AI agent正在从计算机进入物理世界，但没人希望它在现实世界中失败。Laplace Intelligence做的就是这件事：在机器人、自动驾驶汽车落地前，对它们进行自动化红队测试——刻意尝试让系统失败，以暴露问题。CEO Howie Sun以OpenAI与Hugging Face的事件为例：“想象一下如果类似的事情发生在物理世界。”这家总部在安娜堡的初创公司由Sun和Henry Liu一年前从密歇根大学创立，核心理念是：只有用AI去测试AI，才能保证物理AI的安全。

Sun过去八年一直在学术界研究如何在仿真中挑战自动驾驶AI。2023年，他和时任博士导师Liu在顶级科学期刊Nature封面发表了一篇相关论文，随后多家自动驾驶公司找上门来。Sun决定把学术研究变成产品。公司取名来自“拉普拉斯妖”——那个1814年的思想实验：如果你知道宇宙每个粒子的精确状态，就能精确预测未来。Sun说，Laplace本质上是用仿真预测现实世界的未来。

产品核心是一个从现实世界重建的高保真仿真环境，配上一个不断寻找弱点与失效点的AI agent。仿真环境基于Nvidia Cosmos——一个AI世界模拟平台——的后训练版本，并锚定在真实世界中。它可以重建从亚利桑那州公路到巴黎人行横道的场景。生成方式是把多种真实世界信息混合成网格：一张Google街景图可以作为整条街道的参考，再结合真实地图数据按实际比例还原。开发者可以用语言提示实时改变环境，比如加入下午的交通流量；Laplace还从TomTom这类导航服务商拉取实时交通与拥堵信息。

仿真里不只有环境，其他参与者的行为也被模拟。演示中，Sun让测试车辆驶入对向车流。它本来会撞上的那辆车主动让开，避免了碰撞——而在某些生成式世界模型里，这辆车可能会被直接穿过去。Sun形容这是“真正互动的仿真环境：每个人都在对其他人的行为做出反应”，更像一个有互动参与者的世界模型。

仿真环境固然重要，但Laplace真正的卖点是自研AI agent：它们能自动设计corner cases（罕见、棘手、可能让AI系统失灵的场景），把人类进一步移出循环。Sun说，这些agent可以从新闻、警方事故报告中获取信息，主动挑战自动驾驶车辆和其他物理AI。相比之下，今天多数自动驾驶开发者靠录制好的视频生成仿真，或者靠人手设计新场景。Sun认为，等到通用机器人大规模进入现实世界时，这种需求会变得更迫切——因为通用机器人数据更少，没人知道边缘情况会是什么。

商业上，这家学术背景的初创已经产生收入并实现微利。客户主要来自自动驾驶场景，包括日本卡车制造商五十铃、德州自动驾驶卡车公司Bot Auto，Nvidia也是客户。此外，Laplace与Nvidia、T-Mobile一起为圣何塞市做一个免费的智能城市试点，提供交通运行层面服务；与人形机器人仓库伙伴的合作还在早期。目前合同多为项目制，公司正努力转化为经常性收入。

近期的目标是通过参加TechCrunch Disrupt的Startup Battlefield竞赛获得关注，然后融资扩张。主要对手是Applied Intuition，这家后期初创已融资12亿美元，投后估值150亿美元，五十铃也是其客户。Sun并不太担心，他认为用AI测试AI的核心理念是一种“改变物理AI测试范式”的方法，把测试变成动态互动过程——这将是最大的护城河。