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
上海物理智能公司,创始人为 PhysX 引擎奠基人张立华;自研 Fysics 可微分引擎 + OmniFysics 基模 + MoziSim 平台,2026-08 完成 A1 轮;2026-09 开源三件套,10 月发布 UniWAM。
执行摘要
飞捷科思(Fysics AI,飞捷科思智能科技(上海)有限公司)是 2025 年落地上海徐汇的物理智能公司,创始人为复旦大学张立华教授。张立华的履历是这家公司最硬的技术背书:2003 年他在美国 Ageia 公司主持研发了第一代 PhysX 物理仿真引擎,并参与设计世界第一颗物理仿真加速芯片 PPU;PhysX 被英伟达收购后,他又主导了引擎向 GPU 的迁移优化。
公司的产品体系由五块构成:可微分物理仿真引擎 Fysics、具身智能仿真训练平台 MoziSim、物理 AI 全模态基础模型 OmniFysics、物理世界模型 Fysiverse、全链路物理 AI 数据解决方案 FysiData。2026 年 3 月 27 日,公司在上海举办「从仿真到现实—开启物理 AI 新时代」发布会,正式发布 Fysics,并同步推出覆盖物理仿真平台、基础模型、评测基准在内的全栈物理 AI 技术基座体系。
融资节奏非常密集。2026 年 1 月完成近亿元 Pre-A1 轮(经纬创投与东方富海联合领投,沐曦股份、驰星创投等联合投资);2026 年 2 月完成 Pre-A2 轮(鼎峰科创领投,硅港资本、泰有基金、溢倡资本跟投,老股东东方富海、驰星资本加码);2026 年 5 月完成 Pre-A3 轮,Pre-A 轮正式收官;2026 年 8 月完成 A1 轮数亿元融资(泰达科投、海松资本、复旦科创共同领投,毅达资本、优势资本、踊跃资本、汇融基金、财鑫资本、湘江国投新增,云启资本、硅港资本、中赢创投、常垒创投追加)。
技术与生态侧的进展包括:2025 年 12 月与复旦大学认知与智能技术实验室(CITLab)联合推出 FysicsWorld,公司称其为全球首个面向真实物理世界的统一全模态评测基准;2026 年 2 月发布 OmniFysics,公司称其为全球首个「懂物理定律」的全模态物理 AI 基础模型,参数量仅 3B;2026 年 6 月发布 Fysiverse,实现从「视觉生成」到「物理推演」的跨越;2026 年 WAIC 期间牵头组建国内首个物理智能创新联合体(CPii),联合复旦、哈工大、沐曦、拓斯达、博雷顿、中国软件评测中心等 32 家单位。
2026 年下半年开源与发布节奏明显加快。9 月 24 日公司集中开源三件套:面向三维世界构建的 Fysiverse-3D 系列、OmniFysics「双子星」(全模态视频描述模型 OmniFysics-Captioner 与 4B 参数的 OmniFysics-Nano-V2,公司称两者合计在国际权威评测基准上取得 24 项世界第一,其中 Captioner 7 项、Nano-V2 17 项),以及公司称全球首个面向全模态世界感知与物理状态推理的评测基准 FysicsReason(以世界状态变量 WSV 显式拆分感知与推理)。10 月 31 日至 11 月 1 日,公司联合复旦大学 CITLab 发布统一世界动作模型 Fysiverse-UniWAM,把导航、移动操作与固定工位操作放进同一个模型,并开放架构、训练与推理代码、导航权重与数据集。
物理 AI 视角下,飞捷科思的定位是「物理 AI 的基础设施公司」。张立华明确表示公司不是「模型公司」,而是卖「让别人能在上面盖房子的地基」——引擎、平台、标准、生态。这个定位的关键判断是:物理 AI 的竞争已经从「谁的模型参数大」变成「谁能把一整条生态协同好」,而竞争要素会像早期自动驾驶一样,从算法转向数据闭环、工程体系与基础设施。
需要提前说明判断:这是一家「团队履历顶级、融资节奏极快、产品矩阵铺得很开」的公司。它的优势是张立华的 PhysX 背景(全球应用最广的物理引擎)、可微分引擎的技术路线(与主流物理引擎的差异)、以及密集的产业合作(拓斯达、博雷顿、沐曦);它的短板是产品验证缺失(五款产品均在早期)、收入未披露、以及「全球首个」「国内首个」这类表述的可核验性。
公司概览
团队与创始人
张立华的技术履历是公司的核心资产。2003 年在 Ageia 主持研发第一代 PhysX 引擎,参与设计 PPU(物理仿真加速芯片);PhysX 被英伟达收购后主导 GPU 迁移优化。这段经历给他两样东西:一是对物理引擎底层(碰撞检测、刚体求解、约束求解)的深刻理解,二是对「物理引擎如何随硬件演进」的判断力。
他现在是复旦大学教授,2025 年 5 月在《人民日报》发表署名文章《机器人为什么要「更像人」?》。公司核心成员来自清北复交等高校,覆盖物理仿真、具身智能、多模态大模型。
从上海重大项目到徐汇链主
2025 年 7 月,公司在世界人工智能大会上作为上海市重大项目签约,正式落户徐汇区;现在它是徐汇区物理智能产业链的链主企业。这个身份的含义是:它不只是拿政策支持,还要承担产业链组织者的角色(联合体、标准、场景开放)。
2025 年 4 月,基于 Fysics 引擎的具身智能仿真平台启动。2026 年 WAIC 期间,公司牵头成立物理智能创新联合体(CPii),32 家单位参与,包括复旦大学、哈尔滨工业大学、沐曦、拓斯达、博雷顿、中国软件评测中心。
技术分析
可微分物理引擎的技术含义
「可微分物理引擎」是飞捷科思最核心的技术主张,值得解释清楚。
传统物理引擎(如 PhysX、Bullet、MuJoCo)的计算流程是「前向」的:给定物体状态与受力,算出下一步的状态。这个流程对仿真够用,但对「优化」不够用——如果要调整参数让机器人完成某个动作,需要知道「参数变化如何影响结果」,也就是梯度。
可微分物理引擎把整个仿真流程做成可微的:从状态到结果的每一步都可求导,因此可以直接用梯度下降优化控制参数、材料参数、结构参数。这在机器人领域有明确价值——策略学习(强化学习)可以用梯度替代采样,效率高几个数量级;sim-to-real 的域随机化可以用梯度搜索参数空间。
可微分仿真的难点在三个地方。第一,接触与碰撞的非光滑性(接触力在「接触/分离」之间跳变),梯度不连续,需要特殊的处理(如松弛、平滑近似)。第二,长时序的梯度爆炸/消失(rollout 越长,反向传播越不稳定)。第三,性能开销(保存中间状态用于反向传播,内存占用大)。
公司称 Fysics 是「中国首个全可微分物理仿真引擎」。这个「首个」的可核验性有限(取决于「全可微分」的定义),但方向上与国际前沿(如 NVIDIA Warp、DiffTaichi、Brax)一致。
OmniFysics:3B 参数的物理基础模型
OmniFysics 被描述为「全球首个懂物理定律的全模态物理 AI 基础模型,参数量仅 3B」。两个关键词需要拆开。
「全模态」意味着模型能处理多种输入(视觉、语言、传感器、动作),并在统一表示空间里推理。「懂物理定律」意味着模型的预测遵守物理约束(守恒、因果、接触规律),而不只是拟合视觉数据。
3B 参数是一个有意思的选择。对比语言模型(数百亿到数万亿参数),3B 很小;但物理模型不需要记住语言知识,它需要的是对物理规律的高效表示。3B 的规模适合端侧或边缘部署(机器人本体、工作站),这是工程上的合理选择。
但「懂物理定律」是一个强宣称。物理约束可以通过三种方式引入:损失函数(soft constraint)、网络结构(hard constraint,如等变网络)、或后处理校正。三种方式的效果差异很大,公司未披露具体方案。
Fysiverse:从视觉生成到物理推演
Fysiverse 是 2026 年 6 月发布的物理世界模型,公司称其实现「从视觉生成到物理推演的飞跃」。
这个表述指向一个关键区别:视觉生成模型(如视频生成)学的是「看起来像」,物理推演模型学的是「会发生什么」。前者可以生成逼真的视频但物理上错误(物体穿模、重力方向错、碰撞不守恒),后者要求预测符合物理规律。
这个方向与 World Labs、AMI Labs 是同一赛道(世界模型),但飞捷科思的差异化是「从引擎出发」——它先有可微分物理引擎(保证物理正确),再加生成能力;而 World Labs 是「从生成出发」,先有三维生成能力,再补物理。
两条路径的优劣:引擎出发的物理正确性更强,但场景多样性与视觉质量可能不如生成模型;生成出发的视觉质量更好,但物理一致性需要额外保证。
Fysiverse-UniWAM:统一世界动作模型
2026 年 10 月 31 日至 11 月 1 日,公司与复旦大学 CITLab 联合发布 Fysiverse-UniWAM,目标是把「走到哪里」「停在哪里」「接下来怎么动手」放进同一个模型。
设计上有两处要点。第一是操作锚定位姿(Manipulation Anchor Pose,MAP):用底盘在地面上的二维位置与朝向,描述开始操作前机器人应到达的姿态;配套的自动化数据流程依据三维场景、目标位置与可通行区域生成参考停靠位姿与接近轨迹,MAP-Data 规模超过 150 万条轨迹、约 7500 小时。第二是 Mixed-Stream 双流架构:导航流与操作流保留各自的视觉输入、动作编码器与输出头,共享视频与动作骨干,两类样本独立采样后合并训练,既避免把两类动作塞进同一动作向量带来的接口冲突,也减少分别训练两个策略时的交接误差。
评测口径需要分开看。MAP-Bench 上,UniWAM-Scaled 的平均位置误差为 9.85 cm、平均朝向误差为 2.30°(公司称较最强外部基线分别降低 30.1% 与 44.0%);真机侧覆盖 4 类机器人平台、24 项任务,其中 13 项 MAP 导航任务的位置误差全部领先,4 项移动操作任务的成功率全部第一、平均成功率 80.0%,7 项固定工位操作的整体成功率为 68.9%,与基线 π0.5 相差 2.5 个百分点。另有一组零样本迁移结果:仅用 MAP-Data 训练、未使用任何真实机器人数据的 UniWAM-Sim 在真机上取得 18.7 cm 的位置误差与 6.34° 的朝向误差,其数值明显高于基准集上的 9.85 cm,两组数字的数据来源与测试条件不同,不宜合并为同一误差水平。已开放的内容包括混合流模型架构、训练与推理代码、UniWAM-Base 与 Scaled 导航权重、MAP-Bench 数据与评测轨迹,技术报告见 arXiv:2609.39388。
FysicsWorld:评测基准的价值
FysicsWorld 是 2025 年 12 月与复旦 CITLab 联合推出的「全球首个面向真实物理世界的统一全模态评测基准」。
评测基准在 AI 领域的价值常被低估。一个领域的成熟度,很大程度上取决于「有没有公认的评测标准」——有了标准,不同方法才能比较,进步才能被度量。物理 AI 目前缺少公认基准(各家用自己的测试集),FysicsWorld 如果被社区接受,会成为公司的重要资产(标准制定者的话语权)。
但基准的采纳需要时间与社区共识,一家公司主导的基准能否成为行业标准,取决于它的开放性(是否开源、是否允许多方提交、评测是否透明)。
技术短板
第一,五款产品的成熟度。Fysics、MoziSim、OmniFysics、Fysiverse、FysiData 都在早期,公开的技术指标(求解精度、速度、模型性能)几乎没有。
第二,可微分仿真的工程难题。接触非光滑、长时序梯度、内存开销三个问题在学术上有方案,但在工业级复杂场景(多物体、多材质、大场景)上的稳定性未见验证。
第三,3B 模型的物理能力边界。小参数模型在物理推理上的泛化能力(新场景、新材质、新任务)需要证据。
第四,「首个」表述的核验。多个「全球首个」「国内首个」缺乏第三方确认。
产品与商业化
产品分工
Fysics 是引擎层(可微分物理仿真),MoziSim 是平台层(具身智能仿真训练),OmniFysics 是模型层(全模态物理基础模型),Fysiverse 是世界模型层(物理推演),FysiData 是数据层(全链路数据解决方案)。
这个五层结构覆盖了「引擎—平台—模型—世界模型—数据」的完整链条,逻辑上是自洽的:引擎保证物理正确,平台提供训练环境,模型提供推理能力,世界模型提供预测,数据提供燃料。
2026 年 9 月 24 日起,公司把部分能力以开源形式补进这条链条:Fysiverse-3D(面向三维世界构建,由可验证空间文生图 SpatialGuard、统一空间推理模型 Fysiverse-3D-Vision 与仿真就绪框架 Fysiverse-3D-SimReady 组成)、OmniFysics「双子星」(Captioner 负责描述物理过程,Nano-V2 负责理解物理规律),以及评测基准 FysicsReason。
2026 年 10 月 31 日至 11 月 1 日与复旦 CITLab 联合发布的 Fysiverse-UniWAM,则在这套分层之外补上了「执行层」:它把导航、移动操作与固定工位操作统一到一个世界动作模型,关键设计是操作锚定位姿 MAP 与 Mixed-Stream 双流。
产品计数需要说明口径:本报告其余部分仍按 2026 年 3 月发布会时点的「五款产品」叙述,而这两次开源与发布之后,可独立计点的模块已多于五个,两个数字对应不同时点,不构成同一份产品清单。
商业化路径
公司列的四大核心赛道是:工业机器人、人形具身智能、无人矿山工程机械、自动驾驶仿真。这四个场景的共同点是「物理交互密集、真实数据采集成本高、仿真价值大」。
A1 轮资金的三个投向也说明了商业化路径:底层技术迭代(引擎求解性能、刚体/柔体/流体/颗粒多相耦合)、产品与行业方案落地(MoziSim 企业版商业化交付、四大场景标准化方案)、生态与团队扩充。
六项产业合作
WAIC 期间落地的六项合作值得记录,因为它们展示了商业化的具体形态:与拓斯达共建工业产线物理数字孪生方案;与博雷顿打造零碳矿山高危工况仿真系统;联合沐曦推出全国产化 FysiStation 物理 AI 训练工作站;联合评测机构搭建仿真测试场;落地数据采集闭环方案;产教融合实验室。
这六项合作的性质不同:拓斯达与博雷顿是行业客户(场景落地),沐曦是算力伙伴(国产化适配),评测机构是标准伙伴,产教融合是人才。这个组合说明公司在同时做「技术—场景—算力—标准—人才」五件事。
商业模式与定价
商业模式可能是「引擎授权 + 平台订阅 + 项目交付」的混合:引擎授权给机器人公司与仿真软件商,平台订阅给研发团队,项目交付给行业客户。
定价未披露。物理引擎的授权模式在行业里有先例(PhysX 曾是免费 SDK + 硬件加速卡,Havok 是商业授权),可微分引擎的定价可能按「调用量」或「席位」计费。
竞争格局
物理引擎的对手
传统物理引擎:NVIDIA PhysX(游戏与机器人)、MuJoCo(机器人强化学习的事实标准)、Bullet(开源)、Havok(商业)。可微分引擎:NVIDIA Warp(GPU 可微分仿真)、DiffTaichi(MIT 的可微分编程语言)、Brax(Google 的 JAX 物理引擎)、Genesis(2024 年开源)。
飞捷科思的差异化是「国产化 + 全栈」:在国产替代的语境下,一个自主可控的可微分引擎有政策价值;全栈(引擎+平台+模型+数据)则提供了「一站式」的便利。
世界模型的对手
Fysiverse 面对的是 World Labs(Marble/Atlas)、AMI Labs(JEPA)、以及大厂的世界模型研究。飞捷科思的差异化是「物理正确性优先」(从引擎出发),劣势是团队规模与资金(World Labs 被 AMD 以 82 亿美元收购,AMI Labs 种子轮 10.3 亿美元)。
具身智能仿真平台的对手
MoziSim 面对的是 NVIDIA Isaac Sim(生态最成熟)、MuJoCo、Genesis、以及国内的同类平台。Isaac Sim 的优势是生态(资产库、传感器模型、与 Omniverse 的集成),MoziSim 的差异化是「国产化 + 可微分引擎 + 与国产生态(沐曦)的适配」。
评测基准的话语权
FysicsWorld 如果被接受,会成为公司的软实力。但基准的竞争也很激烈(各家都在推自己的基准),最终胜出的通常是「最开放、最被社区信任」的那个。
融资与资本结构
融资节奏
2026 年一年内完成 Pre-A1(近亿元)、Pre-A2、Pre-A3、A1(数亿元)四轮,节奏极快。这个节奏说明两点:一是投资人(尤其产业资本与地方基金)对物理 AI 的热情高;二是公司需要快速扩张(团队、产品、生态),资金需求大。
投资人结构的特点:市场化 VC(经纬、东方富海、鼎峰、云启、海松、毅达)+ 产业资本(沐曦、拓斯达相关?)+ 地方与高校基金(复旦科创、泰达科投、湘江国投)+ 专业基金(泰有、溢倡、财鑫)。复旦科创的参与与张立华的复旦背景直接相关。
估值与资金用途
估值未披露。按 A1 轮「数亿元」与四轮融资节奏推算,累计融资在数亿元至十亿元区间,估值可能在数十亿元量级。
资金用途三方向:底层技术迭代、产品与行业方案落地、生态与团队扩充。
DISCREPANCIES
1. 成立时间与落地时间。 公司落地上海徐汇是 2025 年 7 月(WAIC 签约),但公司实际注册时间可能更早。部分资料以「2025 年成立」表述。本报告采用「2025 年落地上海」的表述,不推断注册时间。来源等级:OFFICIAL(签约事实)与缺失(注册信息)。
2. 融资轮次的密集程度。 一年内完成 Pre-A1、Pre-A2、Pre-A3、A1 四轮,部分媒体简化为「A 轮」或「A1 轮」。本报告按官方里程碑列出四轮。来源等级:OFFICIAL(公司里程碑页)。
3. A1 轮金额的「数亿元」。 公司表述为「数亿元」,未给精确数字;部分媒体写「近亿元」或「数千万美元」。本报告采用「数亿元」并标注不精确。来源等级:OFFICIAL(公司表述)。
4. 「全球首个」「国内首个」的密集使用。 公司对 OmniFysics(全球首个全模态物理 AI 基础模型)、Fysics(中国首个全可微分物理仿真引擎)、FysicsWorld(全球首个面向真实物理世界的统一全模态评测基准)、CPii(国内首个物理智能创新联合体)均使用「首个」。这些表述依赖定义边界,无法独立核验。本报告保留并标注为公司口径。来源等级:公司营销表述(UNVERIFIED)。
5. OmniFysics 的参数量与能力。 公司称 3B 参数实现「物理感知与推理的创新性突破」,但未披露评测结果(在什么基准上、超过谁、超过多少)。本报告标注为「参数与定位披露,性能未披露」。来源等级:OFFICIAL(参数)与缺失(性能)。
6. 可微分引擎的「全可微」定义。 「全可微分」可能指「整个仿真流程可微」或「支持所有物理类型的微分」。两种定义的技术含量不同。本报告采用「仿真流程可微」的解读。来源等级:OFFICIAL(表述)与推断。
7. 团队「PhysX 核心奠基人」的表述。 公司称张立华为「英伟达 PhysX 物理仿真引擎核心奠基人」。严格说,PhysX 起源于 Ageia(2003 年),英伟达是 2008 年收购后才拥有它;张立华的角色是 Ageia 时期的研发主持者。本报告采用「Ageia 时期主持研发第一代 PhysX」的准确表述。来源等级:公开履历(MEDIA)与公司表述的校正。
8. 联合体 32 家单位的构成。 公司称联合体汇集 32 家产学研用资单位,含复旦、哈工大、沐曦、拓斯达、博雷顿、中国软件评测中心等。完整名单未公开,参与的深度(是否出资、是否共建项目)不明。本报告标注为「牵头组建」,不推断各方的实际投入。来源等级:OFFICIAL(组建事实)。
9. 开源三件套与 UniWAM 的发布时点与叙述口径。 开源三件套(Fysiverse-3D、OmniFysics「双子星」、FysicsReason)发布于 2026-09-24,Fysiverse-UniWAM 发布于 2026-10-31 至 11-01;部分报道把两件事合并叙述为一次集中的开源与发布。本报告按两个时点分别记录。来源等级:官方技术报告与媒体报道交叉(OFFICIAL 与 MEDIA)。
10. UniWAM 两组误差指标的口径。 MAP-Bench 上的平均位置误差 9.85 cm 与朝向误差 2.30°,是 UniWAM-Scaled 在评测集上的平均停靠精度;仅用 MAP-Data 训练、不含真实机器人数据的 UniWAM-Sim 在真机上为 18.7 cm 与 6.34°,属于零样本迁移结果。两者数据来源与测试条件不同,不应合并为一个「误差水平」。来源等级:技术报告表格(公司发布,未独立复现)。
11. 产品数量的口径。 正文多处仍写「五款产品」,这是 2026 年 3 月发布会时点的产品矩阵;2026-09-24 开源三件套与 2026-10-31 至 11-01 的 UniWAM 发布之后,可独立计点的模块多于五个。两个数字对应不同时点,本报告保留「五款」的历史表述并单列本条。来源等级:官方里程碑与发布材料(OFFICIAL)。
风险与尽调缺口
其一,产品验证缺失。 五款产品均在早期,没有公开的精度、速度、性能指标。可微分引擎与物理基础模型的技术价值需要数据支撑。
其二,一年四轮融资的可持续性。 快速融资说明资本热情,也说明烧钱速度快。如果产品商业化不及预期,下一轮融资会困难。
其三,产品矩阵过宽。 引擎、平台、模型、世界模型、数据五条线同时推进,对一家成立不久的公司资源压力极大。
其四,可微分仿真的工程稳定性。 接触非光滑、长时序梯度、内存开销三个问题在工业级场景的稳定性未见验证。
其五,生态依赖。 与沐曦的国产算力适配、与拓斯达/博雷顿的场景合作、与复旦的学术合作,都是重要支撑,但也意味着公司对这些伙伴的依赖。
其六,竞争。 NVIDIA 在物理引擎(PhysX/Warp/Isaac)与仿真生态上的优势极大,国内的同类公司也在快速跟进。
其七,「首个」表述的信任成本。 过多使用「首个」会透支可信度,尤其在技术指标未公开的情况下。
综合评分
技术维度给 7.5 分。张立华的 PhysX 背景是真实的技术资产,可微分引擎的路线与国际前沿一致且在国内稀缺,五层产品(引擎-平台-模型-世界模型-数据)的架构自洽,FysicsWorld 基准有社区价值。扣分项是技术指标未公开、可微分仿真的工程稳定性待验证、3B 模型的物理能力边界不明。
商业维度给 6.5 分。四大场景(工业机器人、人形具身、无人矿山、自动驾驶仿真)需求明确,六项产业合作提供了落地路径,沐曦的算力合作解决国产化适配。扣分项是收入未披露、产品均早期、商业化尚未验证。
财务维度给 7 分。一年四轮融资(Pre-A1 近亿元、A1 数亿元),投资人含市场化 VC、产业资本、地方与高校基金,资金充足。扣分项是烧钱速度快、估值未披露、可持续性待观察。
产品维度给 7 分。五款产品覆盖物理 AI 全栈,MoziSim 企业版与四大场景方案在推进,FysiStation 工作站解决国产算力部署。扣分项是产品成熟度低、界面与易用性未披露、客户案例缺量化。
市场维度给 7.5 分。物理 AI 是政策与资本共同关注的方向,具身智能与智能制造需求真实,上海徐汇的产业链链主身份提供场景与政策资源。扣分项是竞争激烈(NVIDIA 生态强势)、市场教育成本高、客户采用周期长。
综合 7.1 分。这是国内物理 AI 里「团队履历最硬、布局最全、验证最少」的一家:张立华的 PhysX 背景给了它技术信誉,可微分引擎 + 物理基础模型 + 世界模型的组合给了它叙事完整性,一年四轮融资给了它资源。但五款产品都在早期,技术指标与客户案例都缺。对物理 AI 的判断是:它的技术方向(可微分仿真 + 物理基础模型)是正确的,也是国际前沿;但从「发布产品」到「工业可用」,需要跨越工程稳定性、性能验证与商业闭环三道关。
参考资料
-
飞捷科思里程碑(官网):2025-04 具身智能仿真平台启动;2025-05 董事长张立华在《人民日报》发表署名文章《机器人为什么要「更像人」?》;2025-07 作为上海市重大项目在 WAIC 签约、落户徐汇;2025-12 与复旦大学 CITLab 联合推出 FysicsWorld 评测基准;2026-01 完成近亿元 Pre-A1 轮(经纬创投与东方富海联合领投,沐曦股份、驰星创投等联合投资);2026-02 完成 Pre-A2 轮(鼎峰科创领投),发布 OmniFysics;2026-03-27 发布会发布 Fysics 可微分物理仿真引擎与全栈技术基座;2026-05 完成 Pre-A3 轮;2026-06 发布 Fysiverse 物理世界模型;2026-08 完成 A1 轮融资
-
A1 轮融资公告(央广网、中国经营网、中国网数智中国,2026-08-06):数亿元融资,泰达科投携手海松资本、复旦科创共同领投;毅达资本、优势资本、踊跃资本、汇融基金、财鑫资本、湘江国投新增;云启资本、硅港资本、中赢创投、常垒创投追加;此前获经纬创投、东方富海、云启资本、鼎峰科创、致道资本等领投,沐曦股份、驰星创投、泰有基金、溢倡资本、长石资本、磐谷创投等参与
-
五大核心产品(A1 轮公告):可微分物理引擎 Fysics、具身智能仿真训练平台 MoziSim、物理 AI 全模态基础模型 OmniFysics、物理世界模型 Fysiverse、全链路物理 AI 数据解决方案 FysiData;公司称搭建起国内首个全栈自研物理智能技术体系
-
团队与创始人(公开报道):张立华 2003 年在美国 Ageia 主持研发第一代 PhysX 物理仿真引擎、参与设计世界第一颗物理仿真加速芯片 PPU;PhysX 被英伟达收购后主导引擎向 GPU 的迁移优化;现任复旦大学教授、公司董事长;核心成员来自清华、北大、复旦、上海交大等高校
-
联合体与产业合作(A1 轮公告与媒体报道):2026 年 WAIC 期间牵头组建国内首个物理智能创新联合体(CPii),联合复旦大学、哈尔滨工业大学等高校与沐曦、拓斯达、博雷顿、中国软件评测中心等 32 家产学研用资单位;六项产业合作含与拓斯达共建工业产线物理数字孪生方案、与博雷顿打造零碳矿山高危工况仿真系统、联合沐曦推出全国产化 FysiStation 物理 AI 训练工作站、联合评测机构搭建仿真测试场、数据采集闭环方案、产教融合实验室
-
资金用途(A1 轮公告):底层核心技术深度迭代(Fysics 求解性能、刚体/柔体/流体/颗粒多相耦合、OmniFysics 与 Fysiverse 迭代);核心产品与行业方案落地(MoziSim 企业版商业化交付,工业机器人、人形具身智能、无人矿山工程机械、自动驾驶仿真四大场景);产业生态与团队扩充
-
定位表述(公开报道):张立华称公司不是「模型公司」而是基础设施公司,卖的是「让别人能在上面盖房子的地基」——引擎、平台、标准、生态;物理 AI 的竞争已从「谁的模型参数大」转向「谁能把一整条生态协同好」
-
技术判断(公开报道):张立华认为物理 AI 与早期自动驾驶相似,竞争会从算法转向数据闭环、工程体系与基础设施;需建立可量化、可复现、可持续验证的工程体系,让仿真、训练、验证、落地形成闭环
-
OmniFysics 发布(官网里程碑,2026-02):公司称其为全球首个懂「物理定律」的全模态物理 AI 基础模型,参数量仅 3B,面向具身智能、人形机器人等领域
-
技术背景(公开资料):可微分物理仿真把仿真流程做成可微、可用梯度优化控制与材料参数;难点含接触与碰撞的非光滑性(梯度不连续)、长时序梯度爆炸/消失、保存中间状态的内存开销;国际相关工作含 NVIDIA Warp、DiffTaichi、Brax、Genesis
-
竞品信息(公开资料):传统物理引擎含 NVIDIA PhysX、MuJoCo、Bullet、Havok;世界模型竞争者含 World Labs(Marble/Atlas,2026 年被 AMD 以约 82 亿美元收购)、AMI Labs(JEPA,10.3 亿美元种子轮);具身仿真平台含 NVIDIA Isaac Sim、MuJoCo、Genesis
-
评测基准背景(公开资料):物理 AI 缺少公认评测标准,各家用自有测试集;基准的采纳取决于开放性(是否开源、是否允许多方提交、评测是否透明),一家公司主导的基准能否成为行业标准需社区共识
-
官网技术报告页(physics.net/report.html)与 UniWAM 技术报告(arXiv:2609.39388):2026-09-24 全面开源 Fysiverse-3D、OmniFysics「双子星」与 FysicsReason;2026-10-31 至 11-01 发布 Fysiverse-UniWAM 的技术报告、MAP-Data 与 MAP-Bench 指标
-
界面新闻(2026-11-01):飞捷科思发布统一世界动作模型 Fysiverse-UniWAM,MAP 与 Mixed-Stream 双流设计、超过 150 万条轨迹与约 7500 小时数据、24 项真机任务的构成与已开放资源清单
-
机器之心(2026-11-01):Fysiverse-UniWAM 的 MAP-Bench 平均位置误差 9.85 cm 与朝向误差 2.30°、移动操作四项平均成功率 80.0%、固定工位整体成功率 68.9%,以及 UniWAM-Sim 零样本真机迁移的 18.7 cm 与 6.34°
-
界面新闻(2026-09-25)与复旦大学临港产业化创新平台公众号:2026-09-24 全面开源 Fysiverse-3D、OmniFysics-Captioner、OmniFysics-Nano-V2 与 FysicsReason,其中 Captioner 取得 7 项世界第一、Nano-V2 取得 17 项世界第一
本报告依据公开资料整理,不构成投资建议。公司未上市,收入与产品性能数据未披露;多个「全球首个」「国内首个」表述为公司口径,未经第三方核验,相关判断已标注不确定性。数据截至 2026 年 11 月 2 日。
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
- 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
- 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
- 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。