三个月交出首版模型，还声称没为榜单「刷题」——Simate把速度本身做成了叙事。
Simate（Silicon Mate）定位通用物理AI，公开称核心团队曾将一段式端到端智驾推进至对标Tesla FSD的量产水平。9月26日前后，公司发布首款通用物理快系统Simate-beta，展示记忆、长程任务、精细操作与任务适应。据公司提供、更新于9月23日的RoboDojo榜单，simate-beta平均Score为33.95、成功率约27.96%，位列第一；公司强调参评基模未做榜单专项优化。技术路线强调「快系统」：做大参数量、探索零样本泛化，配合4D物理感知与分层时序记忆，并与GPT-6等慢系统协同。
研发方法是另一条看点。公司搭SiPAI可插拔模型框架、AutoResearch动态研究上下文与AI-native Infra，主张研究员定假设与约束，Agent自动拆实验、跑训评、回流证据，仿真先筛再上真机。官网与公开材料称MIT、加州理工、清华、北大等研究者已参与AutoResearch内测；模型与研究平台计划分阶段以论文/报告开源。融资口径为「连续完成多轮数亿元人民币级别融资」，属公司披露，具体轮次与投资方以正式公告为准。对观察者，RoboDojo只是切面；更关键的是真机零样本泛化、开源时间表，以及「弱RSI」人机共驾能否在非榜单任务复现吞吐优势。官网：mate-robot.cn。