物理 AI 的願景在於讓工程師能如同編寫軟體般程式設計實體代理，但當前機器人技術仍受實體空間資料匱乏的制約。企業需建立模擬倉庫測試機器，或透過監控工廠線與 Gig 工人訓練深度學習模型，另一選項則是利用詳細的虛擬環境複製現實世界，以可擴充套件方式提供所需資料與工作空間。Antioch 是一家專注於為機器人開發者提供模擬工具的起點公司，旨在縮小業界所謂的「模擬到現實」差距，即讓在虛擬環境中訓練的機器人在實體世界中可靠運作的挑戰。Antioch 共同創辦人 Harry Mellsop 表示，公司今日已向 A*、Category Ventures 等投資機構籌得 850 萬美元種子輪，估值達 6000 萬美元，其他參與者包括 MaC Venture Capital、Abstract、Box Group 和 Icehouse Ventures。Mellsop 於去年五月在紐約創立該公司，另有兩位共同創辦人曾參與出售安全與智慧起點公司 Transpose 給 Chainalysis，另外兩位則分別來自 Meta Reality Labs 和 Google DeepMind。
在自駕車領域，Waymo 使用 Google DeepMind 的世界模型來測試與評估其駕駛模型，理論上這將減少在新增區域部署所需的資料收整合本。Antioch 希望為缺乏資金的較小公司提供解決此問題的平臺，因為大多數產業尚未使用模擬技術。Antioch 的產品被比作 Cursor，允許機器人製造商啟動多個數位硬體例項並連線模擬感測器，模擬機器人在現實世界中接收的資料，從而測試邊緣情況、執行強化學習或生成新訓練資料。關鍵挑戰在於確保模擬中的物理學與現實一致，以免模型接管真實機器時發生錯誤。公司使用 Nvidia、World Labs 等建立的模型，並開發特定領域的庫以簡化使用。
Category Ventures 的夥伴 Çağla Kaymaz 指出，軟體工程與大語言模型（LLM）的演進正開始發生在物理 AI 上，但實體世界的風險遠高於數位世界。目前 Antioch 的焦點主要在感測器與感知系統，這些是自動駕駛汽車、卡車、農業與建築機械或無人機的主要需求，而通用機器人複製人類任務的願景則較遠。雖然 Antioch 主要面向起點公司，但部分早期客戶已是投入大量資源的巨頭。