Идея простая, но важная: прежде чем выпустить робота или беспилотный автомобиль в реальный мир, нужно убедиться, что он не сломается в непредвиденной ситуации. Laplace Intelligence решает эту задачу через автоматизацию — вместо того, чтобы люди вручную придумывали сценарии отказа, компания обучает AI-агентов самим генерировать трудные случаи и искать уязвимости. История показательна: основатели Howie Sun и Henry Liu годом ранее опубликовали исследование в Nature о том, как бросать вызов автономным системам в симуляции. Идея сработала в академии — теперь попробуют в бизнесе.
В основе Laplace лежит высокоточная симуляция, построенная на базе Nvidia Cosmos (AI-платформа для генерации миров). Но это не просто CGI-окружение — симуляция воссоздаёт реальные места (улицы Феникса, перекрёстки Парижа) с опорой на карты и Street View, интегрирует реальные данные о трафике от TomTom. Главное же в том, что это интерактивная среда: не только автомобиль едет, но и другие машины, пешеходы реагируют на его действия. Sun показал demo, где агент врезается в встречный поток — и его чуть не наезжали, потому что другой автомобиль сам отклонился.
Реальная фишка — AI-агенты, которые автоматически конструируют edge cases. Они учатся на новостях о ДТП, полицейских отчётах, социальных данных и сами придумывают, что может пойти не так. Сегодня разработчики беспилотников в основном опираются на записанный реальный трафик и ручное придумывание проблем. Waabi и некоторые другие уже начали применять AI для этого, но массово эта потребность станет критичной, когда роботы попадут в руки обычных компаний — данных о том, как они ломаются в неожиданных ситуациях, ещё нет.
Стартап уже генерирует деньги. Основной доход идёт от беспилотных автомобилей — есть клиенты вроде техасской компании Bot Auto (беспилотные грузовики) и крупного японского автопроизводителя. Laplace работает над смарт-сити пилотом в Сан-Хосе вместе с Nvidia и T-Mobile. Начали ощупывать рынок складских роботов. Пока контракты проектные, но компания ориентирована на рекуррентную модель. Финансовый фон скромнее, чем у Applied Intuition (главный конкурент, получил $1.2 млрд при оценке $15 млрд), но Sun считает, что парадигма «AI тестирует AI» — это достаточно сильный изолирующий ров.
В России такая технология актуальна прежде всего для беспилотных грузовиков и развозных роботов, которые начинают появляться в логистике. Компании, которые адаптируют готовые решения типа Yandex Delivery Robot или разрабатывают собственные системы автоматизации складов, сталкиваются с проблемой: нет достаточного объёма тестовых данных по отказам в российских условиях (специфика дорог, климат, поведение пешеходов). Локальное решение для симуляции на базе реальных карт и трафика (есть доступ к данным Яндекс.Карт, 2ГИС) было бы полезно, но пока Laplace на российский рынок не смотрит.
Стартап участвует в Startup Battlefield на TechCrunch Disrupt (октябрь 2026) и ищет финансирование для масштабирования. На фоне других решений для тестирования автономных систем Laplace выглядит свежо именно ставкой на автоматизацию — вместо того чтобы продавать лучший симулятор, они продают инструмент, который работает без постоянного вмешательства инженеров. Это может сработать, если действительно работает. Пока сигналы хорошие: прибыльность при стартапном возрасте, реальные клиенты, не воздушные замки.