一支具备FSD级研发背景的团队近日发布首版Physical AI模型Simate-beta，并宣布该模型已接入RoboDojo平台。此举被视为AI研究从数字空间向物理世界延伸的又一进展。
据该团队介绍，Simate将训练、推理与评测全流程接入自研Infra，通过任务编排与资源调度，可同时并行推进数十条相互独立的研究路线。这一架构设计旨在提升Physical AI研究的迭代效率，降低多路线并行探索的工程复杂度。
Physical AI通常指面向机器人、自动驾驶等物理世界任务的AI系统，其核心挑战在于模型需要处理真实环境中的感知、决策与控制问题。与纯软件AI不同，Physical AI对训练基础设施、仿真环境和评测体系均有更高要求。RoboDojo作为承接平台，可能为Simate-beta提供机器人场景下的训练与验证环境。
当前，Physical AI已成为大模型厂商和自动驾驶公司关注的重点方向。英伟达、特斯拉等企业均在推动相关技术落地，国内亦有多个团队布局具身智能与机器人基础模型。Simate-beta的发布意味着该赛道的竞争进一步向基础设施层和模型层延伸。
该团队未披露Simate-beta的具体参数规模、训练数据构成及评测结果。后续模型能力与RoboDojo平台的实际表现，仍有待更多技术细节公开后进一步观察。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
