元宇宙退潮，机器人入局：虚拟世界迎来新原住民

据 Woofun AI 消息，虚拟世界的核心受众正经历根本性转移，人类不再是唯一主角，机器人正在成为这一数字空间的新原住民。以 Antioch 为代表的初创企业通过大规模融资，加速将物理实体映射至数字环境，标志着虚拟世界从消费级娱乐向工业级训练场的范式重构。

9 月 8 日，美国初创公司 Antioch 宣布完成 3200 万美元 A 轮融资，由硅谷知名风投 Greylock 领投。结合年初获得的 850 万美元种子轮资金，这家成立仅一年的企业累计融资总额已达 4050 万美元。Antioch 的核心业务逻辑在于构建高保真数字孪生环境，将现实中的机器人、传感器、软件系统及运行环境完整迁移至计算机内部。在这一尽可能贴近现实的数字世界中，机器得以进行大规模的训练、测试与验证。那些在物理现实中成本高昂、难以重复甚至极具危险性的故障与极端场景，在此被转化为可无限复现的数据资产，从而大幅降低研发风险与时间成本。

Antioch 的崛起并非孤立现象，而是 Physical AI 成为行业新投资焦点的缩影。随着资本重新聚焦于 3D 空间、数字孪生、物理仿真及合成数据领域，一批致力于在计算机内构建高保真现实世界的公司正获得广泛关注。

尽管'搭建虚拟世界、复制现实场景'的描述极易让人联想到上一轮元宇宙浪潮，但本质区别在于：Antioch 并非旨在让用户佩戴 VR 头显沉浸于虚拟娱乐，而是为机器人提供长期'生活'与进化的数字栖息地。虚拟世界并未消失，只是其内部居民的身份发生了根本性置换。

回顾历史，2021 年 8 月，在全球顶级计算机图形学大会 SIGGRAPH 上，NVIDIA 宣布扩大 Omniverse 平台规模，并明确将其定位为'为元宇宙提供基础'的仿真与 3D 协作平台。其核心愿景是通过 USD（Universal Scene Description，通用场景描述）这一由皮克斯开发并开源的 3D 场景描述标准，打破软件壁垒。USD 如同 3D 世界的通用语言，能够统一组织虚拟场景中物体的位置、材质、运动及相互关系。借助这一标准，使用 Blender 的设计师、Adobe Substance 3D 的美术人员以及各类工程师，得以将分散的内容连接至 Omniverse，实现跨工具的 3D 世界协作。NVIDIA 当时甚至描绘了'3D Internet'的未来图景，预言互联网将从连接网页演进为连接无数可实时交互的 3D 空间。

Woofun AI 整理数据显示，同年 10 月，Facebook 正式更名为 Meta，元宇宙叙事进入狂热顶峰。扎克伯格描绘的愿景远比 NVIDIA 宏大，他设想人们将摆脱二维屏幕，进入具备空间感与'存在感'的数字世界，进行会议、工作、娱乐及社交。Meta 曾预测，未来十年内元宇宙将覆盖 10 亿人口，并催生规模庞大的数字经济。此后两年，VR、AR、数字人、虚拟办公、3D 游戏、数字孪生及 NFT 等概念被统一纳入'大规模数字世界'的想象框架。

然而，消费级元宇宙产业至今未能落地，大量参与者已悄然退出。Meta 虽未放弃 VR、AR 及智能眼镜业务，但其 Reality Labs 部门仍面临巨额亏损。2025 年，Reality Labs 全年收入约 22.07 亿美元，营业亏损高达 191.93 亿美元。Meta 预计，2026 年该部门的营业亏损仍将维持在 2025 年水平，凸显出消费端虚拟世界商业化的艰难。

相比之下，Omniverse 的转型更具启示意义。五年前被视为'元宇宙基础'的平台，如今在 NVIDIA 官网的定义已转变为'用于开发 Physical AI 应用的一组库和微服务'。其叙事重心已彻底转向工业数字孪生、机器人仿真及自动驾驶开发。Omniverse 底层连接着 Isaac Sim、Isaac Lab、Cosmos、PhysX、Warp 等一系列机器人及 Physical AI 工具，承载的最大叙事已从人类娱乐变为机器智能。实际上，机器人仿真、工业数字孪生及物理引擎的技术积淀远早于'元宇宙元年'，上一轮浪潮仅是将这些分散技术整合进统一想象。元宇宙退潮后，基础设施并未消失，人们逐渐意识到，机器人比人类更迫切需要一个虚拟世界。

NVIDIA 在今年 GTC 大会上展示的'机器人数据金字塔'直观揭示了这一需求。金字塔底层是海量的互联网与人类数据，如网页、图片、视频及行为记录，虽取之不尽，却缺乏机器人执行动作所需的关节角度、力、触觉及控制信号。金字塔顶端是真实机器人数据，通过遥操作或自主运行获取，虽最贴近任务需求，但成本极高：一台机器人一天最多仅能经历 24 小时，且涉及设备、场地及维护成本。介于两者之间的仿真与合成数据，虽真实性略逊于真实数据，却可在 GPU 中高速并行生成，直接产出机器人所需的动作、状态及传感器数据。NVIDIA 主张扩大金字塔中间的合成数据层，使其成为机器人训练的核心来源。仿真数据在真实性、规模、成本及可控性之间取得了最佳平衡，正成为美国 Physical AI 基础设施最受资本押注的方向。

仿真技术的优势不仅在于数据规模，更在于其解决现实世界不可复制性的能力。现实中，拥有 100 台机器人便只能同时运行 100 台，仓库无法为训练目的频繁重置货架、灯光及商品布局。而在虚拟环境中，单个机器人可被复制为数千甚至数万个数字分身。一台机械臂可同时应对 1000 种桌面布局，物体位置、质量、材质及光线、相机位置、地面摩擦力甚至传感器误差均可被随机调整。

这种被称为 Domain Randomization（域随机化）的训练方法，迫使模型在各种变化中完成任务，而非死记硬背完美环境。此外，针对摄像头失效、地面打滑或机器人摔倒等极端故障，现实世界难以每日制造事故以收集数据，而虚拟世界可即时并行测试数千种条件，极大提升了系统的鲁棒性。

围绕 Physical AI，新的'虚拟世界基础设施'产业链正迅速细化。2026 年 8 月，总部位于德国慕尼黑的 NavVis 完成 8500 万美元融资。作为空间数据公司，NavVis 利用移动扫描设备将现实工厂、建筑及基础设施转化为高精度 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。NavVis 将自身定位为 Physical AI 的'数据基础'，确保计算机能准确认知真实工厂形态。韩国初创公司 NdotLight 则聚焦于机器人仿真 3D 资产制作。

今年 8 月，NdotLight 获得 150 亿韩元、约 1060 万美元新融资，由韩国开发银行 KDB 领投。其开发的 TRINIX 技术将普通 3D 内容转换为 SimReady 资产，补充质量、摩擦、关节结构及碰撞数据，并接入 NVIDIA Omniverse 和 Isaac Sim，确保虚拟物体具备物理真实性。9 月 17 日，冰岛声学仿真公司 Treble 获得 1800 万美元融资，致力于模拟声音在虚拟空间中的传播，解决机器人在虚拟世界中如何'听见'接近真实声音的问题。

这些细分领域的突破，共同拼凑出一个接近五年前构想的'虚拟世界'，但核心目标已从沉浸感转向真实性。这最终指向机器人仿真领域的核心挑战——Sim-to-Real（从模拟到现实），即虚拟习得技能在现实世界中的有效性。NVIDIA 的 Isaac Sim 通过整合刚体动力学、关节、碰撞及虚拟传感器，力求缩小模拟与现实的差距；Isaac Lab 则利用 GPU 并行训练大量机器人策略。今天的机器人虚拟世界与消费级元宇宙的根本区别在于，前者的价值必须回到现实世界接受检验。人类虽未如预期般住进元宇宙，但铺设的数字道路并未荒废，机器人正沿着这些路径，从虚拟走向现实。