Drei Monate nach Gründung: Simates erstes Physical-AI-Modell holt Platz 1 auf RoboDojo Simate kommt mit Schwung. Am 26. September berichtete das chinesische Tech-Medium 量子位 (QbitAI): Simate (Silicon Mate), erst vor drei Monaten gegründet, hat sein erstes universelles Physical-AI-System „Simate-beta" vorgestellt. Laut Unternehmen holte das Modell Platz 1 auf der RoboDojo-Rangliste – mit einem Basismodell, das keinerlei Benchmark-spezifisches Tuning erhalten hat.
Simate-beta wird als „universelles physisches Schnellsystem" positioniert und zeigte in der Demo Gedächtnis, langläufige Aufgabenausführung, Feinmanipulation und Aufgabenadaption – einige der härtesten Nüsse der physischen Intelligenz. Auch das Team kann sich sehen lassen: Seine Kernmitglieder haben einstufige End-to-End-Fahrmodelle auf Tesla-FSD-Niveau gebracht und in die Serienproduktion überführt. Weltweit haben nur eine Handvoll Teams diese Hürde genommen, und noch weniger haben dieses Know-how in universelle Physical AI übertragen. Simate hat sich vom ersten Tag an einen ungewöhnlichen Forschungskurs verordnet: AI for Physical AI – KI soll selbst an der Erforschung und iterativen Verbesserung physischer Intelligenz mitwirken.
Vom Lenkrad zum Roboterarm: Warum Fahrerfahrung begehrt ist
Autonomes Fahren und Physical AI wirken wie verschiedene Gewerbe, doch darunter liegen dieselben harten Probleme: Entscheidungen in der offenen realen Welt treffen, aus Long-Tail-Szenarien generalisieren, sich über einen Datenkreislauf stetig weiterentwickeln. Der One-Shot-End-to-End-Ansatz des Fahrens – Wahrnehmung, Entscheidung und Ausführung in einem einzigen Modell – ist nahezu isomorph zu dem, was Embodied AI heute bei der End-to-End-Manipulation anstrebt. Darum erregt ein Team mit FSD-reifer Serienproduktionserfahrung sofort Aufmerksamkeit: Es bringt nicht nur Algorithmen mit, sondern ein komplettes Engineering-Handbuch dafür, „Modelle in der physischen Welt keine Fehler machen zu lassen". (Zum Weiterlesen: Embodied AI betritt die öffentliche Prüfhalle.)
Was sagt es aus, in drei Monaten zu liefern?
Am nachdenklichsten stimmt eigentlich das Tempo: drei Monate nach der Gründung liefert das erste Modell eine Ranglisten-Bestleistung ab. Das deutet darauf hin, dass der Physical-AI-Tech-Stack schnell konvergiert – und bestätigt die Schlagkraft der Devise „KI beschleunigt KI-Forschung". Eine nüchterne Fußnote bleibt trotzdem nötig: Simate-beta steckt noch in der Beta-Phase, ein Ranglistenergebnis ist nur eine Linse auf die Forschungsstärke, und bis zur echten Produktisierung und Kommerzialisierung ist es noch weit. So oder so: Der Wettbewerb in der physischen Intelligenz ist von „wer erzählt zuerst die Geschichte" zu „wer liefert zuerst ab" übergegangen.
