# 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。

### TLDR

- **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。

### SRC

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》（https://www.163.com/dy/article/LBRCMA1P051191D6.html ），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：①**4000 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**；②**2021 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。

### BODY

<p>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。</p>

<p>仿真。</p>

<div class="sec">
<div class="eyebrow">一、25 倍这个数，别当回报倍数读</div>

<p>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。</p>

<div class="jx-cols">
<div style="flex:50">
<p><strong>能读出来的</strong>：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。</p>
</div>
<div style="flex:50">
<p><strong>读不出来的</strong>：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。</p>
</div>
</div>

<p>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——<strong>工程底座、技术路线、场景库</strong>。</p>

<p>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。</p>

<div class="keypoint">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。</div>
</div>

<div class="sec">
<div class="eyebrow">二、它要替代的那一段，到底多贵</div>

<p>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。</p>

<p>这句话可以拆成三笔账。</p>

<div class="tbl-wrap"><table>
<tr><th>成本项</th><th>真机测试的形态</th><th>仿真里的形态</th><th>差在哪</th></tr>
<tr><td>设备损耗</td><td>碰撞、跌落、过载直接报废零件</td><td>重置一个状态向量</td><td>不可逆 vs 可逆</td></tr>
<tr><td>人力占用</td><td>至少一人一机，含安全员</td><td>一个进程跑 4096 个环境</td><td>线性 vs 并行</td></tr>
<tr><td>场景覆盖</td><td>长尾场景要等、要造、要碰运气</td><td>长尾场景可以按需生成</td><td>等待 vs 调用</td></tr>
</table></div>
<div class="cap">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。</div>

<p>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。</p>

<p>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。</p>

<div class="keypoint">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。</div>
</div>

<div class="sec">
<div class="eyebrow">三、第三方仿真绕不开的那道矛盾</div>

<p>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。</p>

<p>于是第三方仿真公司站在一个很别扭的位置上：</p>

<div class="jx-tl">
<div class="jx-tl-row"><div class="jx-tl-t">要精度</div><div class="jx-tl-b"><div class="jx-tl-blk" style="background:#0a749a">就得向客户要硬件参数与真机日志<span class="m">而这是客户最不愿给的东西</span></div></div></div>
<div class="jx-tl-row"><div class="jx-tl-t">不要精度</div><div class="jx-tl-b"><div class="jx-tl-blk" style="background:#00a6d6">就只能做通用场景库与流程工具<span class="m">价值退回到「好用的沙盒」</span></div></div></div>
<div class="jx-tl-row"><div class="jx-tl-t">折中</div><div class="jx-tl-b"><div class="jx-tl-blk" style="background:#0d8a5f">卖「校准方法论 + 工具链」，参数留在客户本地<span class="m">私有化部署成为必然选项</span></div></div></div>
</div>

<p>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。</p>

<p>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：<strong>谁能证明自己的仿真和真实世界对得上</strong>。</p>

<div class="keypoint">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」。</div>
</div>

<div class="sec">
<div class="eyebrow">四、谁付得起，这才是估值分歧点</div>

<p>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。</p>

<div class="jx-bars">
<div class="jx-bar-row"><div class="jx-bar-lab">头部自驾 / 国防</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:100%"></div></div><div class="jx-bar-val">每年数亿美元（自建）</div></div>
<div class="jx-bar-row"><div class="jx-bar-lab">头部人形整机厂</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:34%"></div></div><div class="jx-bar-val">自建 + 外采并行</div></div>
<div class="jx-bar-row"><div class="jx-bar-lab">中型机器人公司</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:12%"></div></div><div class="jx-bar-val">外采为主</div></div>
<div class="jx-bar-row"><div class="jx-bar-lab">高校与初创</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:3%"></div></div><div class="jx-bar-val">开源替代</div></div>
<div class="jx-legend"><div class="jx-lg">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</div></div>
</div>

<p>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。</p>

<p>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」。</p>

<p>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。</p>

<div class="keypoint">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。</div>

<p>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。</p>
</div>

---

*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/zeromatter-40m-1b-tesla-sim-founders/*
