团队
核心团队
- CEO：贺哲文（He Zhewen），计算神经科学背景，深度参与过大语言模型的 Scale 阶段，理解数据质量对模型能力上限的决定性作用
- 技术核心：工业物理与机器人仿真方向，长期从事复杂接触系统的建模与求解研究。毕业于加拿大麦吉尔大学（McGill University），相识超过十年
- 工程经验：多位工业物理方向博士，曾服务庞巴迪（Bombardier）、丰田（Toyota）、加拿大宇航局（CSA）及北美头部机器人公司
来源：腾讯新闻深访 (2026-05-11)
组织信号
- 规模：早期种子轮团队，总部位于香港
- 招聘方向：技术团队以高精度多体动力学求解器研发为主
产品
核心技术：高精度多体动力学求解器
- 定位：具身智能底层物理基础设施，专门计算现有仿真系统中被简化或忽略的物理过程
- 核心能力：精准建模变形（deformation）、刚柔耦合（soft-rigid coupling）、软接触（soft contact）、接触密集操作（contact-rich manipulation）
- 行业痛点：现有主流仿真平台（PhysX、MuJoCo）均非为具身 AI 训练设计，在接触密集型场景中物理计算结果粗糙
- 速度 vs 精度平衡：工业软件求解器精度高但速度慢（几秒接触需数小时），Uncharted 寻求在精度与训练速度之间重新找到平衡
来源：腾讯新闻深访 (2026-05-11)
商业产品线：三层结构
- 第一层（底层）：物理求解器 API，嵌入 NVIDIA Isaac Sim 等主流仿真平台，免费开放给开发者（建立技术标准和认知）
- 第二层（中间层）：物理因果数据集，带完整力学标签的训练数据，面向机器人公司和数据供应商
- 第三层（应用层）：端到端仿真服务，帮助客户解决 Sim-to-Real 误差收敛问题
来源：腾讯新闻深访 (2026-05-11)
技术路线
核心判断
Uncharted Dynamics 的路线是**“物理真值（Physics Ground Truth）优先于规模”**——在 Scale 之前先解决训练数据的物理一致性问题。他们认为当前 Sim-to-Real Gap 的根本原因不是模型泛化不够，而是训练数据的物理前提本身就是错的。
技术栈细节
- 求解器类型：高精度多体动力学（multi-body dynamics）求解器
- 核心创新点：
- 变形物体的精确建模（当前仿真器普遍省略）
- 软-刚耦合接触力学
- 高精度摩擦模型
- 面向训练的可并行、大规模物理计算（vs 工业求解器的单次慢速计算）
- 验证方法：
- 物理精度验证：求解器计算结果 vs 机械臂传感器实测数据，逐点对比
- 下游效果验证：物理正确数据使之前无法收敛的任务快速收敛
来源：腾讯新闻深访 (2026-05-11)
训练策略
- Physics-Augmented Data：在普通机器人操作数据基础上，通过求解器补全力的因果标签（施加多大力、方向、物体形变、摩擦变化）
- 验证结果：不到 1000 条高质量物理数据即可在简单算法上看到 Benchmark 明显提升
商业验证
当前阶段
- 状态：概念验证 / 种子轮后研发阶段
- 客户合作：在加拿大有轻量化机械臂合作方，用于物理精度验证
- 商业化路径：底层免费 API → 中间层数据销售 → 上层端到端服务
- 目标市场：北美机器人市场为主
来源：腾讯新闻深访 (2026-05-11) + Morningstar 融资公告 (2026-05)
竞争定位
核心判断
Uncharted Dynamics 是极少数（也可能是唯一）从物理底层切入具身 AI 数据基础设施的公司——不造模型、不造机器人、不做远程操作数据采集，而是专攻训练数据的物理一致性。
差异化
| 维度 | Uncharted Dynamics | 传统仿真平台（MuJoCo/Isaac Sim） | 数据采集公司（如 Beehive Tech、光轮智能） |
|---|---|---|---|
| 核心定位 | 物理真值基础设施 | 通用物理引擎或机器人仿真器 | 数据采集与合成数据 |
| 专注点 | 接触密集场景的物理精确性 | 通用仿真效率 | 数据规模与覆盖度 |
| 物理精度 | 高（求解器级） | 中低（简化/近似） | 依赖上游仿真工具 |
| 训练适配 | 专为 AI 训练优化 | 非专为 AI 训练设计 | 是（合成数据） |
主要竞争挑战
- 现有玩家不会坐视：NVIDIA Isaac Sim / MuJoCo 也在改进物理精度，只是速度不同
- “物理真值”概念需要教育市场，销售周期可能较长
- 早期团队规模小，需要证明求解器在大规模训练场景下的可靠性
风险
- 市场教育成本：行业尚未广泛接受”训练数据的物理一致性是瓶颈”这一前提，客户开发周期长
- 执行风险：在精度和速度之间找到平衡是核心技术挑战
- 竞争风险：NVIDIA 等大厂可能直接增强 Isaac Sim 的物理求解能力
- 融资风险：种子轮规模较小（数百万美元），下一轮融资需要明确的产品里程碑和客户验证
动态记录
- 2026-05-24：首次建档（Phase 1 骨架），depth_score 20。公司于 2026-03 注册，已完成数百万美元种子轮融资（险峰长青/K2VC 领投）。基于 腾讯新闻深访 (2026-05-11) + Morningstar 融资公告 (2026-05) 创建骨架。