Trois mois après sa fondation, le premier modèle d'IA physique de Simate prend la tête du classement RoboDojo Simate arrive en force. Le 26 septembre, le média tech chinois 量子位 (QbitAI) rapportait que Simate (Silicon Mate), une entreprise fondée il y a trois mois à peine, a dévoilé son premier système d'IA physique généraliste, Simate-beta. Selon l'entreprise, le modèle a pris la première place du classement RoboDojo — avec un modèle de base n'ayant subi aucun réglage spécifique au benchmark.
Simate-beta est présenté comme un « système physique rapide généraliste » et a démontré en démo la mémoire, l'exécution de tâches de longue haleine, la manipulation fine et l'adaptation aux tâches — parmi les problèmes les plus coriaces de l'intelligence physique. L'équipe a aussi un pedigree sérieux : ses membres clés ont autrefois porté des modèles de conduite end-to-end « one-shot » au niveau du FSD de Tesla, jusqu'à la production en série. Très peu d'équipes dans le monde ont franchi cette barre, et encore moins ont transféré ce savoir-faire vers l'IA physique généraliste. Dès le premier jour, Simate s'est fixé un cap de recherche inhabituel : « AI for Physical AI » — faire participer l'IA elle-même à la recherche et à l'amélioration itérative de l'intelligence physique.
Du volant au bras robotique : pourquoi l'expérience de la conduite autonome est convoitée
La conduite autonome et l'IA physique peuvent sembler des métiers différents, mais elles partagent au fond les mêmes problèmes durs : décider dans le monde réel ouvert, généraliser à partir de scénarios à longue traîne, évoluer via une boucle de données. L'approche « one-shot » end-to-end de la conduite — perception, décision et exécution dans un seul modèle — est presque isomorphe à ce que l'IA incarnée poursuit aujourd'hui en manipulation end-to-end. Voilà pourquoi une équipe forte d'une expérience de production en série au niveau FSD attire instantanément l'attention : elle n'apporte pas seulement des algorithmes, mais tout un manuel d'ingénierie pour « empêcher les modèles de se tromper dans le monde physique ». (À lire aussi : l'IA incarnée entre dans la salle d'examen publique.)
Que signifie livrer en trois mois ?
Le plus intrigant, c'est en réalité la vitesse : trois mois après sa fondation, le premier modèle décroche la tête du classement. Cela suggère que la pile technologique de l'IA physique converge rapidement — et valide la puissance du credo « l'IA accélère la recherche en IA ». Une note de sobriété s'impose néanmoins : Simate-beta reste en bêta, un score de classement n'est qu'une lentille sur la force de R&D, et la véritable produitisation comme la commercialisation sont encore loin. Quoi qu'il en soit, la compétition dans l'intelligence physique est passée de « qui raconte l'histoire en premier » à « qui livre en premier ».
