Laplace Intelligence在机器人和自动驾驶上路前对其进行红队测试

OpenAI与Hugging Face事件让外界再次意识到AI智能体的不可预测性。Laplace Intelligence联合创始人兼CEO孙浩对此深感警惕：'想象一下，如果类似的事情发生在物理世界会怎样。AI智能体正在从计算机走向现实世界，我们绝不希望物理AI在真实环境中失控。'正是基于这一判断，Laplace将自动化红队测试引入机器人和自动驾驶领域，通过让AI主动攻击AI来发现潜在缺陷。

Laplace的技术根基来自两位创始人在密歇根大学的学术积累。孙浩在过去八年间专注于研究如何在仿真环境中挑战自动驾驶AI，2023年他与时任博士导师刘亨联合发表的论文登上《自然》杂志封面，随即引来多家自动驾驶公司的合作意向。公司名称取自法国学者皮埃尔-西蒙·拉普拉斯1814年提出的思想实验'拉普拉斯之魔'——若能掌握宇宙中一切事物的精确状态，便可预测未来。'我们本质上是在用仿真来预测现实世界的未来，'孙浩说。

Laplace的仿真环境基于Nvidia Cosmos平台进行后训练，融合真实地图数据、谷歌街景图像及TomTom实时交通信息，能够按真实比例重建任意场景。开发者可通过自然语言指令实时调整环境，例如添加下午高峰期的拥堵车流。更关键的是，仿真中的其他参与者同样具备交互能力——在演示中，当测试车辆突然驶入对向车道时，对面车辆会主动避让，而非像部分生成式世界模型那样直接'穿透'。

Laplace真正的差异化优势在于其AI智能体能够自动设计'边缘案例'——那些罕见但足以让AI系统出错的极端场景。这些智能体可以从新闻报道、交通事故警方记录等多种信息源中提取素材，主动构造挑战场景，将人工介入降至最低。相比之下，当前自动驾驶行业普遍依赖录制视频转化仿真或人工设计边缘案例，效率和覆盖面均受限。在通用机器人领域，这一需求将更加迫切，因为相关数据积累远不如自动驾驶充分。

尽管两位创始人均来自学术背景，缺乏硅谷科技公司的光环加持，Laplace已实现小幅盈利。现有客户包括五十铃、Bot Auto和Nvidia，并正与T-Mobile合作开展圣何塞智慧城市免费试点项目，同时与多家仓储人形机器人企业处于早期合作阶段。公司当前主要收入来自项目制合同，正逐步向订阅式经常性收入转型。面对已融资12亿美元、估值达150亿美元的竞争对手Applied Intuition，孙浩认为Laplace以AI测试AI的核心方法论构成了独特的护城河：'这是一种全新范式，将把物理AI测试转变为动态交互式过程。'

要点

• Laplace Intelligence将自动化红队测试引入物理AI领域，通过AI智能体主动构造极端场景，在部署前发现机器人和自动驾驶系统的潜在缺陷
• 公司核心仿真环境基于Nvidia Cosmos构建，可融合真实地图、街景和实时交通数据，重现任意真实场景，且仿真参与者具备真实交互能力
• AI智能体能够从新闻、事故报告等多源信息自动生成边缘案例，大幅减少人工介入，这在通用机器人数据匮乏的背景下尤具价值
• 公司已实现盈利，客户涵盖五十铃、Bot Auto、Nvidia，并参与圣何塞智慧城市试点，正从项目制收入向经常性收入模式转型
• 面对估值150亿美元的竞争对手Applied Intuition，Laplace以'AI测试AI'的方法论差异化定位，寻求通过TechCrunch Disrupt融资加速扩张