AREX Feed Article
CMU 安全 AI 实验室主任 Ding Zhao 联合创办的 Safeworld 走出 stealth，获 1,220 万美元种子轮融资
据 ，机器人安全仿真初创公司 Safeworld 于 10 月 5 日结束 stealth（隐身模式）状态，宣布完成 1,220 万美元种子轮融资；本轮由 Shine Capital 与 a16z Speedrun 联合领投，Box Group、卡内基梅隆大学捐赠基金（CMU Endowment）、Innovation Endeavors 与 SV Angel 参投。同一天，给出的数字是「超过 1,200 万美元」，并披露公司由卡内基梅隆大学（CMU）Safe AI 实验室主任 Ding Zhao 与 Kyle Wong、Simo Rachidi 共同创办。
TechCrunch 在报道开头描述了 Safeworld 针对的问题：机器人行业正把控制权交给生成式 AI 模型，这类架构不像传统算法那样可预测，让部署前的安全评估变得更难。Safeworld 的做法，是在加载真实人体模型的物理仿真里压测机器人的控制系统，通过测试之后再让机器人进入真实世界。
三位创始人的履历，与一份更长的投资人名单
据 ，Safeworld 自称「打造机器人安全仿真技术的 AI 实验室」，总部位于加州帕洛阿托（Palo Alto）。三位联合创始人中，Ding Zhao 此前在 Google DeepMind 做研究，曾获美国国家科学基金会（NSF）的 CAREER 奖，在安全自主系统方向有超过 17 年经验；Kyle Wong 此前创办 AI 与用户生成内容（UGC）平台 Pixlee，并带领公司从创立走到被收购，该平台曾被 1,000 多个品牌使用；Simo Rachidi 是连续创业者，曾任 Salesforce Einstein 的首席安全与机器学习工程师。Wong 现在是 Safeworld 的联合创始人兼 CEO。
这轮的投资方还包括 Ovo Fund、Valkyrie、Zelda Ventures、Alpha Square Group、Founders Future、Brave Capital，以及来自 NVIDIA、Google DeepMind、Waymo、Meta、DoorDash、Together AI、Salesforce 等公司的创始人与高管。a16z Speedrun 合伙人 Jonathan Lai 对 TechCrunch 说：「建立行业安全标准就得趁现在，趁机器人还在设计和部署阶段。等到家里已经有机器人和孩子相撞、出了安全事故，那就太晚了。」
概率系统与信任缺口
Zhao 对 TechCrunch 这样描述问题的核心：「我们谈的安全挑战由两部分组成。一是真正先进的生成式 AI 概率性评估——你要怎么为一个概率系统的风险定价？第二部分是信任，而这部分非常难。要把机器人部署出去，两者缺一不可。」
TechCrunch 把这件事比作 Tesla、Wayve 等公司验证自动驾驶的挑战；但 Zhao 认为机器人更难：它们工作在非结构化的环境里，而且每一处设施的安全标准都不一样。
公司新闻稿则把现状说得更直接：物理测试慢、贵，覆盖不了海量边缘场景；为了管理不确定性，部署方只能用防护笼和限速，这压低了机器人的效率，也压缩了人机协作的空间。
在 Genesis 或 MuJoCo 里，复现工厂的危险死角
测试从一个具体场景开始。「最常见的场景之一是：这家工厂的某个位置有个盲角。」Kyle Wong 对 TechCrunch 说，「机器人需要什么样的速度、什么样的刹车距离，才能确保不撞上某个具体的人？比如一个人正抱着箱子走过来，机器人还能不能检测到他？」
具体做法是：把这个死角在 Genesis 或 MuJoCo 之类的物理引擎里建成数字版本，把被测机器人连着它真实的控制软件放进仿真，再跑数千个「人体模型与机器人相遇」的场景。「摔倒也是我们在仿真里测了很多次的情况。」Wong 说，「否则，你就得真人去为机器人摔一跤——这种测试很难一直做。」
新闻稿补充了测试流程：企业团队可以在浏览器里用过往事故、安全标准和机器人日志搭建场景，不需要仿真专业知识；系统用贴近真实、会做出反应的人体动作跑完数千种变化，衡量机器人的安全表现；因为每次软件更新和新环境都可能引入新风险，测试可以持续重跑，而不是只在发布前做一次。
Gritt、Anyware，与公司自称合作的「财富 50 强」企业
TechCrunch 报道了一个具名的合作方：Gritt Robotics。Gritt 的 CTO Vishal Dugar 正在为机器人开发 AI 大脑，这些机器人目前在工业级太阳能电站帮工人安装光伏板，Gritt 的目标是承接更复杂的施工任务；两家公司正在合作开发安全仿真。
「我们大多数系统的难点在于，很难通过做数学、写方程，然后说一句『这个系统已验证安全』来形式化地证明它。」Dugar 说，「这必须靠经验性的测试来完成。」
新闻稿里还有另一家合作方 Anyware Robotics，其 CEO Thomas Tang 说：「从第一天起，安全就是 Anyware Robotics 的基石。像 Safeworld 这样的先进仿真工具，让我们能以可扩展的方式测试棘手场景、强化安全流程，让机器人更好地为真实部署做准备。」
新闻稿还称，Safeworld「已经在与多家财富 50 强企业合作，测试和验证机器人系统的安全性」，早期试点覆盖大型汽车 OEM（整车制造商）、仓储自动化领域的领先企业和医疗器械制造商；上述说法均出自公司自身。
平台还是服务，还没定
TechCrunch 指出，Safeworld 正在做的平台与机器人厂商内部使用的工具存在明显相似之处；创始人的判断是，厂商仍会需要第三方来验证自己的工作，哪怕只是为了在竞争对手之间共享安全案例信息。
「很多人低估了这些边缘场景的解决难度。」Zhao 说，「我们担心的不是真空里的、演示中的机器人，而是规模化部署之后的机器人——它们面对的人可能从没操作过机器人。」
至于商业化，Zhao 的预期是：「我们很可能会是这个领域第一家盈利的公司，因为只要有人想部署，他们就得付钱让我们来处理安全问题。」
公司官网 目前向企业提供申请访问（Request Access）入口；产品最终做成面向外部用户的平台，还是服务模式，公司仍在斟酌。