据TechCrunch AI报道，总部位于美国安娜堡的初创公司Laplace Intelligence正在为机器人和物理AI开发自动化红队测试，即在部署前用AI反复寻找系统弱点，以降低物理AI在真实世界失效的风险。该公司于2026年10月13日下午在旧金山TechCrunch Disrupt的Startup Battlefield舞台展示，是20家参赛初创公司之一。

TechCrunch AI提到，OpenAI-Hugging Face事件说明AI智能体可能不可预测。Laplace联合创始人兼CEO Howie Sun说：“想象一下，如果类似事情发生在物理世界。AI智能体正从计算机进入真实世界，我们并不希望物理AI在真实世界失败。”

Laplace由Sun和联合创始人兼首席科学家Henry Liu约一年前在密歇根大学创立。Sun过去八年在学术界研究如何在仿真中挑战自动驾驶AI。2023年，他与时任博士导师Liu发表相关论文，登上《自然》封面，随后自动驾驶公司开始联系他们。公司名称来自1814年法国学者皮埃尔-西蒙·拉普拉斯的“拉普拉斯妖”思想实验：如果知道宇宙中每个事物的精确状态，就能完全精确预测未来。Sun说，他们本质上是在用仿真预测真实世界的未来。

Laplace的核心是从真实世界重建的高保真仿真，配合不断探测弱点和失效点的AI智能体。目标是让机器人、自动驾驶汽车或智慧城市方案在真实部署前先在仿真中证明安全。仿真环境是英伟达Cosmos世界模拟平台的后训练版本，并以真实世界为基础，可重建从亚利桑那州高速公路到巴黎人行横道的场景。一张谷歌街景图像可作为参考生成整条街道，模拟器会结合真实地图数据按真实比例重建环境，而不是随机生成。

开发者可用语言提示实时改变设置，例如加入下午交通。Sun说，Laplace从TomTom等导航服务商获取实时交通和拥堵信息。在仿真中，其他行为主体的行为也被模拟。一次演示中，Sun让测试车辆突然转向迎面车流；本会撞上的车辆移开以避免碰撞，而不是像某些生成式世界模型常见的那样被直接穿过。Sun称，这是真正可交互的仿真环境，每个主体都在对一切作出反应。

TechCrunch AI报道称，Laplace的真正卖点是其AI智能体，可自动设计边角案例，即可能让AI系统出错的棘手罕见场景，从而把人类进一步移出循环。Sun说，这些智能体可以从新闻、警方碰撞报告中设计场景，主动挑战自动驾驶汽车和其他物理AI智能体。目前自动驾驶开发商大多用录制视频或人工设计来训练AI处理边角案例。包括自动驾驶卡车公司Waabi在内的许多公司已开始用AI生成训练用边角案例，但Sun认为，当通用机器人进入真实世界时，这类技术需求会真正显现，因为通用机器人数据较少，没人知道真实世界的边角案例会是什么。

尽管Sun和Liu来自学术界，没有硅谷科技公司背景，两人已开始创收并实现小幅盈利，多数收入来自自动驾驶用例。