特斯拉、Waymo、Anduril每年在虚拟测试基础设施上各花费数亿美元。也就是说，过去想做出有竞争力的机器人AI，首先得有这笔钱。Antioch想改变这个方程式。
这是什么？
Antioch是一个云端仿真平台，让机器人和自主系统团队无需物理测试即可验证软件。在实体AI领域 — 机器人、自动驾驶车、无人机、工业机械 — 测试成本极高，错误部署可能伤害真实的人。
公司于2025年5月在纽约成立，由特斯拉Autopilot出身的Harry Mellsop领衔，联合来自Google DeepMind、Meta Reality Labs、Chainalysis的五位联合创始人组建。 2026年4月宣布的种子轮：850万美元，估值6000万美元，由A*和Category Ventures领投，Palantir CTO Shyam Sankar也作为天使投资人参与。
核心问题是"仿真到现实差距"（sim-to-real gap）。在虚拟环境中完美运行的机器人，进入现实世界后往往失败 — 因为物理引擎无法完全复现真实的摩擦、光照和传感器噪声。 Antioch通过在Nvidia Isaac Sim、World Labs等顶级物理引擎之上叠加领域专用库来缩小这个差距。
有什么不一样？
过去要验证一个机器人行为，得租仓库、手动搭建环境、逐个跑场景。Mellsop说他们见过有团队为了测试家用机器人专门去租Airbnb。 而像火灾应急协议这类危险边缘场景，物理测试根本不可能实现。
| 物理测试 | Antioch云端仿真 | |
|---|---|---|
| 环境搭建 | 数周至数月，耗资数百万 | 几行代码，即刻完成 |
| 并行执行 | 受硬件数量限制 | 数千个同时运行 |
| 危险场景测试 | 不可能或极度危险 | 火灾、暴风雪等自由定义 |
| 故障分析 | 人工视频回看 | AI代理逐帧分析 |
| 可及性 | 需要特斯拉/Waymo级别资本 | 初创公司同样可用 |
"软件工程和LLM领域发生的事，正在实体AI中刚刚开始发生" — Category Ventures如此评价。 不同的是，物理世界的失败后果远超代码错误，对验证工具的要求因此更高。
2026年3月，Allen Institute for AI（Ai2）发布了MolmoBot，实现了零样本仿真到现实迁移 — 完全在仿真中训练的机器人无需额外真实数据就能完成现实任务。 仿真质量已跨越了一个重要门槛。
怎么开始？
Antioch目前通过直接合作方式进行入驻，在官网申请演示后按五个阶段推进。
- Onboard — 直接导入现有代码
无论是基于ROS还是自定义系统，Antioch Ark将机器人软件和固件容器化，自动生成数字孪生，并连接虚拟相机、LiDAR、雷达、IMU等传感器。无需修改硬件。 - Define — 用Python SDK设计场景
将雨、雪、雾、火灾等极端环境以代码形式定义。使用Antioch提供的仿真就绪资产库，或上传自己的3D资产，并以代码设定通过/失败标准。 - Simulate — 云端数千个并行运行
在Antioch Cloud中同时运行数千个仿真，与CI/CD流水线集成，按版本追踪通过率。 - Analyze — 逐帧调试
重放故障发生时的确切状态，原生集成Foxglove和Rerun进行遥测可视化，并自动进行版本间对比。 - Accelerate — AI代理自动优化
内置AI代理分析故障原因，立即验证修改方案的效果。MCP支持让外部AI代理也能接入。
"我们真诚地相信，2至3年内，所有为现实世界构建自主系统的人都将主要在软件中完成这一过程。"
— Harry Mellsop, Antioch联合创始人
