智东西 9 月 24 日报道，成立仅三个月的物理智能公司 Simate（硅基伙伴）披露，其通过 AI 自动研究系统 AutoResearch 参与研发的通用物理快系统模型，已登顶物理 AI 评测榜单 RoboDojo，并通过真机演示了"泡茶"这类连续多步骤的长程任务：机器人需要记住已完成步骤、追踪任务进展，再根据环境变化决定下一步。公司称已完成累计数亿元融资，团队来自自动驾驶端到端量产、世界模型与人形机器人控制等方向。
[1]nut graf：这家公司值得单写，不是因为"又一个机器人创业公司"，而是它把 RSI（递归自我改进）叙事搬进了物理世界——AutoResearch 让 AI Agent 承担模型修改、训练、评测与实验管理的执行工作，研究人员只做假设判断与关键决策；在 Anthropic 披露 Claude 已能"主导"约 26% 的 AI 研发工作之后，Simate 试图在机器人智能上复制同样的分工。放回行业语境，物理智能赛道上一家公司（息壤开物）同日传出数亿元融资消息，Simate 自身累计融资也是数亿元——资本正在批量押注"AI 研发 AI"在物理世界的版本。 62 63 评测口径要拆开看。RoboDojo 是一个面向通用机器人操作能力的第三方基准，覆盖泛化、记忆、精细操作、长程任务执行与开放任务等维度，Simate 称其模型在榜单取得第一名；但这是公司自报的成绩，RoboDojo 榜单名次没有独立的第三方复核，模型的具体规模与架构，公司也留到后续技术报告再公布。技术披露本身有信息量：其通用物理快系统引入 4D 物理感知与记忆机制——通过处理深度、几何、运动与接触关系理解物理环境，同时围绕任务进展与连续状态追踪组织历史信息，试图在长程一致性与实时反应之间找平衡；并探索高效视觉编码、时空建模与特征压缩，让更大模型服务端侧实时操作。这是"快系统"侧的设计；按规划，它未来将与"通用推理慢系统"协同，向零样本、少样本的通用操作推进。 64 65 AutoResearch 是另一条值得单独看的产品线。从披露的界面看，它已不是实验脚本集合：有 "From Experiments to One Policy" 的流程看板，也有跨场景评测结果页，用来管理实验分支、追踪评测表现，把多轮实验汇聚成更稳定的策略。Agent 可以读取模型代码、训练配置与历史实验记录，通过 SiPAI 可插拔模型框架修改组件与配置，调用基础设施完成训练与评测，再根据结果决定继续、调整或停止实验，并把新发现纳入下一轮研究。Simate 称 AutoResearch 已对外开放试用，清华、MIT、香港科技大学等高校研究人员在用。团队构成佐证了这条路线：创始人张颖来自一线自动驾驶公司，占方能是香港科技大学助理教授、世界模型方向研究者，00 后季马泽宇曾参与通用人形控制器真机验证、其此前所在的物理 AI 公司被 Meta 收购。 66 67 局限与判断：Simate 将 RSI 研究任务划为弱、中、强三类——弱 RSI 面向边界明确的问题，中 RSI 是人机协同的多阶段规划，强 RSI 需要系统自主发现问题、保持方向，目前仍要资深研究人员主导。这个划分本身就是诚实的边界声明：当下能落地的是弱、中两级，强 RSI 仍是目标。对读者而言，值得跟踪的指标不是榜单名次，而是三件事：AutoResearch 能否把"修改—训练—评测—反馈"的闭环真正跑在自有模型上并提升成绩（自报之外的公开证据）；物理快系统与慢系统的协同是否兑现；以及用 AI 做物理研究时，仿真验证与真机验证之间那条"实验反馈失真"的裂缝能否被补上。
[1]