，记住长程任务历史、追踪连续操作状态，同时避免即时反应被历史信息拖慢。具体架构和模型规模将在后续技术报告中披露。

Simate提出的Physical RSI是什么？分为哪几种类型？

Physical RSI是Simate瞄准的方向，定义了三种类型：1、弱SI：边界明确，快速闭环，人机共驾模式，研究员设定目标与约束，正常执行不需逐步参与；2、中SI：方向明确但答案未知，Agent负责整理上下文、实现方案、跑实验、比较结果，研究员负责筛假设和关键取舍；3、强SI：研究本身都需要被发现，系统需自己理解目标、发现值得研究的问题并保持方向感。三者无等级之分，可同时存在。

Simate的研发体系架构是怎样的？

Simate搭建了三层架构：SiPAI ＋ AutoResearch ＋ AI-native Infra。SiPAI将机器人模型搭建成AI能轻松读懂的结构，模块边界、系统接口、配置项与验证流程定义清晰；AutoResearch解决动态信息差，将外部论文、内部材料、代码、数据配比、历史实验日志与评测反馈汇入同一份动态研究Context；AI-native Infra覆盖训练、仿真与推理。

Simate团队的核心成员有哪些？

创始人张颖，前某一线智驾公司核心技术负责人，参与过有图、无图、端到端三代智驾方案攻坚，推动打造的智驾系统是国内最接近Tesla FSD的智驾系统。另外两位灵魂人物：占方能，香港科技大学助理教授、World Mind Lab负责人，长期研究世界模型和物理AI；季马泽宇，00后青年科学家，研究方向横跨3D感知、灵巧操作和人形机器人全身控制，曾是硅谷Assured Robot Intelligence创始成员。

Simate未来的计划和目标是什么？

Simate已形成面向复杂任务零样本泛化的技术思路，计划于今年年底推出阶段性成果。模型与自动化研究等三项研究工作将通过论文和技术报告陆续公布，相关成果计划分阶段开源。最终目标是逼近零样本与少样本的通用物理AI操作，推动物理AI迎来自己的「GPT-3时刻」。