Laplace押注：通过仿真中的AI红队测试，让机器人和自动驾驶汽车变得安全

为机器人和物理AI构建自动化红队测试：对现实世界进行高保真仿真，并让AI智能体在其中搜寻边缘案例。

要让物理AI变得安全，唯一途径是让AI来测试它——由智能体探查交互式仿真，在部署前找出失效点。

Howie Sun在学术界花了八年时间，在仿真中挑战自动驾驶AI。2023年，他与当时的博士导师Henry Liu发表了一篇论文，登上《Nature》封面，随后自动驾驶汽车公司开始找上门来。2025年，两人在安娜堡创立Laplace Intelligence，将这项研究转化为产品。

一年过去，Laplace运行着英伟达Cosmos世界模型的后期训练版本，并以TomTom等提供商提供的真实地图数据和实时交通信息为基础，其中每个参与者都会对每个事件做出反应——在一次演示中，一辆迎面驶来的汽车转向避让一个正在转向的测试智能体。AI智能体根据新闻和警方碰撞报告设计边缘案例。客户包括日本卡车制造商五十铃、得克萨斯州自动驾驶卡车公司Bot Auto和英伟达，此外还与英伟达和T-Mobile在圣何塞开展了一项免费的智慧城市试点。

通用机器人没有可供挖掘边缘案例的历史记录，因此生成式仿真测试成为必要而非可选。

客户、保险公司和监管机构能够信任的安全证据，是物理AI部署的瓶颈；测试是进入每一次部署的切入点。

Applied Intuition的12亿美元估值表明这一品类真实存在，但其打法早于交互式世界模型——这家初创公司押注的是范式会在其脚下发生转变。

当产业界开始主动联系一个研究实验室时，市场已经验证了这个想法；创始人的任务是在资金更雄厚的竞争对手之前，把主动上门的项目工作转化为产品。

截至2026-10-13，Laplace正在准备其在旧金山TechCrunch Disrupt（10月13日至15日）上的Startup Battlefield路演，将基于项目的合同转向经常性收入，并筹集资金以对抗Applied Intuition。