Archetype AI公司2.4亿A轮融资！亚马逊三星押注一家传感器的“OpenAI”，创始人出生于苏联

科创之家 2026-01-20 共7人围观

牛顿通过观察苹果掉落，进而发现了万有引力定律；哥白尼通过对行星位置的观察，发现了行星运动的开普勒定律；欧姆通过对电流、电阻、电压的测量和观察，提出了欧姆定律……

人类通过对物理世界的种种观察和总结，掌握了这些物理规律，并用这些物理规律指引人类社会的发展，从而有了今天的人类科技。

如今，我们发明了种种传感器，其测量精度甚至超越了人类的耳朵、眼睛等等感官。我们还发明了AI大模型，已在数字世界取得一定的成绩，代替了一些基础工作。

那么，有没有可能无需预先输入任何知识，让AI模型直接从传感器数据中自主推理，发现物理规律，从而让AI模型更智能，更能胜任更多的工作？

过去多年，我们一直在说智能传感器，如今，真正的“智能”传感器实体，正加速来到我们身边。

近期，美国物理AI（PhysicalAI）平台公司Archetype AI，宣布获得3500万美元（约合2.44亿元人民币）的A轮融资，本轮融资由IAG Capital Partners和Hitachi Ventures领投，Bezos Expeditions、Venrock、亚马逊工业创新基金、三星创投、E12、Systemiq Capital、HLV等等知名机构跟投。

Archetype AI成立于2023年，这已是其获得的第二轮融资，该公司种子轮完成与2024年4月，金额为1300万美元，这家成立不久的Physical AI公司已累计获得4800万美元融资。

Archetype AI的核心工作，是为数以百亿级的传感器装上AI“大脑”——其目标就是让机器直接通过传感器的感知掌握物理规律，从而赋予机器智能。

传感器真正的AI大脑，直接通过传感器数据思考，获得4800万美元融资的核心在这里！

Archetype AI公司受众多资本追捧的核心，是其物理AI基础模型Newton，这堪称“物理世界的首个AI大脑”——这是一个被称为“大行为模型（LBM）”的专有基础模型，能融合多模态传感器数据与自然语言，实现对物理环境的实时感知和推理。

据官方介绍，这是第一个用于理解物理世界的基础模型。它不像当今常见的生成式人工智能模型那样分析在线文本和图像，而是将实时传感器数据（例如来自雷达、摄像头、加速度计、温度传感器等）与自然语言融合在一起。

一般，我们认为理解物理世界，需要学习物理定律，然后在应用到物理世界中，在AI模型中，同样需要被人为输入各种物理定律，从而引导AI模型按照人类期望的结果去推理。

这种方法，会导致高度专门化的AI模型，且往往只能处理较为单一获有限的数种数据。例如，如果训练一个模型使用纳维-斯托克斯方程来分析流体运动，它就无法解释涉及完全不同物理原理的雷达图像。

Newton 模型使用基于Transformer 的深度神经网络，据资料显示，早期训练数据来自超过5.9亿个样本，这些样本包括从电流、液体流动到光学的多种物理行为的传感器开源数据集。

从训练结果看，Newton 模型可以根据传感器数据预测未来结果或重建过去事件。在一个演示中，Newton 模型能够实时、准确地预测混沌的钟摆运动，尽管它从未接受过钟摆动力学的训练。

此外， Newton 模型可以从测量物理行为的传感器中获取实时数据，也可以与预先记录的传感器测量值配合使用，以做出准确的预测。

同时，该成果促成了Archetype A获得I达1300万美元的种子轮融资。

▲Archetype AI关于如何训练 AI 模型以根据传感器观测结果进行推理的概述

在Newton 模型的基础上，Archetype AI 构建了Physical Agents（物理代理），能够帮助用户直接解读多模态数据并提供可操作的本地智能信息，最终形成一个通过统一技术栈构建和部署物理代理的解决方案：

Foundation Model（基础模型）：Newton模型学习真实系统的物理规律、模式和行为——包括人类活动。

Platform（平台）：Archetype 平台通过 API、传感器集成和一系列开发工具来展现这种智能，从而简化代理的构建和部署。

Physical Agents（物理代理）：开发人员和操作员可以使用自然语言和多模态提示创建特定任务的应用程序。

Use Cases（使用案例）：代理提供具体的价值，例如监控流程、防止停机、确保安全、指导工作流程等等。

可以看到，Archetype 的AI平台已脉络清晰，其Newton 模型+Physical Agents（物理代理）的完善工具链给出了面向传感器的、开箱即用的AI“大脑”，相比传统AI大模型，具有多项优势：

全传感器融合：轻松处理雷达、摄像头、加速度计等各类传感器数据，揭示单一传感器无法发现的隐藏模式；

自然语言交互：用日常语言就能设计代理、查询洞察，无需专业编程技能；

全场景部署：云端、本地、边缘设备均可运行，兼顾低延迟与数据主权；

零样本泛化：未经过特定训练也能预测复杂物理现象，无需重复训练模型；

开箱即用高效：极少额外数据或微调即可部署，搭配无代码工具大幅降低门槛。

Archetype AI的Newton 模型+Physical Agents（物理代理）成果，助力其获得亚马逊、三星等巨头的3500万美元投资。

据资料显示，Archetype AI已建立了Process Monitoring Agent（过程监控代理）、Task Verification Agent（任务验证代理）、Safety Agent（安全代理）等多个物理代理。

如过程监控代理（Process Monitoring Agent），能够对涡轮机、数控机床、装配线和化工系统等设备和过程的运行状况进行持续的多模态分析。它融合了振动、电流、温度、声学等多种数据，能够识别可靠性工程师通常无法通过单传感器工具发现的早期异常情况。这使得团队能够更早地进行干预，延长设备寿命，降低维护成本，同时提高过程稳定性。

目前，Archetype AI已拥有在大众、鹿岛建筑等标杆客户的落地案例，证明了技术在实际场景中的有效性。

前苏联数学家之子，长期从事传感交互技术研究，目标：让整个世界都实现互动。

Archetype AI的背后，是一支在传感器及AI领域极具技术背景的团队——传感+AI这样的交叉领域专家并不多见。

Archetype AI的CEO兼CTO Ivan Poupyrev博士拥有20多年研发经验，曾主导谷歌ATAP、迪士尼幻想工程、索尼等巨头的核心技术开发，是传感器与AI领域的资深专家。

COO Brandon Barbello曾负责谷歌隐私保护设备端AI项目，AI负责人Nick Gillian是谷歌ATAP机器学习研究的领军者，设计负责人Leonardo Giusti来自谷歌ATAP和三星设计部门，硬件负责人Jaime Lien更是谷歌Soli雷达技术的核心开发者。

可以看到，Archetype AI汇集了来自谷歌、三星、NASA等机构精英，以及MIT、斯坦福等顶尖学府人才的团队，他们多年积累的传感器融合、机器学习、硬件开发经验注入Newton模型，为物理AI的落地奠定了坚实基础。

值得一提的是，Archetype AI的灵魂人物Ivan Poupyrev，富有传奇经历。

Ivan Poupyrev出生于苏联，是一位苏联数学家的儿子，自小在苏联长大，学习火箭科学。

前苏联解体后，Ivan Poupyrev离开故土，往返于美国华盛顿和日本之间，并在日本广岛大学获得博士学位。

博士毕业后，Ivan Poupyrev在索尼东京实验室工作了八年。