OpenAI 近期引发关注的事件再次印证了人工智能代理的不可预测性。拉普拉斯情报公司（Laplace Intelligence）首席执行官兼联合创始人 Howie Sun 在接受 TechCrunch 采访时表示：“想象一下，如果类似的事情发生在现实世界。”随着 AI 代理从数字空间向物理世界迁移，确保其在真实环境中的安全性成为关键挑战。
为此，拉普拉斯正在构建一个自动化“红队”系统，旨在通过故意诱发故障来对物理 AI 进行压力测试。该公司认为，验证物理 AI 安全性的唯一有效途径是利用 AI 本身进行测试。其核心目标是帮助企业在部署前发现并解决问题，逐步建立客户、保险公司及监管机构可信赖的证据基础。
作为 20 家入围初创企业之一，拉普拉斯将在旧金山市中心举行的 TechCrunch Disrupt 大赛中亮相，并于 10 月 13 日星期一下午在创业战场舞台展示其产品。
Howie Sun 与首席科学家 Henry Liu 于一年前在密歇根大学共同创立了拉普拉斯。Sun 在过去八年中专注于学术研究，探索如何在模拟环境中挑战自动驾驶 AI。2023 年，他与当时的博士顾问发表了一篇相关论文，随后多家自动驾驶汽车公司开始寻求实施这些技术。
“我意识到我想建立这个产品，并将其从纯粹的学术研究转化为在现实世界中有用的工具，”Sun 说道。
基于学术研究成果，拉普拉斯以 1814 年法国学者皮埃尔·西蒙·拉普拉斯提出的思想实验“拉普拉斯恶魔”命名。“我们基本上使用模拟来预测现实世界的未来，”Sun 解释称。
该公司的核心技术结合了两部分：一是从现实世界重建的高保真模拟环境，二是不断探测弱点和故障点的人工智能代理。这一组合旨在确保机器人、自动驾驶汽车或智慧城市解决方案等物理 AI 在实际应用前已在模拟中证明其安全性。
模拟环境基于 Nvidia Cosmos 的训练后版本构建，这是一个允许重建从亚利桑那州高速公路到巴黎步行者十字路口等各类场景的 AI 世界模拟平台。模拟器通过混合不同来源的真实世界信息生成网格，例如利用 Google 街景图像作为参考生成整个街道，并结合现实世界地图数据重建真实规模的环境。
开发者可以通过语言提示实时调整场景设置，如加入下午的交通状况。Sun 表示，Laplace 会从 TomTom 等导航服务商获取实时交通和拥堵数据。
除了环境模拟，拉普拉斯还模拟其他参与者的行为。在演示中，Sun 指示测试车辆偏向相对车辆，导致碰撞或绕行，这反映了某些生成式世界模型中常见的为避免碰撞而偏离路面的现象。“这是一个真正的互动模拟环境，每个人都对每件事都有反应。这更像是一个具有互动参与者的世界模型，”Sun 说。
虽然高保真模拟是产品的重要组成部分，但拉普拉斯独特的竞争优势在于其开发的人工智能代理。这些代理能够从新闻、警方关于碰撞的报道中设计各种信息，主动挑战自动驾驶汽车和其他物理 AI 代理。
目前，大多数自动驾驶开发者依赖录制镜头训练 AI 处理边缘事件，再将其转化为模拟，或依靠人类设计新案例。尽管包括 Waabi 在内的部分视频公司已开始采用 AI 创建训练用的边缘案例，但随着通用机器人在现实世界的应用增多，这种技术的需求将愈发明显。
“关于通用机器人技术的数据较少，没有人知道现实世界的边缘病例会是什么，”Sun 指出。
尽管源自学术界且无硅谷科技公司背景，拉普拉斯的大部分资金来自自动驾驶应用场景。其客户包括日本卡车制造商 Isuzu 和德克萨斯州的自动卡车公司 Bot Auto。此外，Nvidia 也是其客户之一。这三家公司正与 T-Mobile 合作，为圣何塞市提供免费的智慧城市试点项目，以优化高级交通运营。拉普拉斯还与合作伙伴共同开发用于仓库的人形机器人。
目前，Laplace 的大部分合同基于项目制，公司正努力将其转化为经常性收入模式。短期目标包括筹集资金并扩大规模以应对竞争。其主要竞争对手之一是处于后期发展阶段的 Applied Intuition，Isuzu 同时也是 Applied 的客户。
Sun 对竞争并不担忧，他认为拉普拉斯“使用 AI 测试 AI”的核心方法是一种全新范式，将物理 AI 测试转变为动态交互式过程。“这将是最大的护城河，”他说。
