深度 · 神机百见-具身解读

4000 万美元换 10 亿美元估值:三家把特斯拉仿真做出来的人,现在把它当商品卖

Zeromatter 结束隐身,4000 万美元融资、10 亿美元投后估值,创始团队是特斯拉 Autopilot 仿真部门的三位原始负责人。它要卖的东西很具体:把最贵、最慢、最危险的那一段物理测试,搬到比特世界里去。

一分钟速览
  1. 事件:物理 AI 仿真公司 Zeromatter 结束隐身模式,宣布完成 4000 万美元融资,投后估值 10 亿美元;总部位于山景城,报道时间为 2026-11-16 07:22(北京时间)。
  2. 团队:CEO Ian Glow 曾任特斯拉 Autopilot Simulation 经理,联合创始人 Axel Gneiting 曾任 Autopilot Simulation 负责人,Michael Hosticka 曾任 Autopilot Simulation Content 负责人 —— 三人是特斯拉仿真部门的原始骨架。
  3. 履历锚点:三人在特斯拉期间搭的统一仿真平台同时服务 Autopilot 与 Optimus 两条产品线,2021 年特斯拉 AI Day 上展示的闭环仿真,机器人「自己分不清是不是虚拟世界」。
  4. 估值/融资额 = 25 倍:这是「投后估值 ÷ 本轮融资额」的比值,不是投资回报倍数。按此折算,本轮投资人以 4000 万美元拿到约 4% 股权。
  5. 它想替代的成本:报道称特斯拉、Waymo、Anduril 等头部企业每年在仿真基础设施上的投入高达数亿美元,而这套能力此前只有极少数公司负担得起。
  6. 判断:这类公司的产品不是「更准的物理引擎」,而是「可逆的失败」。真机测试里一次碰撞就是一次损失,仿真里一次碰撞只是一行日志。客户付钱的不是精度,是把不可逆变成可逆的那层封装——而精度只是这层封装的门票。
数据来源与边界
主源为网易科技转载 CNMO 科技 2026-11-16 07:22 发布的《特斯拉自动驾驶三位模拟核心老将创业 估值达10亿美元》(网易 ↗ ),文中注明「据多家外媒报道」。检索于 2026-11-16 上午,未取得 Zeromatter 官方新闻稿原文,也未取得融资轮次的领投方名单与条款细节;报道本身只给出「4000 万美元融资、10 亿美元投后估值」两个数字,未披露投资方,也未说明是种子轮还是 A 轮。素材时间窗为前一日 18:00 → 当日 09:00(2026-11-15 18:00 → 2026-11-16 09:00),本条发布于 11-16 早间,落在窗内。 可靠性分层:①4000 万美元、10 亿美元估值、山景城、三位创始人履历来自单一信源(CNMO 转述外媒),本文未能交叉核到第二家原始报道,标为单一信源;②2021 年 AI Day 闭环仿真为公开可查的历史事件,属可核实事实;③特斯拉、Waymo、Anduril 每年数亿美元仿真投入为报道转述,未指明测算方法与年份,未获独立信源确认;④文中所有关于估值逻辑、商业模式、客户结构的论述均为作者判断,以「判断:」开头标注;⑤本文未使用任何未公开财务数据,未对 Zeromatter 的实际收入、客户数、订单额做任何推测性引用。版权与免责声明由模板自动附加。
本文事实信息来自上方标注的公开来源;解读、判断与延伸部分为作者个人见解,写作过程使用了 AI 工具辅助整理,已由作者人工核实,不代表信息来源方立场。如有雷同纯属巧合;如涉及版权或权益问题,请联系 shenjibailian@shenjibailian.com,我们将在核实后及时删除或更正。

一家公司从隐身状态出来,报两个数:融了 4000 万美元,估值 10 亿美元。这个组合在 2026 年的物理 AI 赛道里不算最扎眼——同一个月还有更大的数字在跑——但它值得单独写,因为它的三个创始人卖的东西,恰好是所有人形机器人公司最不愿意公开承认的一块成本。

仿真。

一、25 倍这个数,别当回报倍数读

10 亿美元除以 4000 万美元,等于 25。这个 25 容易被误读成「投资人赚了 25 倍」,完全不是。它是「投后估值 ÷ 本轮融资额」,含义只有一句:本轮投资人用 4000 万美元,买到了这家公司大约 4% 的股份。

能读出来的:市场愿意在「没有收入、没有产品目录、只有一个团队和一条技术路线」的阶段,给这家公司一个十位数美元的定价。这个定价里,团队履历的权重远大于当期业务。

读不出来的:ARR、毛利率、客户数、合同额。这四个数一个都没披露。所以 10 亿美元不是对这桩生意当下质量的评价,是对「这一类生意能不能成立」的一次下注。

把团队履历摆出来就明白钱在买什么。三个人来自同一个部门:特斯拉 Autopilot 的仿真。Ian Glow 是仿真经理,主导搭建了特斯拉的仿真基础设施;Axel Gneiting 是仿真负责人;Michael Hosticka 管仿真内容。这三条线正好对应仿真系统的三根柱子——工程底座、技术路线、场景库。

更关键的一条:这套平台同时服务 Autopilot 和 Optimus 两条产品线。也就是说,它不是在「汽车仿真」上长出来再改给机器人用,而是从设计之初就要同时容纳「一辆车在高速上避让」和「一台人形在车间里搬箱子」这两种物理场景。

判断:投资人买的不是「仿真技术」,是「已经在一个同时管车和管机器人的环境里,把仿真做成过基础设施」这件事。这两者的差别在于后者见过脏活——见过传感器标定漂移、见过场景库被长尾淹没、见过训练和验证互相污染。这类经验没法靠融资买,只能靠在一家极端的公司里待够年份。
二、它要替代的那一段,到底多贵

报道里有一句话,是整篇里最接近商业逻辑的:任何自动驾驶汽车、人形机器人或飞行器,在获得现实世界的信任之前,都需要经历数十亿次的场景验证,而物理测试的规模、成本与危险性都存在天然上限。

这句话可以拆成三笔账。

成本项真机测试的形态仿真里的形态差在哪
设备损耗碰撞、跌落、过载直接报废零件重置一个状态向量不可逆 vs 可逆
人力占用至少一人一机,含安全员一个进程跑 4096 个环境线性 vs 并行
场景覆盖长尾场景要等、要造、要碰运气长尾场景可以按需生成等待 vs 调用
表注:第三列的对比是仿真的原理性优势,不代表当前工程实现已经达到;真实项目里仿真与真机的偏差仍需靠真机数据回头校准。抓取日期 2026-11-16。

三笔账里,前两笔是钱,第三笔是时间。而人形机器人行业当下最缺的恰恰是时间——不是缺算法,是缺「这个策略在十万种异常里会不会崩」的答案。真机跑不出来这个答案,因为跑十万种异常要十年。

Glow 把这件事概括成一句话:押注一个工程由「移动比特的速度」而非「移动原子的速度」来定义的未来。这句话很漂亮,也很危险。危险的地方在于:仿真快,但仿真快不等于仿真对。移动比特的速度再快,如果比特世界和原子世界的偏差没有校准,跑得越快,错得越远。

判断:这类公司真正卖的从来不是「精度」,是「可逆的失败」。客户为一次仿真里的碰撞付费,是因为这次碰撞没有成本;客户愿意为这个能力付多少钱,取决于他一年要在真机上撞多少次。所以定价的锚不是软件订阅费,是「一台人形机器人一年的真机测试预算」——这个预算越大,仿真越值钱。
三、第三方仿真绕不开的那道矛盾

仿真要做到「高保真」,前提是知道被仿真对象的真实参数:关节刚度、摩擦系数、传动间隙、传感器噪声模型、电池内阻曲线。这些东西,每一家整机厂都当成核心机密。

于是第三方仿真公司站在一个很别扭的位置上:

要精度
就得向客户要硬件参数与真机日志而这是客户最不愿给的东西
不要精度
就只能做通用场景库与流程工具价值退回到「好用的沙盒」
折中
卖「校准方法论 + 工具链」,参数留在客户本地私有化部署成为必然选项

这也是为什么这条赛道上「卖工具」的公司往往比「卖精度」的公司活得久。精度是一场比赛,永远有更新的引擎跑得更准;工具链是一道流程,一旦嵌进客户的研发节拍就很难换掉。

这条矛盾在中国市场上有另一个版本。同一个窗口里,北京的谋先飞发布了物理仿真引擎 MotrixSim 1.0,主打的是从零用 Rust 写、4096 路并行、兼容 MJCF/URDF/USD;而 Zeromatter 主打的是「把特斯拉内部那套东西产品化」。一个从引擎往下做,一个从流程往上做,最后会在同一个位置相遇:谁能证明自己的仿真和真实世界对得上。

判断:仿真这条赛道未来两年会出现一次明显的分层——底层引擎会被开源和国产替代压到很低的价格,真正有溢价的是「场景库 + 校准服务 + 与客户研发流程的耦合」。Zeromatter 的 10 亿美元估值押的是第二层,但它必须先证明自己不只是「三个特斯拉前员工的引擎」。
四、谁付得起,这才是估值分歧点

报道给出的客户画像是「机器人、自动驾驶与航空航天团队」。这三类客户的付费能力差得很远。

头部自驾 / 国防
每年数亿美元(自建)
头部人形整机厂
自建 + 外采并行
中型机器人公司
外采为主
高校与初创
开源替代
柱长为作者按客户类型做的定性示意,非实测金额;唯一有出处的数字是「头部企业每年数亿美元」,来自报道转述

这张图暴露的是这类公司最现实的困境:最有付费能力的第一层,正在自建。特斯拉有自己的仿真部门(这三个人就是从那儿出来的),Waymo 有,Anduril 有。它们不需要外采。

第二层是仍在自建与外采之间摇摆的整机厂——这是最肥的市场,也是最难签的市场,因为它们的采购逻辑是「帮我把良率提上去」,而不是「给我一套工具」。

第三层才是天然客户,但这一层的预算通常只有几十万美元量级,撑不起 10 亿美元估值。

判断:Zeromatter 的估值隐含了一个前提——头部企业会从「自建」转向「外采 + 定制」。这个前提在软件行业成立过(云替代自建机房),在仿真行业还没有被验证过。原因很简单:仿真的核心资产是「对自己硬件的理解」,这件事外包出去,等于把产品迭代的反馈回路交到别人手上。所以更可能的路径是「混合」:通用场景库和工程工具外采,硬件参数与校准留在内部。这也意味着这类公司的天花板是「工具供应商」,不是「基础设施供应商」——两者的估值差一个量级。

最后回到那句「移动比特的速度」。这句话在 2026 年确实成立了一半:比特世界的迭代速度已经远远快过原子世界。但决定机器人能不能进厂的,从来不是迭代速度,是「仿真里过关的东西,到现场还剩多少」。这个问题,4000 万美元买不到答案,10 亿美元估值也买不到。只有客户在自己的产线上跑满一年,答案才会自己长出来。