具身智能正从 Demo 秀场走向产业落地。决定机器人能否在真实工业场景中稳定作业的，从来不只是本体与算法，更是海量、高保真、带物理属性的训练数据底座。但行业撞上了一堵隐形的墙：靠真机采集的数据又贵又慢，根本 "喂不饱" 庞大的模型。在仿真链路最上游、也最容易被低估的 "数据弹药库" 环节，亿宸资本近期领投虚时科技天使 + 轮，落子物理 AI 基础设施。

01 从 "人工作坊" 到 "全自动化产线"

成立于 2024 年下半年的虚时科技（Intime AI），是国内少有聚焦具身智能 / 物理 AI 仿真训练基础设施的初创公司。针对真机数据采集 "贵、慢、供给不足" 的痛点，虚时科技用高保真仿真数据作为机器人模型训练 "弹药"；单场景生成成本从数百美元打到 10 美元以内、周期从周级压缩到分钟级，将真机操作成功率提升 40%，成本仅其 1/3，通过少量真机微调即可弥合 Sim2Real 仿真现实鸿沟。

今年 5 月，虚时与地瓜机器人联合推出仿真数据平台 AnySceneGen，迈出商业化第一步。地瓜是国内头部机器人芯片公司，在试过多种技术路径后，认定虚时的方案是 "少数甚至唯一能兼顾数据质量、物理属性与规模化的路线"，并已用其生成超百万条训练数据。

传统仿真数据生产仍停留在人工作坊模式：人工搭建三维资产、逐个标定物理参数，成本高、产能低，长尾复杂场景难以覆盖；真机采集则成本线性上涨，危险场景与极限工况更是无法采集。数据不够多样、不够真实可交互，机器人一旦走出实验室，面对环境扰动极易失效，泛化能力难以支撑工业场景的柔性作业需求。虚时科技自研 IntimeVerse 仿真训练系统，以四大模块打通 "场景生成 — 端侧部署" 的完整闭环，每一步都可被评测、反哺与迭代。

这支团队深度互补：创始人兼 CEO 王德駪曾任亚马逊 Alexa 大模型技术负责人，主导 Code-to-Space 技术路线；首席科学家苏虎、新任 CTO 何泳澔（前地瓜机器人具身智能算法负责人）均来自中科院自动化所，覆盖从仿真生成到真机落地的全链路研发。

王德駪认为：物理 AI 直接作用于物理世界，出问题的后果比语言模型大得多，也直观得多；工业场景固定、稳定，自动化基础高，更适合新技术验证；居家场景涉及更多人机交互与安全问题，需要技术更成熟。具身能力的价值在于能否应对复杂情况、稳定完成任务。以快递供包为例：硬箱、软包、异形件刚柔混合，包裹持续运动、接触并相互扰动，对仿真的形态、物理属性与动态交互能力要求极高。虚时已完成业界首个 100% 仿真分拣方案。同时，正在为某新能源电池企业及北京某头部具身厂商提供数据服务并进入订单交付，沉淀下来的场景、物理资产与任务库等可复用。

02 亿宸的布局：卡位物理 AI"数据弹药库"

此前，亿宸资本已沿 AI 主链条多点落子，先后投资光象科技、创材科技、虚时科技，构建起完整的物理 AI 硬科技矩阵。投资虚时，正是看中其在物理 AI 最上游、也最容易被低估的 "数据弹药库" 环节 —— 用模型取代人工，重构仿真数据的供给方式，卡位具身智能产业化的基础设施入口。

物理世界的智能革命，拼的从来不是某一次 Demo 的惊艳，而是训练基础设施的长期积累。投资虚时，是亿宸在物理 AI 最上游 "数据弹药库" 环节的卡位 —— 当行业还在抢本体、抢真机数据时，我们更看好能把仿真数据供给变成基础设施、持续迭代的公司。

（来源：亿宸资本）