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。
- 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)。
- 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。
- 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」。
- 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。
- 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。
- 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。
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。
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。
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 |
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。
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:
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。
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。
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。
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。