元宇宙留下的虚拟世界，迎来了机器人“原住民”

9月8日，一家名叫Antioch的美国初创公司完成了3200万美元A轮融资，由硅谷知名风险投资机构Greylock领投。加上年初完成的850万美元种子轮，这家成立只有一年多的公司累计融资已经达到4050万美元。

Antioch的主要路线是把现实中的机器人、传感器、软件系统和运行环境搬进计算机，在一个尽可能接近现实的数字世界中，对机器进行大规模训练、测试和验证。现实中成本高昂、难以重复甚至具有危险性的故障和极端场景，都可以在这里反复发生。

Antioch也并非孤例，随着Physical AI成为AI行业新的投资方向，一批围绕3D空间、数字孪生、物理仿真和合成数据的公司正在重新获得资本关注。它们试图解决的其实都是怎样在计算机里创造一个足够接近现实的世界。

只看“搭建虚拟世界、复制现实场景”这些描述，很容易让人想起上一轮“元宇宙”的科技浪潮。但区别在于，Antioch做的不是让用户戴着VR头显在虚拟世界畅游，这一次，真正需要长期“生活”在虚拟世界里的，是机器人。

虚拟世界并没有消失，只是这一次，住进去的“居民”变了。

人类没有住进元宇宙

2021年8月，在全球最重要的计算机图形学大会SIGGRAPH上，NVIDIA宣布扩大Omniverse平台。当时NVIDIA对它的定位非常明确：Omniverse是一套用于仿真和3D协作的平台，并正在“为元宇宙提供基础”。

它的核心思路，是让原本分散在不同软件里的3D内容进入同一个虚拟世界。

其中一个非常重要的底层技术叫USD，即Universal Scene Description（通用场景描述）。这是皮克斯最初为复杂动画电影制作开发、后来开源的一套3D场景描述标准。简单理解，它类似3D世界的一种“通用语言”：一个虚拟场景里有哪些物体，它们在哪里、使用什么材质、如何运动以及彼此是什么关系，都可以通过USD组织起来。

因此，当时使用Blender这类3D建模软件的设计师、使用Adobe Substance 3D制作纹理和材质的美术人员，以及使用不同工程软件的工程师，可以通过USD把各自制作的内容连接到Omniverse，在同一个3D世界里协作。

NVIDIA当时甚至把这种未来描述成一种“3D Internet”：今天互联网连接的是网页，未来互联网可能连接无数可以实时进入和交互的3D空间。

同年10月，Facebook将公司名字改成了Meta，元宇宙由此进入最狂热的阶段。

比起NVIDIA，扎克伯格描绘的未来更加宏大。在他的设想中，人们不再只是隔着二维屏幕使用互联网，而是进入具有空间感和“存在感”的数字世界，在里面开会、工作、娱乐、购物和社交。Meta当时预计，在未来十年左右，Metaverse可能覆盖10亿人口，并形成规模巨大的数字经济。

元宇宙是个筐，什么都能往里面装。此后两年，VR、AR、数字人、虚拟办公、3D游戏、数字孪生，以及NFT等数字资产叙事，都被放进了一个关于“大规模数字世界”的统一想象中。

然而，消费级元宇宙产业至今都没有实现，当初一大批的参与者已悄然出局。Meta仍没有放弃VR、AR和智能眼镜，但支撑相关业务的Reality Labs仍然是一项极其昂贵的长期投入。2025年，Reality Labs全年收入约22.07亿美元，营业亏损却达到191.93亿美元。Meta同时预计，2026年该部门的营业亏损仍将大体维持在2025年的水平。

相比之下，Omniverse的变化更加耐人寻味。五年前，NVIDIA称Omniverse是“元宇宙的基础”。如今NVIDIA官方网站给出的定义已经变成“用于开发Physical AI应用的一组库和微服务。”

Omniverse的上层叙事和产品重心，已经转向工业数字孪生、机器人仿真和自动驾驶开发。它下面连接着Isaac Sim、Isaac Lab、Cosmos、PhysX、Warp等一系列机器人和Physical AI工具。同一个平台，承载的最大叙事已经变了。

实际上，机器人仿真、工业数字孪生和物理引擎的历史都远早于“元宇宙元年”，上一轮元宇宙浪潮，只是把3D建模、实时渲染、数字孪生、虚拟协作和开放3D标准以及NFT等原本相对分散的技术，放进了一个关于“大规模数字世界”的统一想象中。

因此元宇宙退潮之后，这些基础设施并没有消失。人们只是逐渐发现，机器人可能比人类更加需要一个虚拟世界。

机器人为什么需要一个虚拟世界

NVIDIA今年在GTC大会解释人形机器人训练体系时，再次展示了一套非常直观的“机器人数据金字塔”。

最底层是数量最大的互联网和人类数据，例如网页、图片、视频和人类行为记录。它们几乎取之不尽，可以告诉机器人世界是什么、人在做什么，但通常没有机器人真正执行动作时所需要的关节角度、力、触觉和控制信号。

金字塔最顶端则是真实机器人数据。让机器人通过遥操作或者自主运行真正抓取、搬运、行走，可以得到最接近最终任务的数据，但它又是最昂贵的：一台机器人一天最多也只能真正经历24小时，而且还涉及机器、场地、操作人员和设备维护。

处在两者之间的，就是仿真和合成数据。它没有真实机器人数据那么准确，却可以在GPU里高速复制和并行生成；它也不像互联网视频那样只是“看见人类在做什么”，而是可以直接产生机器人执行任务所需要的动作、状态和传感器数据。

NVIDIA因此提出，希望未来不断扩大金字塔中间的合成数据层，使其成为机器人训练的重要数据来源。

三种数据的利弊其实非常简单：互联网和人类数据便宜、规模巨大，但距离机器人真实执行较远；真实机器人数据与机器人实际部署最贴近、物理真实性最高，却贵而且慢；仿真数据处在中间——真实性有所损失，但规模、成本和可控性远胜真机。

也正因此，仿真正在成为美国Physical AI基础设施最受资本和大厂押注的方向之一。

而它解决的，还不只是数据数量问题。现实世界最大的特点，是不能随意复制。公司有100台机器人，就只能同时运行100台机器人；一间仓库也不可能为了训练机器人，每十分钟就把货架、灯光、地板和商品全部重新布置一次。但在虚拟环境中，同一个机器人可以被复制成几千甚至几万个数字分身。

一台机械臂可以同时面对1000种桌面布局；机器人可以不停改变物体的位置、质量和材质；光线、相机位置、地面摩擦力甚至传感器误差都可以被人为随机调整。这种训练方法在机器人领域被称为Domain Randomization（域随机化），无需让机器人死记一个完美的虚拟环境，而是故意不断改变环境，让模型学会在各种变化下完成同一个任务。

另外值得一提的是，除了需要“正常工作”的数据外，开发人员还需关注极端情况下的数据。一个摄像头突然失效、机器人脚下突然变滑、机器人摔倒都是需要考虑克服的场景。现实世界不可能为了收集数据每天制造事故，但虚拟世界却可以。

这也是一部分人认为机器人开发不能一直依赖真实测试场的原因。现实测试毕竟需要设备、场地和工程时间，而且极端故障难以重复。但在仿真里，一次系统更新却可以立即面对数千种条件进行并行测试。

元宇宙曾经遇到的最大问题是，为什么人一定要进入虚拟世界？如今机器人已经给出了一个完全不同的答案。对人来说，虚拟世界只是现实生活的一种可选择的替代品。但对机器人来说，虚拟世界可以成为进入现实以前的训练场。

重新成为一门生意的“虚拟世界”

围绕Physical AI，一个新的“虚拟世界基础设施”产业正在出现，而且这些公司的分工已经越来越细。

2026年8月，总部位于德国慕尼黑的NavVis完成8500万美元融资。

NavVis是一家空间数据公司。它的核心业务不是训练机器人，而是利用移动扫描设备把现实中的工厂、建筑和基础设施快速扫描成高精度3D数据。公司披露，仅2025年一年，其系统处理和分发的现实空间就超过10亿平方米。

如今NavVis已经直接把这套业务定位为Physical AI的“数据基础”——机器人如果未来要在真实工厂中工作，首先要让计算机准确地知道这座工厂长什么样。

韩国初创公司NdotLight解决的又是另一层问题。NdotLight是一家专门制作机器人仿真3D资产的Physical AI数据公司。今年8月，它获得150亿韩元、约1060万美元新融资，由韩国开发银行KDB领投。

普通3D模型通常只需要足够逼真，就已可以用于游戏或者动画。但对机器人训练来说却远远不够，因为它还需要知道这把椅子有多重、哪里会发生碰撞、表面摩擦力多大、哪些部位能够活动。

NdotLight开发的TRINIX就是把普通3D内容转换成所谓的SimReady资产，也就是能够直接进入机器人模拟器的3D资产。除了外观之外，它还会补充质量、摩擦、关节结构和碰撞数据，并接入NVIDIA Omniverse和Isaac Sim。它解决的是怎样让虚拟物体不仅还原了现实，还能像现实物体一样被机器人使用。

9月17日，又有一家来自冰岛的Treble获得1800万美元融资。Treble是一家声学仿真公司。它建立虚拟空间以后，可以模拟声音在房间、建筑和其他环境中的传播方式，并生成合成声学数据。

随着机器人、智能眼镜和其他Physical AI设备越来越依赖麦克风理解现实环境，公司也开始把自己的声学数字孪生技术用于Physical AI训练，其主要解决的是，在虚拟世界里，机器人怎样“听见”接近真实的声音。

这些类型的公司加起来，实际上已经开始重新拼出一个数字世界，而且已经非常接近五年前人们口中的“虚拟世界”。不同之处在于，元宇宙追求的是沉浸感，Physical AI追求的是真实性。

这就落到了机器人仿真领域一个最重要的概念“Sim-to-Real”，即“从模拟到现实”。其探讨的是机器人在虚拟世界里学会的东西，回到真实世界以后到底还能不能用？

这也是为什么NVIDIA的Isaac Sim不仅强调画面渲染，还包含刚体动力学、关节、碰撞和各种虚拟传感器，以尽可能缩小这种差距；Isaac Lab进一步允许开发者同时运行大量机器人环境，通过GPU并行训练机器人策略。

因此，今天的机器人虚拟世界与很多消费级元宇宙的核心区别就在于，前者的价值最终必须回到现实世界接受检验。

人类最终没有按照当初的设想住进元宇宙。但那些为虚拟世界铺设的道路并没有完全荒废，机器人正在沿着它们，走回现实。