仿真数据降本90%，虚时科技冲刺具身智能最后一公里

2026年上半年，具身智能赛道融资超460亿元，人形机器人单价迈入“万元以内”。但行业面临真机数据太贵、太慢的瓶颈。近期测试显示，利用规模为真机数据5倍的仿真数据训练，可将机器人真实操作成功率提升40%，成本仅为真机数据的三分之一。业界共识日益清晰：要走向物理AI的GPT时刻，数据需求将超出大模型两到三个数量级，仿真成为通向拐点的关键路径。

国内初创公司虚时科技在底层技术上取得突破，将单个仿真场景生成成本从数百美元降至十美元以内，生成周期从“周级”压缩到“分钟级”。今年5月，公司与地瓜机器人联合推出AnySceneGen，推进仿真场景与资产规模化生成，并将研发延伸至自动任务执行、交互数据采集、闭环评测、端侧模型训练与部署。

虚时科技两个月内连续完成天使轮及天使+轮融资，累计数千万元。前地瓜机器人具身智能算法负责人何泳澔博士加入出任CTO。何泳澔为中国科学院自动化研究所博士，曾负责从仿真数据生成、VLA/VA模型设计到真机数据基础设施建设与端侧部署的全链路研发，发表论文30余篇，授权专利10余项。创始人兼CEO王德駪曾任亚马逊Alexa大模型技术负责人。首席科学家苏虎现任中科院自动化所副教授，其研究是业内最早通过文本或单张图像生成可交互仿真场景并合成机器人操作数据的代表性成果之一。三人构成覆盖关键链路的互补体系。

何泳澔看中的核心能力是让数据生产跟上模型迭代。当前Ego数据从采集走向训练面临三道关卡：采集效率受制于人力与时间，扩大产出只能线性增长；模型迭代带来新的采集需求，此前按低频率、低分辨率采集的数据无法补回细节；人类示范到机器人动作需处理姿态估计和本体映射，接触密集操作还需力觉、触觉信息。仿真可支撑数据规模指数级增长、提供准确多模态操作信息，并适配不同训练范式。采集流程跑通后，产能可通过算力并行扩展，已建环境可继续服务下一轮训练。

针对Sim-to-Real Gap的质疑，王德駪以地球和月球作类比：重力不同但遵循同样物理规律，人登月不需重新学习走路，只需调整步幅与发力方式。模型需要学习物理世界运行的框架，而非每个参数的精确值。视觉仿真Gap接近填平，物理交互仿真Gap本质是参数偏差，通过少量真机数据微调或RSI即可快速校准。他判断，在数据量足够规模的前提下，未来1到2年行业将迎来仿真数据驱动的智能涌现拐点。

传统仿真数据生产方式仍停留在“手工作坊”时代：制作一个100平米仿真场景需一到两周，每增加变体还需人工调布局、配参数、验证交互，成本线性增长；数据采集依赖人工遥操作，效率低下。虚时科技构建的IntimeVerse平台包含四大核心模块：Code2Space通过自研模型直接生成底层代码，自动映射为带物理属性的3D仿真场景，单场景成本降至10美元内；Asset2Physics通过交互式可微辨识系统，让资产主动与环境交互，反向调整物理参数，单资产物理校准分钟级完成，外观和物理准确性超95%；Space2Data攻克自动任务发现与规模化数据采集。