Antioch 以高保真模擬降低物理 AI 訓練驗證成本，獲 Greylock 領投 320 萬美元 A 輪融資
為何重要
機器人領域正從純數位訓練邁向真實物理場景，高昂的實體測試成本與風險已成為商業化的主要瓶頸。Antioch 提出的模擬能解決方案，若證明有效，將顛覆目前純粹依賴真實世界資料的開發路徑，這類軟體化工具對於縮短產品迭代週期具高度商業價值。
- 融資細節：專注於降低物理 AI 訓練成本的 Antioch 宣佈完成 $32M 的 Series A 輪融資，領投者為知名風險投資公司 Greylock。
- 技術方案：公司透過建構高保真模擬環境，主張能大幅減少物理 AI 訓練過程中對昂貴硬體驗證的依賴。
- 產業背景：文章將此事件對比 Figure AI 推出的 Index 計畫，後者是斥資 billion-dollar 收集真實世界資料以訓練機器人 AI。