牛頓通過觀察蘋果掉落，進而發現了萬有引力定律；哥白尼通過對行星位置的觀察，發現了行星運動的開普勒定律；歐姆通過對電流、電阻、電壓的測量和觀察，提出了歐姆定律……

人類通過對物理世界的種種觀察和總結，掌握了這些物理規律，并用這些物理規律指引人類社會的發展，從而有了今天的人類科技。

如今，我們發明了種種傳感器，其測量精度甚至超越了人類的耳朵、眼睛等等感官。我們還發明了AI大模型，已在數字世界取得一定的成績，代替了一些基礎工作。
那么，有沒有可能無需預先輸入任何知識，讓AI模型直接從傳感器數據中自主推理，發現物理規律，從而讓AI模型更智能，更能勝任更多的工作？

過去多年，我們一直在說智能傳感器，如今，真正的“智能”傳感器實體，正加速來到我們身邊。

近期，美國物理AI（PhysicalAI）平臺公司Archetype AI，宣布獲得3500萬美元（約合2.44億元人民幣）的A輪融資，本輪融資由IAG Capital Partners和Hitachi Ventures領投，Bezos Expeditions、Venrock、亞馬遜工業創新基金、三星創投、E12、Systemiq Capital、HLV等等知名機構跟投。

Archetype AI成立于2023年，這已是其獲得的第二輪融資，該公司種子輪完成與2024年4月，金額為1300萬美元，這家成立不久的Physical AI公司已累計獲得4800萬美元融資。

Archetype AI的核心工作，是為數以百億級的傳感器裝上AI“大腦”——其目標就是讓機器直接通過傳感器的感知掌握物理規律，從而賦予機器智能。

傳感器真正的AI大腦，直接通過傳感器數據思考，獲得4800萬美元融資的核心在這里！


Archetype AI公司受眾多資本追捧的核心，是其物理AI基礎模型Newton，這堪稱“物理世界的首個AI大腦”——這是一個被稱為“大行為模型（LBM）”的專有基礎模型，能融合多模態傳感器數據與自然語言，實現對物理環境的實時感知和推理。

據官方介紹，這是第一個用于理解物理世界的基礎模型。它不像當今常見的生成式人工智能模型那樣分析在線文本和圖像，而是將實時傳感器數據（例如來自雷達、攝像頭、加速度計、溫度傳感器等）與自然語言融合在一起。

一般，我們認為理解物理世界，需要學習物理定律，然后在應用到物理世界中，在AI模型中，同樣需要被人為輸入各種物理定律，從而引導AI模型按照人類期望的結果去推理。

這種方法，會導致高度專門化的AI模型，且往往只能處理較為單一獲有限的數種數據。例如，如果訓練一個模型使用納維-斯托克斯方程來分析流體運動，它就無法解釋涉及完全不同物理原理的雷達圖像。

Newton 模型使用基于Transformer 的深度神經網絡，據資料顯示，早期訓練數據來自超過5.9億個樣本，這些樣本包括從電流、液體流動到光學的多種物理行為的傳感器開源數據集。

從訓練結果看，Newton 模型可以根據傳感器數據預測未來結果或重建過去事件。在一個演示中，Newton 模型能夠實時、準確地預測混沌的鐘擺運動，盡管它從未接受過鐘擺動力學的訓練。

此外， Newton 模型可以從測量物理行為的傳感器中獲取實時數據，也可以與預先記錄的傳感器測量值配合使用，以做出準確的預測。

同時，該成果促成了Archetype A獲得I達1300萬美元的種子輪融資。

▲Archetype AI關于如何訓練 AI 模型以根據傳感器觀測結果進行推理的概述

在Newton 模型的基礎上 ，Archetype AI 構建了Physical Agents（物理代理），能夠幫助用戶直接解讀多模態數據并提供可操作的本地智能信息，最終形成一個通過統一技術棧構建和部署物理代理的解決方案：

Foundation Model（基礎模型）：Newton模型學習真實系統的物理規律、模式和行為——包括人類活動。

Platform（平臺）：Archetype 平臺通過 API、傳感器集成和一系列開發工具來展現這種智能，從而簡化代理的構建和部署。

Physical Agents（物理代理）：開發人員和操作員可以使用自然語言和多模態提示創建特定任務的應用程序。

Use Cases（使用案例）：代理提供具體的價值，例如監控流程、防止停機、確保安全、指導工作流程等等。

可以看到，Archetype 的AI平臺已脈絡清晰，其Newton 模型+Physical Agents（物理代理）的完善工具鏈給出了面向傳感器的、開箱即用的AI“大腦”，相比傳統AI大模型，具有多項優勢：

全傳感器融合：輕松處理雷達、攝像頭、加速度計等各類傳感器數據，揭示單一傳感器無法發現的隱藏模式；

自然語言交互：用日常語言就能設計代理、查詢洞察，無需專業編程技能；

全場景部署：云端、本地、邊緣設備均可運行，兼顧低延遲與數據主權；

零樣本泛化：未經過特定訓練也能預測復雜物理現象，無需重復訓練模型；

開箱即用高效：極少額外數據或微調即可部署，搭配無代碼工具大幅降低門檻。

Archetype AI的Newton 模型+Physical Agents（物理代理）成果，助力其獲得亞馬遜、三星等巨頭的3500萬美元投資。

據資料顯示 ，Archetype AI已建立了Process Monitoring Agent（過程監控代理）、Task Verification Agent（任務驗證代理）、Safety Agent（安全代理）等多個物理代理。

如過程監控代理（Process Monitoring Agent），能夠對渦輪機、數控機床、裝配線和化工系統等設備和過程的運行狀況進行持續的多模態分析。它融合了振動、電流、溫度、聲學等多種數據，能夠識別可靠性工程師通常無法通過單傳感器工具發現的早期異常情況。這使得團隊能夠更早地進行干預，延長設備壽命，降低維護成本，同時提高過程穩定性。

目前，Archetype AI已擁有在大眾、鹿島建筑等標桿客戶的落地案例，證明了技術在實際場景中的有效性。

前蘇聯數學家之子，長期從事傳感交互技術研究，目標：讓整個世界都實現互動。

Archetype AI的背后，是一支在傳感器及AI領域極具技術背景的團隊——傳感+AI這樣的交叉領域專家并不多見。
Archetype AI的CEO兼CTO Ivan Poupyrev博士擁有20多年研發經驗，曾主導谷歌ATAP、迪士尼幻想工程、索尼等巨頭的核心技術開發，是傳感器與AI領域的資深專家。

COO Brandon Barbello曾負責谷歌隱私保護設備端AI項目，AI負責人Nick Gillian是谷歌ATAP機器學習研究的領軍者，設計負責人Leonardo Giusti來自谷歌ATAP和三星設計部門，硬件負責人Jaime Lien更是谷歌Soli雷達技術的核心開發者。

可以看到，Archetype AI匯集了來自谷歌、三星、NASA等機構精英，以及MIT、斯坦福等頂尖學府人才的團隊，他們多年積累的傳感器融合、機器學習、硬件開發經驗注入Newton模型，為物理AI的落地奠定了堅實基礎。

值得一提的是，Archetype AI的靈魂人物Ivan Poupyrev，富有傳奇經歷。
Ivan Poupyrev出生于蘇聯，是一位蘇聯數學家的兒子，自小在蘇聯長大，學習火箭科學。
前蘇聯解體后，Ivan Poupyrev離開故土，往返于美國華盛頓和日本之間，并在日本廣島大學獲得博士學位。
博士畢業后，Ivan Poupyrev在索尼東京實驗室工作了八年。

▲Ivan Poupyrev

此后，Ivan Poupyrev加入迪士尼研究院擔任高級研究科學家職位，致力于構想未來的交互界面，并移居美國匹茲堡。
Ivan Poupyrev被《Dazed Digital》雜志譽為“迪士尼的科學天才”，亦被《Fast Company》雜志評為商界最具創造力人物第 15 位——憑借 Touche 技術入選百強榜單。Touche 是一種能夠使任何表面對觸摸做出反應的傳感技術。

Ivan Poupyrev在迪士尼的研究成果包括：輕撫花莖即可發出鳴叫的蘭花，以及只需輕輕一觸即可打開的門把手。如果迪士尼的計劃得以實現，這項技術或許將被用于打造完全互動式的游樂園。Ivan Poupyrev在媒體采訪中曾表示：“我的長遠愿景是讓整個世界都實現互動。”

離開迪士尼后，Ivan Poupyrev進入谷歌，并領導谷歌先進技術與項目部 (ATAP) 的一個團隊，專注于為未來的數字生活方式進行設計。

在谷歌工作期間，Ivan Poupyrev結識了Brandon Barbello、Nick Gillian、Leonardo Giusti、Jaime Lien等人，這些人后來均成為Archetype AI的創始團隊核心成員。

Ivan Poupyrev的作品在 ACM SIGGRAPH、CHI 等國際科學會議上備受矚目，并獲得了包括《紐約時報》、《連線》雜志、《時代周刊》、《麻省理工科技評論》在內的全球媒體的高度贊譽，其中《Fast Company》雜志更是稱他為“世界上最優秀的交互設計師之一”

結語

過去多年，物聯網已廣泛普及，讓傳感器無處不在。然而，大量的傳感器采集的數據無法得到有效利用。

如何將多元的傳感數據轉化為實際可用的決策和行動，成為未來物聯網向全面智能化社會進化的關鍵。

Archetype AI等物理AI模型公司，正在彌補這一關鍵缺陷。隨著 物理AI的深入，未來將基于各種傳感器應用場景，誕生數量眾多的專業模型。