Veeda AI 获超9000万美元种子轮：前英伟达副总裁能否在物理AI世界模型赛道突围？

三个前英伟达研究员，用一张超过9000万美元的种子票押注“机器人的矩阵”

机器人不能在真实世界里通过摔跤来学会走路。每一次关节过载、每一个传感器误判、每一场与物理定律的正面冲突，在实验室里意味着烧毁的电机和停摆的项目，在道路上意味着真实的安全事故。硬件不像算力那样可以无限复制，真实世界的经验也无法并行化——这是具身智能最古老的瓶颈，也是所有试图让机器理解重力、摩擦和碰撞的人必须面对的第一堵墙。

2026年8月19日，The Logic 披露了一笔试图绕过这堵墙的交易：总部位于多伦多的 Veeda AI 已完成超过9000万美元的种子轮融资，投资方为 Khosla Ventures 和 Radical Ventures。公司法定名称为 Veeda Innovation，于2026年6月初注册成立。从公司注册到这笔接近加拿大历史最高水平的种子轮关闭，不到三个月。

创始团队来自英伟达的 Spatial Intelligence Lab。Sanja Fidler 在英伟达工作八年，从2018年5月加入后创建了该公司在多伦多的研究部门，后晋升为 AI 研究副总裁；Huan Ling 曾在 Spatial Intelligence Lab 工作并在 Fidler 指导下完成博士学位；Zan Gojcic 来自苏黎世，曾任英伟达研究总监。三人离开英伟达后，把在自动驾驶和类人代理模拟领域积累的技术路径，压缩进了一家新公司的第一张支票里。

“世界模型是下一个突破所在”：一句离职宣言背后的技术路线选择

Fidler 在宣布离开英伟达的帖子中写道：“World models 是下一个突破的所在，且即将到来。”这句话在融资报道中被反复引用，但它首先是一个技术判断，其次才是一条融资信号。世界模型要解决的核心问题，是让 AI 系统在接触物理硬件之前，先在模拟环境中理解物理世界的运行规则。

据公司披露，Veeda 正在构建“多模态基础世界模型，模拟物理现实，创建无限可扩展的环境，使具身代理能够通过交互学习”。这一表述将公司的技术主张拆成了三个可验证的层次：第一层是生成式模型本身，基于传感器和物理数据训练；第二层是模拟环境的可扩展性，即能否生成足够多样且物理上合理的训练场景；第三层是代理在其中的交互学习能力，即模拟经验能否迁移到真实硬件上。前两层在英伟达的 Spatial Intelligence Lab 有直接的技术前身——据 The Logic 报道，该团队曾开发模拟自动驾驶车辆和类人代理与物理世界交互的软件，Fidler 与 Ling 也参与了英伟达为开发者构建物理 AI 系统的旗舰世界模型项目。第三层，即从模拟到现实的迁移效果，目前没有公开的验证数据。

将公司描述为构建“矩阵”的类比，来自公司自身的框架性表述。这个类比在传播上有效，但在技术评估上需要被拆开看：矩阵是一个封闭的、自洽的虚拟世界，而物理 AI 的世界模型必须与真实物理定律保持足够高的一致性，否则训练出的策略在迁移到真实硬件时会出现系统性的偏差。这种一致性如何度量、如何保证，Veeda 尚未披露具体的技术方案或基准测试结果。

从多伦多到苏黎世的四城布局，以及一张尚未公开的产品路线图

Veeda 在多伦多、Mountain View、新加坡和苏黎世设有办事处。苏黎世子公司于2026年7月注册，Gojcic 担任当地常务董事，Fidler 担任管理主席。四个城市分别对应着不同的资源禀赋：多伦多是 Fidler 在英伟达期间建立的研究团队所在地，也是 Vector Institute 的辐射范围；Mountain View 靠近硅谷的算力和人才池；苏黎世是 Gojcic 的前据点，也是欧洲机器人研究的重镇之一；新加坡则可能承担亚太市场的接口功能。但公司没有披露各办公室的具体职能分工和人员规模。

招聘信息提供了产品方向的部分线索。公司正在招聘“推动生成式世界模型前沿”的人员，包括准备训练数据和管理芯片集群的员工。训练数据准备和芯片集群管理这两个岗位的同时出现，说明 Veeda 的早期工作重心在基础设施层面：一边构建高质量的训练数据集，一边搭建支撑大规模模型训练的算力系统。这与公司声称的资金用途——研究人员招聘和计算资源——相互印证。但产品形态、目标客户和商业化路径均未披露。

一个值得注意的空白是：Veeda 没有公开官网。在2026年的 AI 创业生态中，一家完成超过9000万美元种子轮的公司没有官网，本身就是一个信号。它可能意味着公司仍处于纯粹的研究组织阶段，也可能意味着创始团队刻意控制对外信息的颗粒度。无论哪种解释，都指向同一个事实：外部能看到的 Veeda，目前只是一个由人才密度和资本密度堆叠起来的轮廓，产品层面的具体形态仍然不可见。

Khosla 与 Radical 的联合下注，不是第一次，也不会是最后一次

Khosla Ventures 和 Radical Ventures 的组合，是这笔交易中最值得拆解的部分。两家机构在2026年8月早些时候共同领投了由前 Google 首席科学家 Jeff Dean 创立的 AI for Science 公司 Discovery Loop 的创始轮。更早之前，Khosla 在2026年1月共同领投了自动驾驶卡车公司 Waabi 的7.5亿美元融资，Radical 亦参与其中。Waabi 由多伦多大学教授、Vector 联合创始人 Raquel Urtasun 领衔，构建自有的自动驾驶世界模型。Radical 同时是 World Labs 的投资者——这家由 Fei-Fei Li 创立的空间智能公司，与 Veeda 在技术路线上有直接的相邻性——其投资组合中还包括构建实时世界模型的 Decart。

这意味着 Khosla 和 Radical 对 Veeda 的投资，不是一次孤立的世界模型押注，而是在同一赛道上的连续加仓。从 Discovery Loop 到 Waabi 到 World Labs 到 Veeda，两家机构正在构建一个覆盖科学发现、自动驾驶、空间智能和通用物理 AI 的投资矩阵。对 Veeda 而言，这种投资组合结构既是资源，也是约束：它意味着公司的技术路线和商业化选择，将不可避免地被放在两家机构已有的世界模型布局中进行比较和协同评估。

董事会构成进一步强化了这一信号。2026年7月下旬，Veeda 在发行6060万股每股1美元的种子股的同一天，增任了两位新董事：Radical 合伙人 Tomi Poutanen 和 Khosla 合伙人 Sven Strohband。种子轮即获得两家投资机构的董事会席位，在加拿大创业生态中并不常见。这通常意味着投资方对公司的战略方向有较高的参与意愿，也意味着创始团队在早期就接受了较高程度的机构治理介入。

超过9000万美元的种子轮，在资本密集度竞赛中意味着什么

世界模型是一条资本密集度极高的赛道。Yann LeCun 的 AMI Labs 在2026年3月筹得10.3亿美元，World Labs 在一轮由 Radical Ventures 共同领投的融资中筹得2.3亿美元。与这两个参照系相比，Veeda 超过9000万美元的种子轮在绝对金额上并不突出。但根据 PitchBook 数据（The Logic 引用），这一金额已接近加拿大历史上种子轮融资的最高水平。

将这笔资金放在加拿大创业生态的语境中看，它的异常性更加明显。加拿大风险投资市场历来以小额、分散、早期为主，种子轮超过5000万美元的案例极为罕见。Veeda 的种子轮规模，实际上相当于许多加拿大公司 B 轮甚至 C 轮的融资水平。这种“种子轮通胀”现象，在2025至2026年的 AI 基础模型赛道中已经蔓延到物理 AI 领域。其背后的逻辑是：世界模型的训练成本、数据采集成本和人才成本，使得传统的种子轮资金规模根本无法支撑一个有竞争力的研究团队运转超过12个月。

据公司披露，这笔资金将用于资助基础实验室早期预算中占比最大的两项支出——研究人员招聘和计算资源。这一表述与招聘信息中“准备训练数据和管理芯片集群”的岗位描述相互印证。但公司没有披露具体的资金分配比例、预期的烧钱速度，以及下一轮融资的时间窗口。对于一个需要在算力上持续投入的团队来说，超过9000万美元的种子轮能支撑多久，取决于团队规模和算力采购策略，而这些变量目前均未公开。

竞争格局：世界模型赛道的拥挤，与 Veeda 尚未被验证的差异化

Veeda 进入的赛道，在2026年已经相当拥挤。AMI Labs 背靠 LeCun 的学术声望和10.3亿美元的资本储备；World Labs 拥有 Fei-Fei Li 的空间智能研究积累和2.3亿美元的融资；Decart 在实时世界模型方向上推进；Waabi 则将世界模型直接嵌入自动驾驶卡车的商业化场景中。此外，Fidler 的前雇主英伟达本身也在该领域的训练基础设施上布局，这意味着 Veeda 的创始团队在离开英伟达后，将直接或间接地与老东家的生态体系产生竞合关系。

Veeda 的差异化主张，目前主要建立在创始团队的技术履历上。Fidler 在英伟达的八年中，从零创建了多伦多研究部门，并将其发展为 Spatial Intelligence Lab；她与 Ling 参与了英伟达旗舰世界模型项目的开发；Gojcic 在苏黎世的英伟达研究体系中积累了机器人感知和场景理解的经验。这些履历足以支撑一家研究导向的初创公司在早期获得顶级投资机构的信任，但不足以构成可防御的竞争壁垒。世界模型赛道的竞争，最终会落到三个问题上：模型生成的物理一致性是否足够高；训练数据的质量和规模是否形成飞轮；以及模拟到现实的迁移效果是否被下游客户验证。Veeda 在这三个问题上，目前均未提供公开的答案。

从已披露的信息看，Veeda 的竞争策略可能更接近“研究深度优先”而非“场景切入优先”。与 Waabi 直接绑定自动驾驶卡车场景不同，Veeda 的表述更接近通用物理 AI 的基础设施层。这种定位的潜在优势是市场天花板更高，潜在风险是在早期缺乏明确的付费客户来验证产品价值。公司没有披露任何客户信息或商业化进展，这意味着 Veeda 目前仍处于纯投入阶段。

资金用途、验证路径与那些尚未回答的问题

超过9000万美元的种子轮，买到的是一支顶级研究团队在物理 AI 世界模型方向上的18到24个月的探索窗口。这笔钱的核心用途是明确的：人力和算力。但明确的方向不等于明确的路径。Veeda 需要在窗口期内回答几个关键问题：第一，它能否在物理一致性上做出可量化的技术突破，而不是停留在“生成式世界模型”的概念层面；第二，它能否找到第一批愿意为模拟训练环境付费的客户，无论是机器人公司、自动驾驶公司还是工业自动化企业；第三，它能否在英伟达生态之外建立独立的算力和数据供应链，避免在基础设施层面受制于前雇主的平台。

风险同样清晰。世界模型领域的竞争在2026年已经进入资本密集阶段，AMI Labs 的10.3亿美元和 World Labs 的2.3亿美元意味着 Veeda 的竞争对手拥有更长的跑道和更大的试错空间。公司成立时间短、没有产品发布记录、没有公开客户，这些因素使得任何关于其技术领先性的判断都缺乏独立验证的基础。此外，创始团队从英伟达离职后，是否面临竞业限制或知识产权相关的约束，来源材料中未披露，但这是评估该公司早期技术独立性的一个不可忽略的变量。

从已披露的6060万股每股1美元的种子股发行结构看，这笔融资的股权稀释程度在种子轮中属于正常范围，但具体估值和股权分配未披露。Khosla 和 Radical 在种子轮即获得董事会席位，意味着后续轮次的治理结构和战略方向将受到这两家机构的深度影响。对于一家以研究文化为核心的初创公司来说，如何在机构治理压力与基础研究的长期性之间保持平衡，是创始团队需要管理的隐性风险。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

• 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
• 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
• 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：Veeda AI 的故事到目前为止，是一个关于人才密度和资本密度如何在极短时间内压缩成一家公司的故事。超过9000万美元的种子轮、三位英伟达背景的创始人、两家顶级投资机构的董事会席位——这些要素构成了一个高规格的起点。但世界模型赛道的终局不会由起点决定。当模拟环境中的机器人第一次成功地把学到的策略迁移到真实硬件上，或者当第一个付费客户公开验证了模拟训练的价值时，Veeda 才真正开始回答它给自己设定的问题。在那一天到来之前，这笔超过9000万美元的种子轮，仍然只是一张昂贵的入场券。