COMSOL 深度调研:四十年多物理场求解器基业,以 DNN 代理模型训练与全物理场 GPU 加速切入物理 AI
COMSOL 是 1986 年创立、斯德哥尔摩总部的私营多物理场求解器厂商;6.3 引入 DNN 代理模型 GPU 训练与声学 25 倍加速,6.4 以 cuDSS 实现全物理场 GPU 加速,构成其物理 AI 路径。
执行摘要
COMSOL 是这份清单里最不像「平台公司」的一家:它不卖算力、不做芯片设计、不建 AI 工厂、也不追求把工厂或建筑装进孪生体。它只做一件事——多物理场耦合仿真,并且做了四十年。2026 年它迎来成立 40 周年,同时发布了 v2027 版本,核心是一个叫 COMSOL MCP Server 的东西:让外部 AI 智能体通过模型上下文协议(Model Context Protocol)直接创建、修改、运行与分析模型。
本报告的核心判断有五条。
第一,COMSOL 的智能体化成本是四家里最低的,原因在架构不在投入。 首席技术官 Ed Fontes 的解释是:COMSOL 的整个建模环境由一套统一的、面向对象的 API 控制,因此智能体可以通过单一接口跑完整个建模流程。这句话的技术含量比听起来高——许多 CAE 软件的历史包袱是 GUI 操作与脚本接口不一致,要把智能体接进去,得为每个功能补一条工具定义。COMSOL 的结构天然适合被智能体调用。
第二,它的规模小,但盈利质量极高。 公司未上市、不披露财报。行业媒体估算其收入约 2 亿美元、全球约 20 万用户,并称「接近一半的收入是纯利润」。这个利润率在软件行业属于极高水平,原因是它长期保持小团队(约 650 人)、直销为主、不烧钱做并购。
第三,技术演进是「加物理场 + 加求解器性能」的双线。 6.4 版本新增了结构显式动力学(冲击、爆炸、跌落)与颗粒流模块(基于离散元 DEM),并接入 NVIDIA cuDSS 直接稀疏求解器,官方口径是单物理场与多物理场仿真都有「数倍」加速。这两个方向——更极端的物理过程、更快的线性求解——是它四十年来一贯的路线。
第四,LLM 的定位在「辅助」,尚未走向「替代」。 6.4 版本把 Chatbot 窗口升级为可接 GPT-5、DeepSeek、Gemini 与自托管模型,并能直接检索 COMSOL 文档、附加模型树节点与图像作为上下文。这一步的关键不是模型能力,而是上下文质量:把当前模型作为上下文注入,比任何通用模型的知识都更贴近用户的真实问题。
第五,它的竞争位置是「技术深度换商业规模」。 按行业媒体估算,2026 年 Ansys(新思旗下)多物理场业务约 30 亿美元、西门子(含 Altair)约 16 亿美元、COMSOL 约 2 亿美元。COMSOL 在收入上不在同一量级,但在「多物理场耦合的技术纯度」上被同行视为标杆。
证据分级。 版本功能属一级(官方发布说明);收入、用户数、员工数属估算(无审计财报);「接近一半是纯利润」属媒体转述;「MCP Server 让智能体能跑全流程」属厂商声明,尚缺第三方复现。
公司概览
COMSOL AB 于 1986 年在瑞典斯德哥尔摩成立,创始人为 Svante Littmarck 与 Farhad Saeidi,公司至今保持私有,未上市、未接受外部风险投资。全球设有 16 个办公室,加上分销商网络覆盖主要市场;美国子公司 COMSOL, Inc. 位于马萨诸塞州伯灵顿。
规模数据有三个版本,差异来自时点与统计口径:第三方数据库给出 600 人(2026 年 7 月)与约 660 人(2026 年 8 月),公司自己在 40 周年博客里的表述是「超过 650 人」。三者并不矛盾,反映的是不同月份的编制。合理表述是「约 650 人」。
收入没有官方数字。行业媒体 PLM & ERP News 的估算是「约 2 亿美元」,并称「很少有 PLM 厂商能在盈利能力上与之相比——接近一半的收入是纯利润」。LeadIQ 之类的数据库给出「10 亿至 100 亿美元」的区间,这个区间宽到没有信息量,不应采用。
用户规模的口径是「全球约 20 万用户」,同样来自行业媒体估算,非官方披露。这个数字与 2 亿美元收入对照,意味着单用户年收入约 1,000 美元——考虑到 COMSOL 的定价(单模块年费通常在数千至数万美元),20 万更可能是「累计用户/学术用户」,不宜直接当作「付费席位」。
40 年与一次定位确认
2026 年是 COMSOL 成立 40 周年。公司在这一年做了两件事确认定位:一是举办首届 Simulation Summit(加州圣克拉拉,为期一天);二是把年度 COMSOL Conference 巡回继续铺开(2026 年在全球多地举行)。
40 周年的博客里有一句值得记:创始团队强调「所有东西都是员工自己建的」(our employees built everything),并说「我们需要每一个人」。这句话对应的是它的组织选择——不做大规模并购,靠内生研发扩产品线。这与 2026 年西门子买 Altair、新思买 Ansys、Cadence 买 Hexagon D&E 的路径形成鲜明对比。
三个常见误读
误读一:把 COMSOL 当成「小型 Ansys」。 两者的产品哲学不同。Ansys 是「多品牌求解器集合 + 平台整合」,COMSOL 是「单一代码基 + 模块化物理场」。COMSOL 的所有模块共享同一个核心(同一套 PDE 求解框架、同一个 GUI、同一个 API),这是它智能体化成本低的根本原因;Ansys 的模块来自不同收购,界面与脚本接口不统一。
误读二:把 2 亿美元收入当成「小公司」。 在 CAE 行业里,2 亿美元收入 + 近 50% 净利率的现金流质量,优于很多收入更高但利润率低的公司。它的约束不在钱,在扩张意愿。
误读三:把 Chatbot 当成 COMSOL 的 AI 战略。 Chatbot 只是表层。真正的战略动作是 MCP Server——把建模能力暴露成智能体可调用的工具。前者的用户是工程师,后者的用户是「工程师 + 工程师的智能体」。
技术分析
单一代码基:为什么这件事重要
COMSOL 的技术底座是一个统一的 PDE(偏微分方程)求解框架。所有物理场模块(电磁、结构、声学、流体、传热、化工)都不是独立程序,而是在同一框架下增加方程项、边界条件与材料模型。
这个架构带来三个直接后果。第一,多物理场耦合是原生的,不需要在软件之间传数据——用户可以在同一个模型树里同时求解电磁加热与热膨胀。第二,GUI 与 API 同构:模型树上的每一个设置都对应一个 API 调用,因此「录制代码」能生成与手工操作完全等价的脚本。第三,智能体接入的成本低:智能体只要理解这一套对象模型,就能操作全部功能。
第三点在 2026 年变成了核心竞争力。大量 CAE 厂商要把智能体接进去,需要为不同产品、不同版本分别做工具封装;COMSOL 只需要一套。
v2027 与 MCP Server:把建模环境变成工具
v2027 的核心是 COMSOL MCP Server。它的作用是让 AI 助手与智能体通过 Model Context Protocol 与 COMSOL Multiphysics 通信,用大语言模型创建、修改、运行与分析模型。
CTO Ed Fontes 的表述是:COMSOL 特别适合这件事,因为整个建模环境可以通过统一的、面向对象的 API 控制,因此智能体可以通过单一接口完成完整建模流程。
这段话说清了技术路径,但没回答三个关键问题:智能体在什么粒度上操作(是调用「求解这个模型」,还是能改网格、改边界条件)、错误如何回滚(模型改坏了能不能撤销)、精度谁负责(智能体生成的模型,验证责任在工程师还是在工具)。这三点决定 MCP Server 是「演示级」还是「生产级」。
v2027 同时提到 system-level modeling(系统级建模)、agentic AI workflows(智能体工作流)与新的 Electric Motor Module(电机模块)。系统级建模是 COMSOL 长期较弱的一环——与 Simulink、Amesim 相比,它的强项在三维场,弱项在系统级框图。这次补齐值得关注。
6.4:两个新物理场与一次求解器升级
结构显式动力学。 新增显式时间积分,用于冲击、爆炸、跌落测试等高速事件,并提供稳健的接触处理。这类问题的特点是时间尺度极短、非线性极强(材料失效、大变形、接触分离),隐式求解器难以收敛。显式动力学是 LS-DYNA、Abaqus/Explicit、Radioss 的传统地盘,COMSOL 进入这个领域,意味着它开始覆盖「瞬态、强非线性」的工况。
颗粒流模块(DEM)。 基于离散元方法,模拟输送、混合、增材制造中的颗粒与粉末系统。这补的是「散体物料」这一类物理过程,此前 COMSOL 主要处理连续介质。
NVIDIA cuDSS。 接入 CUDA 直接稀疏求解器,官方口径是单物理场与多物理场仿真都有数倍加速。6.4 Update 3 进一步把 CUDA Toolkit 升到 12.9.1 以充分发挥 Blackwell GPU 性能,并支持集群上的 cuDSS、以及基于梯度的优化使用 cuDSS。后两点很关键:优化与集群是工业级工作流的两个刚需。
代理模型导出。 6.4 支持导出深度神经网络(DNN)代理模型,并支持在集群上生成代理模型数据。这是物理 AI 的技术接口——用高保真仿真生成训练数据,训练代理模型,再把代理模型部署到设计流程里。
LLM 集成:上下文比模型更重要
6.4 的 Chatbot 窗口有三个可核查的升级:其一,能直接检索 COMSOL 文档并融合 API 知识,提高建模问答与代码生成的准确率;其二,能附加模型树节点、完整模型、文本文件与图像作为上下文;其三,除 OpenAI 与 Azure OpenAI,还支持 DeepSeek、Google Gemini 与自托管方案,并支持 GPT-5 系列。
第二点是真正的差异。把「当前打开的模型」作为上下文注入,等于让 LLM 看到用户的实际工况,并非泛泛回答「如何设置边界条件」。这让回答从「文档检索」升级为「针对这个模型的诊断」。
限制也很明确:Chatbot 只在 Windows 版本可用;模型能力取决于用户选择的 LLM 服务;对结果的正确性没有保证机制。
可信度分层
可核验: v2027 与 6.4 的功能清单;MCP Server 的存在与技术描述;cuDSS 的接入与版本;Chatbot 支持的模型与平台限制;新模块(颗粒流、电机)的定位。
部分可核验: 「数倍加速」(无公开基准);「智能体可通过单一接口跑完完整建模流程」(有 CTO 声明,无第三方复现);20 万用户(估算)。
不可核验: 收入与利润率(无审计财报);MCP Server 在生产环境的可靠性;代理模型导出的精度保持能力。
产品与商业化
COMSOL 的产品结构是「一个平台 + 一组模块 + 三个部署工具」。
平台是 COMSOL Multiphysics 本身,包含 Model Builder(建模)、Application Builder(做仿真 App)、Model Manager(模型与数据管理)。
模块按物理领域划分:电磁(AC/DC、RF、光学、等离子体)、结构力学、声学、流体流动、传热、化工、电化学,加上专业模块(电池、腐蚀、微流控、半导体等)。计价方式是「基础平台 + 按需加模块」,每个模块单独收费。
部署工具是 COMSOL Compiler(把 App 编译成独立可执行文件)与 COMSOL Server(在企业内网分发 App)。这两样是它区别于同类 CAE 厂商的地方——它允许客户把仿真能力「封装」成给非专家使用的 App。
这个能力在商业上有两层意义。对内,它把仿真从「专家工具」变成「组织能力」;对外,它让客户可以把仿真嵌入自己的产品与流程(例如设备厂商把仿真 App 交给终端客户做选型)。
销售模式。 直销为主,16 个办公室覆盖主要市场,其余靠分销。不做大规模渠道扩张,也不做激进的订阅转型——它的许可模式长期是「永久许可 + 维护费」与订阅并存。这解释了它为什么能保持近 50% 的净利率:没有高成本的客户获取与迁移。
定价不透明。 与所有 CAE 厂商一样,COMSOL 不公开单价。可以确认的是按模块计价、学术许可有显著折扣。
竞争格局
对 Ansys(新思旗下):技术路线之争。 Ansys 的优势是求解器品牌矩阵(Fluent、Mechanical、HFSS、Maxwell)与工业验证积累,加上并入新思后获得的 EDA 入口。COMSOL 的优势是原生多物理场耦合与统一的 API。在「多个物理场强耦合」的场景(如电热力耦合、流固耦合、电化学-热耦合),COMSOL 的用户体验通常被认为更连贯。
对西门子(含 Altair):规模与生态之争。 西门子有 Simcenter 的全线产品、自动化硬件与工厂数据,加上 Altair 的优化与离散元。COMSOL 在规模上无法竞争,但在「单一代码基的一致性」上有独特价值。
对 Cadence(含 MSC/BETA CAE):新进入者。 Cadence 2026 年通过 Hexagon D&E 拿到 Nastran 与 Adams,第一次进入结构与多体领域。它的优势是芯片客户与电子仿真,COMSOL 的优势是多物理场耦合的深度。两者在「电子系统的热-力-电耦合」上会正面相遇。
对 MathWorks:仿真与控制的边界。 MATLAB/Simulink 强在系统级与控制,COMSOL 强在三维场。两者的重叠区是「系统级 + 场级」的联合仿真,目前主要通过 FMI 等标准做耦合,尚未收敛到同一平台。
对 NVIDIA:工具链依赖,非竞争。 COMSOL 用 cuDSS 加速,用 cuDNN/CUDA 训练代理模型,但它不卖算力,也不构建世界模型。这层关系是纯粹的「上游供应商」。
对开源与云原生 CAE:价格与灵活性的压力。 开源求解器(OpenFOAM、FEniCS)与云原生平台(SimScale、Rescale)在价格与弹性上有优势,但多物理场耦合的完整度仍不及 COMSOL。
融资与资本结构
COMSOL 没有融资史:1986 年成立,私有至今,未上市,未接受风险投资。这在四十年里是一个刻意的选择——创始团队保持了完全的控制权,也因此可以按自己的节奏扩张。
财务特征(基于媒体估算,非审计数据): 收入约 2 亿美元;接近一半的收入为纯利润;员工约 650 人;人均收入约 300 万美元(本报告按 2 亿美元 / 650 人测算)。这个人均收入高于同业水平,反映的是高客单价 + 低渠道成本。
资本配置。 不做大额并购(对比西门子 106 亿美元买 Altair、新思 349 亿美元买 Ansys、Cadence 27 亿欧元买 Hexagon D&E),研发靠内生。这意味着它的产品线扩张慢,但整合风险为零。
风险特征。 私有公司的好处是不受季度指引约束,可以做长周期研发(MCP Server 这类基础设施不是一年能见效的)。缺点是缺少公开财务透明度,外部无法评估其真实盈利能力与增长。
估值口径提示。 由于无公开财报,任何「COMSOL 估值」都是推测。可以参照的锚点是:CAE 行业成熟公司的 EV/Sales 通常在 5 至 10 倍,若按 2 亿美元收入、40% 至 50% 净利率,其隐含估值在 10 亿至 20 亿美元区间。这只是本报告的粗算,不构成估值结论。
DISCREPANCIES
1. 员工数有三个版本。(来源等级:OFFICIAL vs DB)公司 40 周年博客表述为「超过 650 人」;第三方数据库分别给出 600 人(2026 年 7 月)与约 660 人(2026 年 8 月)。差异来自统计时点与是否计入分销商。本报告采用「约 650 人」。
2. 收入数字只有媒体估算,且数据库区间不可用。(来源等级:MEDIA vs DB)PLM & ERP News 估算约 2 亿美元;某数据库给出「10 亿至 100 亿美元」的区间,宽到没有信息量。公司未披露任何财务数据。本报告采用 2 亿美元并明确标注为估算。
3. 用户数 20 万缺少官方确认。(来源等级:MEDIA)该数字来自行业媒体,未说明是累计注册、学术用户还是付费席位。本报告按「约 20 万用户(估算)」处理,并提示与 2 亿美元收入的对照关系。
4. 版本命名体系在 2026 年发生变化。(来源等级:OFFICIAL)此前为 6.x 序列(6.4、6.4 Update 3),2026 年出现 v2027 的命名。两者并非同一序列的迭代,v2027 是新的年度命名。部分报道把 v2027 当作「6.4 的下一版」,容易造成混淆。
5. v2027 的交付状态存在两种表述。(来源等级:OFFICIAL vs MEDIA)官网首页显示「v2027 倒计时」并称「即将到来」,同时提供 v2027 新闻稿;行业媒体报道称公司「近期推出了 2027 平台」,CTO 在剑桥的发布活动上做了演示。本报告按「已发布、正在铺开」处理,并标注两种表述并存。
6. 「MCP Server 让智能体跑完整个建模流程」是厂商声明。(来源等级:OFFICIAL)该表述来自 CTO 访谈,没有第三方复现,也没有说明智能体在错误处理、回滚、精度责任上的机制。本报告保留声明并列出三个待验证问题。
7. 「在三大厂商中技术领先」是媒体定性。(来源等级:MEDIA)该说法出自行业媒体的评论文章,非任何评测机构的结论。本报告不采用该定性,只陈述可核查的能力差异。
风险与尽调缺口
规模约束是第一风险。 约 2 亿美元收入意味着研发投入的绝对额有限。在 AI 基础设施(算力、模型、数据)需要持续大额投入的年份,小体量公司要么选择聚焦(如 COMSOL 的四十年路线),要么被资本更厚的对手在生态上包围。
MCP Server 的生产可用性待验证。 智能体调用仿真工具的价值取决于三件事:工具定义的完备性、错误处理与回滚机制、结果的可验证性。COMSOL 目前只披露了「单一接口可跑完整流程」,没有披露工程细节。
代理模型的精度责任。 6.4 支持导出 DNN 代理模型,但代理模型在训练数据之外的失效是静默的。COMSOL 没有公开误差评估方法与适用边界,这在工程签核场景里是硬约束。
人才与地域集中。 约 650 人分布在 16 个办公室,核心研发在瑞典与美国。相比动辄数万人的对手,它对关键人物的依赖度更高。
不并购的代价。 不做并购意味着产品线只能靠内生扩张。系统级建模、优化、数据管理这些相邻领域,它都弱于通过并购快速补齐的对手。
尽调缺口清单(按重要性排序):
- 收入、利润率与增长率的真实数字(可通过其瑞典母公司年报或信用报告核实);
- 付费席位与学术用户的比例;
- MCP Server 的工具定义粒度、错误处理与回滚机制;
- DNN 代理模型导出的精度评估方法与适用边界;
- v2027 系统级建模的具体形态(是否支持 FMI/FMU 联合仿真);
- 新 Electric Motor Module 的客户采用情况;
- 中国区收入占比与本地化策略;
- 与 NVIDIA 合作的技术深度(是否仅为 cuDSS 调用)。
综合评分
techScore 8.0。 COMSOL 的多物理场耦合深度是行业标杆,单一代码基带来的 GUI/API 同构让它在智能体化上具备结构性优势,6.4 补齐了显式动力学与颗粒流两个重要缺口。扣分项是系统级建模长期偏弱、代理模型的精度责任机制不清。
bizScore 7.5。 约 2 亿美元收入、接近一半的净利率、稳定的直销体系,是极高质量的生意。扣分项是规模小、增长弹性有限、缺少并购带来的产品线扩张。
fundScore 8.0。 无外部融资、无债务压力、现金流自给,四十年保持私有与独立。扣分项是缺少公开财务透明度,外部难以验证。
productScore 8.0。 平台 + 模块 + Compiler/Server 的组合让仿真能力可以被封装与分发,这是同业少有的能力。扣分项是模块计价复杂、总拥有成本不透明。
marketScore 7.0。 在多物理场细分市场是技术标杆,用户基础稳固。扣分项是收入规模只有 Ansys 多物理场业务的十五分之一左右,且在系统级与 EDA 入口上处于劣势。
参考资料
- COMSOL Multiphysics 6.4 发布亮点(官方):结构显式动力学(冲击/爆炸/跌落、稳健接触)、颗粒流模块(基于 DEM)、NVIDIA cuDSS 直接稀疏求解器(单物理场与多物理场数倍加速)、自动外围域创建、四边形主导网格与扫掠网格改进、空间变化透明度、基于阵列的结果布局
- 同上:LLM 辅助仿真;Chatbot 窗口支持 GPT-5、DeepSeek、Google Gemini 与 OpenAI API 兼容的自托管方案;可直接检索 COMSOL 文档并融合 API 知识;可附加模型树节点、完整模型、文本文件与图像作为上下文;仅 Windows 版可用
- 同上:DNN 代理模型导出、集群上的代理模型数据生成、Model Manager 数据库支持批处理与集群研究、时变与参数化研究的新优化选项、频域与时域不确定性量化
- COMSOL 6.4 Update 3 发布说明:CUDA Toolkit 升级至 12.9.1 以发挥 Blackwell GPU 性能、cuDSS 集群支持(Cluster Computing 与 Cluster Sweep)、cuDSS 下 CPU 端矩阵分解性能改进、梯度优化支持 cuDSS、默认行预排序(matching)、BDF 时间步内部处理改善 FSI 稳定性
- COMSOL 官网首页:v2027 倒计时与发布新闻稿入口;v2027 将包含 system-level modeling、agentic AI workflows、新的 Electric Motor Module;公司与产品套件(Multiphysics、Compiler、Server);成立 1986 年、16 个办公室、700+ 员工(官网 Quick Facts 表述)
- COMSOL 博客《Celebrating 40 Years of Multiphysics Simulation》:1986 年由 Svante Littmarck 与 Farhad Saeidi 在斯德哥尔摩创立;16 个办公室;「超过 650 人」;2026 年首届 Simulation Summit(加州圣克拉拉);COMSOL Conference 2026 全球巡回
- PLM & ERP News 报道《COMSOL Takes the Technical Lead Among the Big Three in Multiphysics Simulation》:CTO Ed Fontes 关于 MCP Server 与统一面向对象 API 的表述;2026 年 Ansys 多物理场业务约 30 亿美元、西门子约 16 亿美元(含 Altair 并表)、COMSOL 约 2 亿美元(均为该媒体估算);全球约 20 万用户;「接近一半收入为纯利润」
- 第三方数据库记录:COMSOL 员工约 600 人(2026 年 7 月)与约 660 人(2026 年 8 月),以及不可用的收入区间估算(见 DISCREPANCIES 第 2 条)
- COMSOL 产品结构:COMSOL Multiphysics(Model Builder/Application Builder/Model Manager)、按物理领域划分的附加模块、COMSOL Compiler 与 COMSOL Server 的 App 部署能力
- 行业媒体对 COMSOL v2027 发布活动的记录:CTO 在剑桥的发布活动演示、v2027 被描述为「近期推出」,与本报告 DISCREPANCIES 第 5 条相关
- 竞品规模参照(媒体估算):Ansys/新思 2026 年多物理场业务约 30 亿美元、西门子含 Altair 约 16 亿美元,用于说明 COMSOL 的相对体量
- COMSOL 40 周年创始团队表述:「所有东西都是员工自己建的」「我们需要每一个人」,对应其不做大规模并购、靠内生研发扩张的组织选择
本报告基于公开信息整理,仅供参考,不构成任何投资建议。数据截至 2026 年 10 月 25 日,请以公司公告与定期报告为准。
相关论文
相关案例
相关报告66
- 五一视界深度调研:港股上市的数字孪生公司,51Sim 已是第一增长引擎而 51Earth 近乎归零,两套完全不同的融资轮次命名口径必须并存
- AMI Labs 深度调研:10.3 亿美元种子的世界模型豪赌,LeCun 的非生成式路线与它的空白成绩单
- 安世亚太 PERA 深度调研:2003 北京创立的国产 CAE 龙头,PERA SIM 通用仿真 + AIROM 降阶 + AgentX 多智能体 + 精智 iGPT/Whale,从工业仿真跨越到物理 AI
- AspenTech 深度调研:被 Emerson 全资收购的过程仿真巨头与其工业 AI 混合建模路线
- Autodesk 深度调研:以 Neural CAD 基础模型与 2 亿美元 World Labs 押注物理世界 AI,NAVASTO 补齐 CFD 代理能力
- Bentley Systems 深度调研:以 iTwin 数字孪生与生成式 AI 赋能基础设施全生命周期工程
- BeyondMath 深度调研:神经算子路线的基础物理 AI,$19M 联盟预算、1000 倍加速与三个被误读的事实
- Cadence 深度调研:以 EDA 系统级多物理场与 Millennium M2000 超算切入物理 AI,AuraStack 智能体与 Fidelity GPU CFD 成关键抓手
- Dassault Systèmes 深度调研:以 3DEXPERIENCE 与 SIMULIA 虚拟孪生物理行为切入工业 AI,LEO 虚拟助手与 GPU 显式动力学成物理 AI 支点
- 深势科技深度调研:从戈登贝尔奖到国家级独角兽与港股门前,AI for Science 龙头的技术兑现与商业化空白
- Emmi AI 深度调研:17 个月从林茨 spin-out 到 3.3 亿欧元被 Mistral 收购,AB-UPT 拿下 CFD 代理模型 SOTA
- Fainite 深度调研:苏黎世物理 AI 仿真初创,Caltech/ETH/剑桥/谷歌背景团队用物理感知深度学习把仿真从数十小时压到秒级,仅获 Venture Kick 资助、尚无定价轮次
- 飞捷科思深度调研:PhysX 奠基人的二次创业,国产可微分物理引擎与它的生态打法
- 凡拓数创(301313)深度调研:从数字展馆到物理 AI 数据基座的战略跃迁,FTE 引擎与 FunSim 仿真平台的卡位成色及收入兑现节奏
- Godela 深度调研:YC X25 物理 AI 仿真初创,前苹果/谷歌/英特尔团队用物理约束代理模型把仿真从数天压到秒级,仅 seed 轮、试商用 pilot 制
- 霍莱沃(688682)深度调研:以 RDSim AI 电磁仿真与工业智能体贯通「仿真-测量-产品」闭环
- 阿尔特 IAT 深度调研:A 股首家独立汽车设计公司全线转向 AI 研发,圆方/御风/太乙 3.0 产品体系落地并携手英伟达 Omniverse,2025 年营收 9.75 亿元、归母亏损扩大至 2.50 亿元
- Inductiva 深度调研:一个已停运的开源求解器编排样本,八处必须纠正的前提,以及联合创始人 CTO 的停运后去向
- 英特仿真(INTESIM)深度调研:2009 年成立的国产 CAE 龙头之一,自研结构/流体/电磁/热/声学求解器与多物理场耦合平台,完成中网投、深创投亿元 B 轮,2025 年营收签单双过亿
- 软通动力(301236)深度调研:依托软通天枢打造 L1/L2/L3 三层全栈物理 AI 架构,自研 TwinHub 数字孪生、FSim 工业仿真、CAE 多物理场与 Phyxis 具身控制
- Jua 深度调研:以地球物理基础模型 EPT 服务能源交易与电网决策
- Keysight(含 ESI Group)深度调研:以虚拟样机与混合 AI 连接测量与仿真,EDA 引入自然语言助手
- 光轮智能深度调研:前英伟达仿真负责人创办的物理 AI 数据与评测基础设施商,七轮融资约 26.5 亿元估值超 20 亿美元,同时进入 Newton 与 EgoVerse 两大国际标准委员会,订单口径存在 5.5 亿元人民币与 1 亿美元两套说法
- Luminary Cloud 深度调研:NVentures 押注的「物理 AI 模型工厂」,用 SHIFT 模型与 GPU 原生求解器改写 CAE 云化路径
- MathWorks 深度调研:以 MATLAB/Simulink 与 Simscape 多物理场支撑物理 AI,R2026a 推出 Copilot 与 Agentic Toolkit 布局端侧智能
- 觅蜂科技 Maniformer 深度调研:智元机器人孵化的物理 AI 数据基础设施,MEgo 无本体采集硬件量产,半年三轮融资中国电信领投
- Mistral AI 深度调研:30 亿欧元欧洲最大融资背后,Physics AI 如何从语言模型走到 EUV 光刻与核电站
- Monolith AI 深度调研:不加速仿真,而是砍掉物理试验次数的英国工程 AI,被 CoreWeave 收入囊中
- Monumo 深度调研:剑桥深科技电机 AI 设计公司,Anser 引擎日千万级多物理场仿真,累计融资 1050 万英镑,A 轮正在募资中
- NAVASTO 深度调研:把求解器的洞察左移到设计师工作台,Autodesk 用一次收购买下这个入口
- Navier 深度调研:把 CFD 工作流交给智能体,旧金山硬件工程 AI 的种子期豪赌
- Neural Concept 深度调研:EPFL 出身的工程 AI,用 1.38 亿美元融资押注「代理模型能否替代部分求解器」
- NP Co.(NP Company)深度调研:2025 年成立的巴黎 Inria 孵化 AI 原生仿真初创,€6M 天使前轮由 Partech 领投、Mistral 联合创始人参投,宣称预训练物理基础模型实现 1000x 加速,多项宣称待验证
- NVIDIA 深度调研:以 PhysicsNeMo、Warp、Cosmos 世界基础模型与 Omniverse 构建物理 AI 全栈基础设施
- Physical Intelligence 深度调研:31 亿美元级融资押注「机器人的 GPT 时刻」,π0.7 自陈未见任务成功率仅 60–80%,Pi API 定价与收入双双未披露
- Physical Superintelligence 深度调研:58 亿美元级种子轮押注「虚拟物理学家」,Emmy 平台把 AI 数据中心多物理优化当作首个商业化证明
- PhysicsX 深度调研:把几何与物理都压进一个预训练模型的三亿美元级工业 AI 赌注
- Prometheus 深度调研:410 亿美元估值、182 亿美元融资,却还没有一个产品
- PTC 深度调研:以 Creo/Onshape 与 ThingWorx 数字主线支撑物理 AI,借 NVIDIA Isaac Sim 打通机器人设计到仿真
- 千诀科技(北京千诀科技有限公司)深度调研:预测式世界模型 Polibrain、类脑分区架构与多项式表征,一个「不造本体」的具身大脑如何接入十万台清洁与服务机器人
- Quanscient 深度调研:云原生与量子赋能的多物理场仿真,AI-Native 硬件工程的数据引擎
- Rescale 深度调研:云上的 HPC 操作系统与桌面工程工作台,1.15 亿美元 D 轮与五处被误读的事实
- Schrödinger 深度调研:以 FEP+ 物理模拟与机器学习支撑分子发现,2026 年推出 Bunsen 智能体共同科学家
- Secondmind 深度调研:剑桥工程 AI 公司,贝叶斯主动学习把 CAE 仿真与台架试验减少最高 90%,累计融资约 7300 万美元,马自达兼具客户与投资人身份
- 适创科技深度调研:以 SupreCAST 云原生材料加工仿真与工业智能体,推进 CAE+AI 战略
- 舜云科技深度调研:以粒子法 shonDy 切入新能源与核能流体多物理场仿真
- 数智脉进深度调研:深圳 SNN+LBM 全栈自研 CFD 初创,宣称消费级硬件秒级出数亿网格结果,获财政部下属基金数千万天使轮,规划迁核心算法至 FPGA
- Siemens(含 Altair)深度调研:2025 完成 Altair 收购,Simcenter 与 Altair 仿真组合并,PhysicsAI 几何深度学习与 PhysicsAI Generate 成物理 AI 核心
- Silurian 深度调研:以生成式预报 Transformer 构建地球系统基础模型,面向能源与基建资产的天气风险
- SimScale 深度调研:把 CAE 许可证变成按核时订阅的云端仿真平台,5200 万欧元股权与 2500 万欧元债务必须分开算,以及五处被误读的事实
- Skild AI 深度调研:CMU 机器人研究所孵化的通用机器人基础模型,1.4 亿美元 C 轮对应 140 亿美元估值,但 B 轮规模存在 1.35 亿与 5 亿的口径冲突
- 松应科技深度调研:华为云系团队创办的国产物理 AI 操作系统商,ORCA OS 宣称对标英伟达 Omniverse,融资轮次在三套口径下各不相同,风语筑 2000 万元少数股权投资是可核验的第三方锚点
- 苏度科技(上海苏度科技有限公司)深度调研:零真机数据的仿真训练路线、Sudo R1 全栈自研与「原子能力」商业化,一家成立 17 个月估值超 200 亿元的具身智能新独角兽
- 索辰科技深度调研:从 CAE 工具商到物理 AI 平台商的转型阵痛
- Synopsys(Ansys)深度调研:2025 完成收购 Ansys,从 EDA 龙头跃升为「硅到系统」工程解决方案领导者,Ansys SimAI 与 NVIDIA 物理 AI 合作为核心抓手
- 十沣科技深度调研:院士领衔的国产工业仿真软件,官方时间线与数据库口径的轮次命名完全不同,官方融资 PDF 与投资数据库同时存在且不可合并
- 天洑软件深度调研:2011 年成立的国产智能 CAE 老兵,C 轮数亿元,2024 起主打「工业世界模型」,融资口径与估值多处不可调和,营收从未披露
- 同元软控深度调研:以 MWORKS(Syslab/Sysplorer)对标 MATLAB/Simulink,借 MWORKS AI 与 MOGICK 工程智能体推进国产物理 AI
- Vinci AI 深度调研:把物理仿真从「检查点」变成「连续约束」的半导体新变量
- 西湖机器人深度调研:西湖大学首个机器人成果转化项目,以 WR1 全身通用基座与 GAE 行为专家大模型构成大小脑双预训练架构,半年四轮融资约 5 亿元
- World Labs 深度调研:李飞飞的空间智能独角兽,被 AMD 以 82 亿美元收编
- 深圳元象信息科技(元象科技 XVERSE)深度调研:认知与感知双轮驱动的仿真世界路径,XVERSE 大模型、端云协同 3D 引擎与物理驱动动作生成模型 MotionGen
- 云道智能深度调研:从自主求解器到物理 AI 引擎,国产 CAE 的登顶者与它的未竟之战
- 云境智仿深度调研:北大孵化的云原生 GPU CAE 公司,Simversus 平台加 YJ-DORGP 小样本智能求解器,2025 年自述订单增 275%、营收增 160% 并达盈亏平衡
- 中科第五纪(杭州)深度调研:中科院自动化所与清华联创的具身基础模型公司,FAM 动作光流跨本体通用、3–5 条示范达 97% 成功率,纪元灵脑+纪灵机器人服务中石化/零跑/美的
- 中望软件(688083)深度调研:自主 Overdrive 内核与中望3D悟空 2027 撑起 CAD/CAE/CAM 一体化,CAx 智能体平台是通往工程 AI 的现实路径
本报告基于公开信息整理,仅供参考,不构成任何投资建议。数据截至报告发布日,请以公司公告与定期报告为准。