Training Robots in Worlds That Don't Exist | World Labs with a16z

World Labs 和 Cynex 合并，主攻“空间智能”AI，用 Marble 生成3D世界，帮机器人在虚拟环境里高效训练和评估，客户已用它替代昂贵的真实数据收集。

• World Labs 专注“空间智能”，目标是让 AI 能理解、推理和操作物理或虚拟空间，不只是看得懂，还能动手做事。
• Cynex 的核心技术是“real-to-sim-to-real”：把真实环境映射进数字世界，确保虚拟世界的变化和现实一致，这样机器人能在虚拟里训练、评估，再把能力迁回现实。
• Marble 是 World Labs 的 3D 生成大模型，能把图片、文字等提示生成几何一致的三维世界（支持高斯斑点、网格等格式），为机器人提供仿真环境。
• 两家公司合并，是因为 World Labs 擅长 3D 生成和视觉，Cynex 擅长机器人和仿真，合起来能覆盖“从世界建模到机器人落地”全链路。

• 机器人领域最大瓶颈是数据太少、收集太慢，不像语言模型能随便爬互联网，机器人每做一次实验都要动真家伙，成本高、速度慢。
• 仿真能做“反事实推理”：比如让机器人在脑子里“假装”各种情况，现实里没发生的也能学到，这正是人类思考的方式。
• Waymo（自动驾驶公司）用数十亿小时仿真训练，比只靠真实路测高效得多。
• 仿真带来两大好处：一是可靠性——能系统性覆盖各种极端情况，二是效率——能加速训练、做超出人类速度的实验。
• 他们强调仿真和真实数据不是二选一，初期靠物理一致性强的仿真，后期随着数据积累再让模型更“学会”现实世界的复杂性。

• 两大核心场景：训练和评估机器人。训练时能系统性控制变量（光线、摩擦、物体类型等），评估时能快速验证模型在各种情况下的表现。
• 评估机器人模型的难点：现实里每次测试都要让机器人真动起来，慢且贵；用仿真环境能大幅提速，还能安全地测极端场景。
• 平台是“模型和硬件无关”的，客户可以把各种机械臂、移动底盘、夹爪等硬件接进来，也能用不同的 AI 模型（从零训练或微调现有大模型）。
• 实际客户多是做“半结构化环境”（如仓库、工厂、餐厅），这些场景比家庭环境简单，适合先用机器人替代人工，快速见效。
• 有客户用它替代了原本慢、危险、昂贵的真实数据采集，直接在虚拟世界里大规模训练和验证机器人策略。

• 他们不造硬件机器人，而是做“数字世界基础设施”，让别的公司把自己的机器人和大脑接进来学本事。
• 平台能适配各种机器人形态，不管是机械臂、移动底盘还是更复杂的组合，都能在生成的虚拟世界里训练和测试。
• 强调“身体无关性”：平台不挑硬件，能服务不同类型和形态的机器人，适合多种行业落地。

• 短期内机器人难以达到人类的能效和灵活度，尤其在“杂乱无章”的家庭环境里。
• 现实落地会先从“结构化”或“半结构化”场景突破，比如工厂、仓库、酒店等，等技术成熟再逐步攻克家庭等复杂环境。
• 人类身体是为适应复杂环境进化的，机器人不必一开始就追求全能，可以先做专用型、场景限定的机器人。
• 他们坦言：要做到“像人一样便宜高效”，可能还要很久，但仿真训练能极大加速这个过程。

• Cynex 联合创始人团队有深厚学术和产业背景，包括哥伦比亚大学、MIT、斯坦福等，既懂仿真也懂机器人硬件。
• 两家公司合并后，东西海岸都设有办公室，便于吸引不同地区人才，也能远程调试和测试机器人。
• 产品已经有真实客户在用，主要集中在“马上能落地见效”的行业场景，如仓储自动化、电子装配等。

“我的北极星很简单——让机器人在真实环境里真的能用起来。”

• 做机器人 AI 的团队，可以直接照搬“real-to-sim-to-real”这套训练路线：先用高保真的仿真世界大规模训练，再把能力迁回现实，省钱又安全。
• AI 产品别只盯着模型本身，基础设施（如高质量仿真环境）是加速落地的关键。尤其在数据稀缺、实验成本高的领域，能替代真实数据采集的仿真平台价值极高。
• 机器人落地要先找“半结构化”场景突破，别一上来就挑战家庭或全开放环境。先在仓库、工厂等可控场景做出效果，才能逐步扩展能力和市场。