但很快，聂凯旋就感受到了市场的残酷。
“失去”的两年半
成立3年，松应科技共完成两轮融资。
2022 年 8 月，松应科技宣布获得了数百万美元的种子轮投资，并且是由红杉资本作为领投方。2025 年 3 月，松应科技又宣布获得了数千万元的天使轮融资，领投方是中科创星。
从种子轮到天使轮，松应科技用了两年半。
2021 年，松应科技成立。当时，实时三维物理仿真的概念十分“科幻”，这让投资人很难理解。聂凯旋能告诉投资人的，只有“这件事美国芯片巨头英伟达也在做，我们要做出中国自己的成果”。
当时，GPT 尚未发布，英伟达也尚未登上万亿美元的宝座，对标英伟达的那个故事还不足以真正打动投资人。“全球只有英伟达在做，其他大厂都没有跟进，会不会是这个方向错了呢？”类似的疑问，聂凯旋至少被问了几十次。
聂凯旋只能用CUDA的发展历程作类比。
2006 年英伟达发布了 CUDA。当时，几乎所有人都无法理解它。这个 CUDA 是用于进行并行计算的平台。大家都在疑惑，它与 GPU 主攻的图形渲染（像游戏、3D 建模等）有怎样的关系。并且，也不认可芯片公司去做基础软件平台。
2012 年时，深度学习浪潮使得大量算力需求得以催生。英伟达的 GPU 与 CUDA 成为众多 AI 从业者的最佳开发平台。自此之后，市场对 CUDA 的质疑便自然而然地消散了。如今，CUDA 已然成为英伟达在拓展领域时的最为强大的宝剑，同时也是其最为深厚的护城河。
聂凯旋相信，因此 Omniverse 所代表的这种实时物理 AI 仿真技术将会迎来属于它自己的时代。
在 2021 年这个时间点，市场上较为活跃的两个技术概念为 CV（计算机视觉）和元宇宙。在泡沫的影响下，其他的技术路径和声音大多被掩盖了，许多人甚至直接把 AI 和 CV 视为等同的。然而，当 CV 四小龙遭遇商业化瓶颈，元宇宙因落地场景不明确而逐渐从资本舞台淡出时，松应科技的成立就显得有些不太合适了。
当时我们向投资人阐述“AI 驱动数字与物理世界”这一理念，许多人要么觉得我们是在做不切实际的幻想，要么认为我们没有跟上时代的步伐。聂凯旋还记得，公司在 2022 年 6 月完成了种子轮的交割事宜，然而在 8 月公布融资消息之后，仍有投资人表示不解，他们问道：“都已经到 2022 年了，你们为何还在讲述关于 AI 的故事呢？”
2022 年 11 月之前，国内市场对 AI 的热情未被点燃。到了 2022 年 11 月，GPT 让国内市场对 AI 的热情再次被点燃。
只是，2023 年几乎都被“百模大战”的狂热情绪所笼罩。在“FOMO”心态的影响下，有一些投资者存在“为了投 AI 而投 AI”的行为。GPU 厂商、算力中心、AI Infra 厂商作为“卖铲子”的角色，也顺着模型的热潮而被投资者捧在手心。相比之下，做软件的企业几乎被置于耻辱柱之上，人们认为它们处于大模型食物链的最底端，技术含量较低，很难构建起壁垒。
进入 2024 年之后，市场对于大模型的讨论开始逐渐回归到实际层面。越来越多的人渐渐意识到，大模型不应该仅仅停留在互联网时代所遗留下来的商业故事当中，而是应该更多地迈向物理世界。
2024 年 10 月 17 日，特斯拉发布了一个视频。这个视频展示了擎天柱在工厂里具备自主充电的能力，同时也展示了它在工厂里工作的能力。这标志着“用 AI 驱动机器人”的想象变成了现实。2025 年 3 月 18 日在英伟达 GTC 大会上，黄仁勋把 AI 技术的发展划分成三个阶段，分别是生成式 AI、代理式 AI 和物理 AI，同时他指出物理 AI 将会成为未来的核心发展方向。
两位科技狂人的定调，在全球范围内加快了 AI 进入物理世界的步伐。聂凯旋表示，几乎所有人都意识到，AI 应当更广泛地应用于物理世界，而不是仅仅停留在互联网上，也不能只停留在机械臂、机器人关节、传感器等单一的硬件设备上。他还指出，数据和软件将是物理 AI 竞争的核心。
松应ORCA - 国内首个物理AI仿真系统
模型能力的升级就如同军备竞赛一般。厂商必须持续投入资金，才能够对模型进行持续训练和迭代，不然的话，模型的价值就会变为零。然而，基础软件则有所不同，像多物理综合仿真引擎这类软件开发完成之后，只要它能够解决实际问题，就能够体现出自身的价值。聂凯旋做出了这样的表示。
只是，在国内的资本市场方面，做软件一直不是一个被视为“好故事”的事情。早期的信息化系统如此，后来的 SaaS 服务也是如此。软件公司在赚钱方面，多少都带有一些“费力不讨好”的意味。
在国内商业环境中，松应科技借助英伟达的故事而被市场所关注。然而，要真正让客户通过实际行动来选择，它面临的挑战比英伟达早年还要大。
聂凯旋表示，他十分感激那些愿意相信松应科技愿景的投资人们。同时，他也清楚，只有做出能够被市场认可的产品，公司四周弥漫的质疑声才能够真正消散。
先模仿，再超越
公司成立之后，聂凯旋分别在北京组建了一支研发团队，在上海组建了一支研发团队，在深圳也组建了一支研发团队。
聂凯旋透露，将团队分布在三地主要有两层考虑。
一方面存在人才需求。要打造物理 AI 仿真系统，就需要 AI 算法人才、半导体人才以及基础软件平台人才这三类。这三类人才分别在北上深这三个地方有分布。北京更侧重于算法人才；上海更侧重于基础软件和工具人才；深圳则更偏重于处于更底层的半导体驱动软件、操作系统等软硬件结合方面的人才。
另一方面考虑到未来的潜在客户市场。聂凯旋称，无论是 AI 大脑还是智能机器人，北京、上海、深圳这三个地方无疑最先发展起来，会有大量公司和创业团队诞生。这些企业都有成为松应科技潜在客户的可能。
不过，这支团队的首要任务，还是攻克技术难关。
松应科技选择了“先模仿，再创新”的途径，将英伟达的技术指标作为对标对象，以月为周期来进行技术的迭代。在潜心研发的这三年时间里，松应科技并没有“独自进行研发而不与外界交流”。
2023 年起，松应科技开始在市场寻觅合作伙伴。它检验了各个系统模块的能力，像 3D 渲染引擎、实时数据管线、物理仿真与传感器模拟、AI 生成等已有的产品模块。然后，根据反馈进一步对技术和产品细节进行调整。
2023 年下半年，松应科技的产品模块完成了 70%-80%左右。之后，它尝试去寻找各种机器人公司，这些公司涵盖了仓储物流、送餐、酒店等多种不同的场景，并且有 AGV、AMR 等多种不同的形态。接着，松应科技开始了真正的“实战演练”。
在“开发 - 验证 - 迭代 - 再验证”的这个循环当中，松应科技有过那样的时刻，就是把所有的东西都推倒重新来过。聂凯旋说：“要是存在架构性的错误，无法达到我们预先设想的效果，那就只能够推倒重来。”
2024 年 6 月，松应科技终于开启了为期六个月的公测期。聂凯旋给团队设定了目标，要在这六个月当中找到真正具备实力的种子用户，与用户一同打磨产品，为后续的大规模商业交付进行准备。
8 月的时候，松应科技宣布推出了他们自主研发的“物理 AI”仿真训练平台 Orca。Orca 平台整合了 CAD/CAE 工业软件等多种技术，构建了多种类高精度仿真环境。它能够实时模拟多种物理效应，如刚体动力学、流体力学、重力、摩擦力、真实感光照、触觉等。同时，还能生成高精度多模态数据。
ORCA 具有物理仿真模块，此模块能够支持多物理场的实时仿真，图片的来源是松应科技。
松应科技在打造 Orca 的过程中，积累了诸多高质量数据。这些数据大致可分为两类：一类是通过场景建模或扫描而得到的真实物理三维数据；另一类是依据场景需求，结合松应科技的 3D 模型库，由 AI 合成的各类场景数据。
这些数据都运用 OpenUSD（通用场景描述）这种格式。聂凯旋觉得，未来人类若要模拟物理世界，就必须得有一套被标准化的数据语言，“要是语言不统一的话，这件事就很难得以做成”。
他目前认为最优的 3D 描述语言是 USD。USD 即通用场景描述，是一种标准化的开源 3D 描述语言，能够用于描述和模拟物理世界，是由英伟达、苹果、Autodesk 等公司联合发布的，和二维世界的 HTML 类似。
简单来看，在 FBX、OBJ、STL 等传统数据格式中，不同的软件以及不同的应用场景或许会使用不同的文件格式，这就使得数据难以实现通用。比如，STL 格式主要是用来描述三维物体的几何信息的，并且它不支持颜色、材质等相关信息。
到 2024 年时，OpenUSD 软件具备支持的生态体系，其来源为松应科技。
USD 格式具备分层叠加的特点，能够依据物体的形状、材质、颜色等特性进行分层，还可以单独对某一参数进行调整。其灵活性使得它在应对复杂的 3D 场景以及物理模拟时更具优势，并且有潜力成为模拟物理世界的通用数据语言。
2021 年松应科技刚成立的时候。它以 USD 格式为基础搭建了整个产品体系。它是国内最先引入该数据体系的研发团队。
聂凯旋认为，在理想状况下，在仿真系统和模型训练之间，需有数据闭环。这个闭环由专家（真机/仿真）示教数据、仿真系统合成数据以及真机微调数据按 1:8:1 的比例构成。即：有专家（真机/仿真）示教数据，有仿真系统合成数据，还有真机微调数据，且它们的比例为 1:8:1。
而松应科技的目标，则是打造一个数据驱动的物理AI仿真系统。
伴随需求而生
2024 年底，经过了六个月的公测期。之后，松应将基于 ORCA 2.0 正式开始商业化。
聂凯旋为此特意发送了一封内部信，向所有员工进行宣布。公司接下来将会正式步入商业化阶段，从过去三年的“技术导向”转变为“市场导向”。这表明，公司未来的产品形态会将重点放在围绕市场需求进行迭代上，并且最终会为商业客户提供服务。
有趣的是，到去年年底时，松应科技团队没有一位销售人员。其中，包括聂凯旋在内的几位核心创始人自己承担起了销售的角色。
聂凯旋觉得，只有公司的一号位以及核心成员首先对产品有充分的理解，并且把产品成功卖掉，产品才算是真正达到了能够进入市场的阶段，此时扩张销售团队才具有意义。“倘若我直接去找一个非常厉害的销售，也能够将产品卖出去，然而这或许会营造出一种假象，会让团队误以为自己所做的产品是不错的，进而反而丧失了持续进行迭代的动力。”
结果证明，聂凯旋的策略是有效的。
去年年底正式开始商业化，到现在才过了三个月。松应科技已有近 20 家商业客户，这些客户包含科技型央国企、国家级/省级机器人创新中心、具身智能厂商、高校以及科研院所等。聂凯旋坦言，在这些客户当中，有很多是在公测期以及之前产品验证时期积攒下来的种子客户，并且还有很多客户是从英伟达的系统转过来的。
聂凯旋称，松应 ORCA 现今在物理精度方面优于英伟达 Omniverse（简称 OV）。聂凯旋称，松应 ORCA 现今在综合成本方面优于英伟达 Omniverse（简称 OV）。聂凯旋称，松应 ORCA 现今在客户服务方面优于英伟达 Omniverse（简称 OV）。
松应科技的团队在仿真精度方面，开发了一套分布式异构计算系统。对于高并发且低精度需求的物理模型，会用 GPU 进行计算；对于高精度计算需求，则结合 CPU 高精度模块来计算。这样做既能保证效率，又能实现高精度。
ORCA Sim 具备物理仿真高效率的特点，并且其仿真精度比英伟达的物理引擎 physX（isaac sim 物理仿真模块）要高。比如，在国产 GPU 沐曦 C 系列卡上，松应 ORCA Sim 能够实现并行 4096 个机器人训练，这与英伟达 Omniverse isaac 的性能是相同的。
松应科技的团队为此开发了一套分布式异构计算系统。对于高并发且低精度需求的模型，会使用 GPU 进行计算；对于高精度计算需求，则使用 CPU 上的高精度模块来计算。这样做既能保证效率，又能实现高精度。
成本方面，松应科技Orca的成本仅为英伟达OV的1/3。
国内工程师红利使得人员成本大幅降低，这是一方面的原因。另一方面，国内数据采集和生产的成本比较低，所以国内公司在整体成本方面更有优势。
松应科技分布在北上深三地，其团队架构除了具备精度和成本方面的优势外，还能够为客户提供本地化服务。
很多客户先前使用英伟达的系统，一旦遇到问题，可能会卡顿一周时间，并且找不到人来进行解决，他们只能自己去逐篇消化技术文档。然而，我们能够直接派遣人员前往客户现场，在不到一个小时的时间内就有可能解决问题。聂凯旋如是说道。
目前，松应科技向客户交付的产品有三类。一类是 ORCA 物理 AI 仿真系统，另一类是三维高精度训练场，还有一类是机器人训练合成数据。
具体来看，松应科技已经拥有十个不同的类别，并且有上百套高精度的、处于物理准备就绪状态的三维数字训练场。
ORCA物理AI仿真数字训练场实录，图片来源：松应科技
在收费模式方面，ORCA 系统对企业客户是以年为单位收取 license 费用的。对于场景数据，是按套来收费的，比如说制作一个商场或者厨房的场景，会依据场景的复杂度以及细节的丰富程度来确定价格。而训练合成数据则是根据机器人需要完成的任务，以条为单位进行计算，其成本还不到真机采集数据的十分之一。
不过，松应科技已经开启了全新的商业化阶段，并且市场也迅速升温了。聂凯旋坦言，这只是阶段性地松了一口气，还没有到柳暗花明的时刻。
他认为，今天具身智能领域的热度与六七年前的自动驾驶相似。互联网大厂、汽车主机厂以及手机厂商都纷纷加入其中，并且有大量的创始团队涌现出来。与此同时，整个具身智能产业链还没有明确的分工，各个环节的业务边界也比较模糊。
与此同时，有大量的资本在向具身智能赛道涌入。聂凯旋表明，特别是从今年起，泡沫正在逐渐增大，他有些担忧“极度的热情之后会降到很低的温度”。
不过，某种程度上，松应科技就是从“冰点”成长起来的。
聂凯旋创业到现在，见过大概两百多位投资人。他经历了无数的质疑和否定。然而，他多次和团队着重强调，用智能去推动物理世界，这是一项为期 10 到 20 年的长期事业，不能因为短期的阵痛而影响信心。
我们现在拥有了数据，拥有了产品。对产业周期有了更深入的理解。同时也有了正在服务的客户以及深度协同的伙伴。这使得整个团队的心态更加踏实。如今市场热度较高，能够顺势而为自然是很好的。但我们不会一味地去追逐风口。我们要打造一家以使命驱动，并伴随需求发展的公司。聂凯旋如是说道。
