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

核心结论

PhysicsX 是一家 2019 年成立于伦敦的公司，销售的是它自己称为AI 原生工程平台的东西：一个把工业设计流程中相当一部分数值仿真替换为预训练模型的技术栈。

三个事实构成了这笔投资的基本盘。

第一，训练数据的位置异常具体。 公司的气动模型 LGM-Aero 训练语料包含 2500 万个以上几何形状及其关联物理仿真，含数百亿网格单元与数万次 CFD/FEA 仿真，由 Siemens Simcenter STAR-CCM+ 与 Simcenter Nastran 生成。这个数字由西门子自己的新闻稿确认并公开。这是结构性优势——训练物理代理模型最贵的部分不是模型，而是背后的高保真仿真数据，而这份语料来自商业求解器厂商为付费工业客户所做的分析。

第二，资金位置很强。 2026 年 6 月 8 日，公司完成 3 亿美元 C 轮，估值约 24 亿美元，超额认购，淡马锡领投；新投资人 M&G Investments 与 Intrepid Growth Partners 参投，原有股东 Applied Materials、Atomico、General Catalyst、July Fund、NGP、英伟达、Radius、西门子跟投。上一轮是 2025 年 6 月的 1.35 亿美元 B 轮（估值略低于 10 亿美元），12 个月内估值上涨约 2.4 倍。团队超 300 人（12 个月翻倍），确认收入同比翻倍，签约收入翻三倍。

第三，泛化证据比市场叙事薄。 头部速度数字——CEO 口径的「一万倍到接近一百万倍」、Aviation Week 报道的 10⁴–10⁶——对比的是完整仿真工作流的总耗时（几何处理、网格划分、求解器设置在内），而工业 CFD 的墙钟时间大部分恰恰在这里。对工程决策真正有意义的口径是与求解阶段单独对比。目前没有公开的同行评审精度基准，公司给出的客户成果也主要是相对增长率，而非绝对误差。

我们的判断：数据与资金强，精度包络未证。 这家公司值得研究，因为它押的是一个具体判断：在工业 AI 里，稀缺资产不是模型架构，而是高保真仿真结果的访问权——而这份语料只有现成求解器厂商的客户基才能产出。若这个判断成立，这一品类的赢家将掌握仿真数据，而不是写出最好的代理模型。悬而未决的问题是：一个在某一厂商求解器输出上训练的平台，其精度能否在另一厂商的求解器上保持——这正是 AI 原生仿真能规模化替代传统 CAE、而不是只在单一工具链里有效的条件。

公司概况

PhysicsX Limited 在英格兰与威尔士注册，2019 年 8 月 1 日成立。总部位于伦敦（Victoria House, 1 Leonard Circus），在纽约设有办公室，并在湾区与新加坡扩张。2026 年 10 月 8 日，公司在新加坡 Robinson Road 开设亚太总部，现有约 20 人，目标是三年内扩至 100 人以上，岗位包括前置部署工程师、物理 AI 研究员与仿真工程师。

创始团队在这一品类里相当特别，也解释了产品的性格：

• Jacomo Corbo，联合创始人兼 CEO —— QuantumBlack 联合创始人兼首席科学家，曾任雷诺/阿斯顿·马丁 Alpine F1 车队首席赛事策略师。这样一支创始团队带来的是策略与优化思维，而非 CAE 出身。
• Robin Tuluie，创始人兼董事长 —— 曾在雷诺/Alpine F1、奔驰 F1 与宾利担任研发与车辆技术相关职务。

这组搭配值得细读。两位创始人都没有计算力学背景，这既解释了公司独特的市场定位，也解释了它最主要结构性风险的来源。好处是公司无意去造一个更好的求解器，而是想去改变「工程工具」本身是什么；代价则是工程可信度的担子完全压在建模团队与外部验证上。

公司自述为面向工业界的物理 AI 公司，使命是「通过重塑工业工程与制造，加速硬件创新」。产品框架覆盖完整生命周期：早期设计、制造工序优化、直到运行态实时数字孪生。

技术分析

模型家族

PhysicsX 的核心抽象是大物理模型（Large Physics Model, LPM）——一个对大语言模型的有意类比，只是训练语料是仿真结果与物理方程而非文本。按问题类型不同，模型会采用 Transformer 架构、几何深度学习，或近似偏微分方程解的神经算子。输出是一个内化了某一类物理系统行为、并能泛化到未见设计变体的模型。

与 LPM 并列的是大几何模型（Large Geometry Model, LGM），负责几何生成问题。这个拆分是公司技术路线的架构核心，值得单独看：它把几何当作一个可学习的生成对象而非固定输入，这正是「新形状零样本可用」得以成立的前提。

LGM-Aero：语料

LGM-Aero 是记录最完整的技术产出。Siemens Digital Industries Software 公开确认了合作关系，并直接给出语料口径：

• 超过 2500 万个不同几何形状及其关联物理仿真。
• 数百亿网格单元。
• 数万次 CFD 与 FEA 仿真，由 Simcenter STAR-CCM+ 与 Simcenter Nastran 生成。
• 客户只需数十次仿真即可把深度学习模型微调到自己的应用上。

模型本身据报道为约 1 亿参数量级，几何被压缩为 512 维表示。训练算力跑在 AWS Batch 与 EC2 上，技术栈构建在 Microsoft Azure 之上。

为什么语料来源这件事最关键。 这是公司公开技术记录里最有分量的细节，而且它的作用方向是明确的。由商业求解器厂商为工业客户生成的仿真语料，不是形状空间里的随机样本，而是「付费客户要求分析过哪些形状」的记录——密度恰好落在工程注意力与预算已经流动的地方。因此模型在「工业界已经付费探索过的设计区域」上最自信。这相对在随机几何上训练的通用代理模型是优势，同时也是模型能泛多远的一个结构性上限。

Ai.rplane：公开演示器

Ai.rplane 是基于 LGM-Aero 的免费公开技术演示器，被描述为首个面向飞行的大物理模型。它为任意飞行形状生成飞行器几何，并推断气动性能、飞行稳定性与结构应力，在 1 秒内给出几何与结果，而传统数值仿真需要数小时。托管于 airplane.physicsx.ai。

Ai.rplane 的价值不在于演示本身，而在于它让第三方在不具备商业关系的前提下测试零样本主张。这是一次有实质意义的披露选择，也是外部研究者形成独立精度判断——而不是只读厂商口径——的唯一路径。

精度问题，以及独立证据说了什么

公开的速度口径区间很大。CEO 描述平台「快一万倍到接近一百万倍」，Aviation Week 报道同一口径为 10⁴–10⁶。这些数字对比的是一次完整仿真工作流的总耗时（几何处理、网格划分、设置、求解、后处理）——而工业 CFD 的墙钟时间大部分恰恰在这里。

对工程决策有意义的是另一个对比：模型预测 vs 同一几何上的求解阶段。在这个口径上，现有独立证据给出的结果是有信息量的，而不是宣传性的。

SIMSHIFT 基准（Setinek 等，arXiv:2506.12007）是关于工业神经代理模型域外行为最直接相关的公开工作。它评测四个工业任务——热轧、钣金成形、电机设计、散热片设计——覆盖包括几何信息神经算子在内的多种前沿代理模型。核心发现是：代理模型在训练分布之外的性能会退化约一个数量级，而域适应技术只能恢复其中四分之一到三分之一的差距。

有两点需要公允说明。SIMSHIFT 并非针对 PhysicsX 平台的基准，其作者与同处这一赛道的 Emmi AI 存在关联。另外，在 2500 万几何上训练过的模型，其起点与 SIMSHIFT 所评测的模型不可同日而语。因此相关的结论是机制而非数字：域内与域外精度之间的落差，是代理模型形式与数据分布的性质，不是厂商的性质。

相邻工作里有一个有用的参照点：Luminary Cloud 报告其模型在训练数千次仿真后，仍保持在求解器输出的低个位数百分比误差内，每次迭代节省近 1 万美元算力成本。那是不同架构、不同训练数据，这里引用它是为了给出「一个可信的精度主张在市场里长什么样」的标尺，而非两家公司之间的比较。

独立验证缺口。 公开记录中没有针对 PhysicsX 平台的同行评审精度基准，也没有客户自行评测给出的绝对误差。公司给出的多数指标是相对增长率而非绝对数字。这是本品类常见模式，并不意味着技术薄弱——但它意味着精度包络没有被公开刻画。

西门子是伙伴，不只是数据来源

与西门子的关系值得单独讨论，因为很容易被误读。西门子同时是股东、商业伙伴和训练语料来源。

已被公开确认的是：Siemens Digital Industries Software 声明了这项合作，公布了语料描述，并引用其仿真与测试解决方案高级副总裁谈 AI 对仿真社区的意义。西门子的表述是关于开放协作，以及关于 AI 增强型仿真行业整体。

商业上的含义是，一家主要在位者正在公开认可一家创业公司对自己市场的解法。 对 PhysicsX 而言，这段关系同时带来训练数据、可信度与工业客户通道。对市场而言，这是关于在位者如何回应这一品类的信号。

产品与商业化

客户与具名引用

公司在目标行业里具名了客户，公开发布的包括：Applied Materials、西门子、斯特兰蒂斯（Stellantis）、Leonardo Aerospace、力拓（Rio Tinto） 与 Microsoft Surface（散热风扇的热管理）。海上能源工程公司 Seatrium 公开表示，其平台将管路布局设计的优化时间缩短约 40%。

这份名单在公开披露中较为罕见。在航空与国防这类受监管行业里具名客户，比软件领域要难披露得多——航空主承包商使用新分析工具可能暗示一种并不存在的设计权限。这份名单应同时按参考关系与生产部署来读，两者之间的区分在公开信息中尚未厘清。

收入与订单积压

C 轮同期披露的商业指标是现有最具体的一组数字：

• 确认收入同比翻倍。
• 签约收入翻三倍。
• 客户数同比增长超过一倍。
• 今年收入预计接近 5000 万美元，并计划 2027 年翻倍以上。
• 约六个月的客户订单积压，CEO 称其「对我们来说有点难以承受」，并把扩招列为融资理由之一。
• 到第二季度末，半导体将成为最大业务板块，超过公司起家的航空航天与汽车基本盘。

积压数字最值得盯，因为它把公司与垂直 AI 的标准形态区分开了。六个月的客户需求队列意味着增长的约束在交付产能与招人，而不在需求获取。它同时意味着一个实际风险：积压只有在能兑现时才是资产，而兑现取决于是否有工程师支持部署。

部署与集成

公开描述的客户旅程是：技术评估与数据范围界定 → 工作流集成（对接 ANSYS、CATIA、Siemens NX、OpenFOAM、AWS、Azure，支持混合与本地部署）→ 项目部署 → 结果验证 → 跨账户与区域扩展。

这份集成清单是战略上最关键的细节。 PhysicsX 对接 Ansys、CATIA、Siemens NX 与 OpenFOAM——也就是对接在位者工具链——而它的训练数据来自西门子。公司把自己定位为叠加在既有装机之上的层，而不是要求既有装机退役的替代品。对企业买方而言，这是「增量采购项」与「多年期平台替换项目」的区别。

这也带来了公司的核心战略模糊性，下文再谈。

区域扩张与公共部门合作

新加坡是被明确表述的亚洲总部所在地，由新加坡经济发展局支持，亚太团队三年内 100 人以上的目标已公开。另一项安排是 PhysicsX 与 A*STAR 达成的五年期、4000 万新元合作，覆盖海事工程、先进制造、半导体制造与生物技术。新加坡副总理兼能源与贸工部长颜振勇为该公司公开站台，纳入国家 AI 使命的框架。

A*STAR 这项安排本身值得单独看。 这是一份与国家研究机构之间的多年期公共资助研究合作，既提供机构背书与研究管线，也把公司绑在一条五年期的公共议程交付线上。

定价

定价未公开。所描述的部署模式——对接在位者 CAE 技术栈、混合与本地部署、企业级客户——与「谈判型企业软件采购」一致，而非自助式定价。

竞争格局

在位者

PhysicsX 瞄准的工程仿真市场由 Ansys、西门子（Simcenter）、Cadence、Synopsys 与 Dassault Systèmes 主导，横跨 CAD 与仿真。这些厂商拥有数十年的求解器验证史、与监管方和客户建立的资质记录，以及深度嵌入的工程流程——这是以十年而非季度计量的位置。

值得说的不是这些产品是否静态——它们都在投入 AI 辅助仿真能力。值得说的是，PhysicsX 的训练语料正来自其中之一，这意味着在位者保有用自己的客户基生成同等或更好语料的能力。西门子已经用 PhysicsX 做了这件事。战略问题在于：求解器厂商是自己用仿真输出训练模型、把这项能力内化，还是向专业伙伴授权？ 两条路都开着，而 PhysicsX 目前在第二条上。

AI 原生同赛组

PhysicsX 是物理 AI 梯队中资本实力最强的公司之一，同组还有：

• Vinci AI —— 2026 年 10 月完成 2.5 亿美元 B 轮，估值 15 亿美元，做物理基础模型 + GPU 原生内核，聚焦半导体热与热-机械分析。
• Luminary Cloud —— 融资 7200 万美元，英伟达风投参投，聚焦航空仿真。
• Neural Concept —— 融资 1 亿美元，聚焦气动设计。
• Emmi AI —— 奥地利林茨，聚焦工业应用的 AI 驱动仿真。

与 Vinci AI 的资本对比值得细看。 Vinci 拿到 15 亿美元估值的时间，比 PhysicsX 拿到 24 亿美元晚四个月；而 Vinci 的产品面更窄、验证更晚——只有半导体热一个域加一篇同行评审论文，对面是横跨六个行业、多域的平台。这个差距由部署广度、资本体量与战略股东结构解释，而不是由双方的证据质量解释。

最新入场者，以及品类为何正在升温

Project Prometheus——一家由杰夫·贝索斯支持的 AI 实验室——于 2026 年 4 月完成 100 亿美元融资，聚焦工业与制造领域的物理 AI。另有数家公司正在开发面向类似工业用途的 AI 世界模型。

这一品类的 100 亿美元融资是一级市场结构事件，值得平实地读，而不是用夸张的措辞。 它确立了极大规模资本现在确实把工业物理仿真视为战略品类；它同时在两个维度上抬高了全品类门槛：资本供给与范围野心。PhysicsX 以 3 亿美元、24 亿美元估值，在同组中资本充裕——但这个组别的资本上限在同一年内移动了一个数量级。

差异化到底落在哪

三个主张与在位者工具区分开来，强度各不相同。

掌握高保真仿真数据是最强的一条，也是唯一有结构性而非修辞性基础的一条。生成高保真 CFD/FEA 运行成本高昂；要生成工业级质量的数据，需要的正是像 PhysicsX 这样花多年经营关系所积累的求解器技术栈与工程投入。语料不是一个缺乏这些关系的竞争者可以复制的资产，而且它会随每一次工业合作而增厚。

把几何当作可学习的生成对象，是架构新颖性最清晰的一条。把几何视为生成而非给定，正是「在未见形状上零样本运行」得以可能的原因，也是 LGM/LPM 拆分与常规代理模型（给定网格 → 给定场）的分水岭。

速度是暴露面最大的一条，原因如前：头部倍数对比的是完整工作流耗时而非求解耗时，而对工程师的边际收益取决于仿真在一个迭代周期中实际占多大比重。在概念设计阶段——PhysicsX 明确瞄准的、传统 CAE 通常到不了的阶段——收益真实且结构性可观；在验证阶段，仍需跑认证过的求解器，收益就小得多。

融资与团队

融资历史短、金额大、斜率陡：

• 2019 年：伦敦成立。
• 2025 年 6 月：1.35 亿美元 B 轮，估值略低于 10 亿美元，淡马锡首次进入。
• 2025 年 11 月：英伟达旗下 NVentures 追加投资 2000 万美元，B 轮合计超过 1.55 亿美元。
• 2026 年 6 月 8 日：3 亿美元 C 轮，估值约 24 亿美元，超额认购，淡马锡领投。新投资人 M&G Investments、Intrepid Growth Partners；原有股东增持：Applied Materials、Atomico、General Catalyst、July Fund、NGP、英伟达、Radius、西门子。
• 累计披露融资约 4.87 亿美元（A 轮 3200 万 + B 轮 1.35 亿 + B 轮追加 2000 万 + C 轮 3 亿）。

投资人名单本身就是一张战略地图。 英伟达提供训练与运行模型所需的算力。西门子同时是数据来源、商业伙伴与股东。Applied Materials 出售制造芯片的设备，而芯片正是 PhysicsX 客户在设计的对象——同时它自己还是客户。领投 B 轮与 C 轮的淡马锡提供长周期资本，正如 B 轮报道所指出的，还为欧洲深科技公司通常拿不到的亚洲工业客户通道。一家半导体设备厂商同时是客户与股东，在这一品类里是极直接形式的战略绑定。

估值台阶是关键财务事实。 从略低于 10 亿到约 24 亿，用了 12 个月，接近 2.4 倍上涨。这个涨幅在私营市场是显著的，但更值得注意的是新钱的占比：C 轮 3 亿美元只占 24 亿 post-money 的约 12.5%，与 B 轮 1.35 亿美元占当时约 10 亿估值的比例接近——两轮稀释都很温和，这解释了标价如何在稀释有限的情况下抬到 2.4 倍。而这轮估值买的首先是平台覆盖面，而不是已交付的模型：它定价的是一家年收入约 5000 万美元、交付有积压、平台精度包络尚未被公开刻画的公司的跨生命周期覆盖能力。

团队规模超 300 人，12 个月内翻倍，分布在伦敦、纽约、湾区、新加坡与班加罗尔。公司描述的招聘画像要求很高：既要 FEA/CFD 仿真工程能力，又要有 3D 图/点云几何深度学习与 MLOps——这种组合很难快速成建制。新加坡三年内 100 人以上（含前置部署工程师）的目标，是针对这一约束的有力承诺。

风险与挑战

精度包络没有被公开刻画

这是核心技术风险。公开记录里每一个速度与精度数字都出自公司自身，没有公开发布过同行评审或客户自行给出的绝对误差测量。SIMSHIFT 在邻近架构上的结果表明，域外退化约一个数量级是工业神经代理模型的常见属性，且域适应只能恢复其中一部分。

能够缓解这一点的机制——2500 万几何、数百亿网格单元的语料——确实体量巨大，且有理由认为 PhysicsX 的模型比典型代理模型更具域内稳健性。但这不能替代在具体应用上公布的误差棒。未来最有信息量的单一产出，是在某个具体工业问题上、由第三方做出的基准测试，并给出绝对误差。

语料集中带来的战略模糊性

PhysicsX 的训练数据来自西门子 Simcenter；公司同时对接 Ansys、CATIA、Siemens NX 与 OpenFOAM，且西门子是股东。这在今天是自洽的商业位置，但也制造了一个结构性问题：一个在某一求解器输出上训练的模型，当它被用到另一个求解器的问题上时，精度会怎样？

若 PhysicsX 的模型能跨求解器生态保持精度，那是一个很强的位置，也意味着真正规模化替代传统 CAE；若精度与 Simcenter 的数据分布绑定，这门生意就更接近「某一生态内的高效伙伴」，而不是「全面替代 CAE 的平台」。公开记录尚不能区分这两种情形，而这个区分直接决定可寻址市场的规模。

资本反应的量级

Project Prometheus 在 2026 年 4 月的 100 亿美元融资改变了整个品类的资本环境。PhysicsX 自身的融资相当可观，积压订单也是真实约束。**但一个资本多一个数量级的竞争者，可以支撑更长的工程周期、吸收更长的资质周期，或者直接买下这个位置。**在「在位者的护城河是资质历史、新玩家的护城河是数据访问权」这个品类里，决定性竞争也许在于谁更耗得起。

积压转化

六个月的积压是个好问题，也是一个真实的运营风险。转化取决于前置部署工程师、客户数据获取，以及每个客户内部跑的资质流程。如果上线产能跟不上积压要求的速度，这个约束就会以「部署延迟」而不是「需求流失」的形式重新出现——受损的是交付指标，而不是订单簿。

少量大客户带来的集中度

具名客户是一小批大型工业组织。这在本品类里是常态，也意味着极高的合同金额，但同时意味着收入基础暴露在少数几家公司的资本开支周期之下。已披露的「半导体在 Q2 末超越航空航天成为最大板块」，把这种暴露进一步集中到了自身周期波动也很明显的行业。

创始人背景问题

两位创始人都没有计算力学背景。这是刻意的选择，不是公司需要道歉的缺口——它正是公司独特市场叙事的来源——但它把整个工程可信度的担子压在了技术组织与外部验证上。对一家签核结果依赖可追溯精度的航空或半导体客户来说，建模团队的质量与基准结果同等重要。

综合评分

参考资料

1. PhysicsX, “PhysicsX Announces $300M Series C to Accelerate Physics AI for Industrial Engineering”（2026-06-08）
2. Siemens Digital Industries Software, “Siemens & PhysicsX collaborate to build AI-based deep physics simulation”
3. The Straits Times, “Deeptech unicorn PhysicsX opens regional hub in S’pore to scale AI-powered industrial engineering”（2026-10-08）
4. Bloomberg 对 3 亿美元 C 轮、24 亿美元估值的报道（2026-06-08）
5. greyjournal, “PhysicsX Raises $300M Series C at $2.4B Valuation”（2026-06）
6. InforCapital, “PhysicsX Raises $300M, Valuation Hits $2.4 Billion”
7. Aviation Week 对 CEO Jacomo Corbo 的访谈（速度口径与模型架构）
8. Setinek 等，《SIMSHIFT: A Benchmark for Adapting Neural Surrogates to Distribution Shifts》，arXiv:2506.12007
9. PhysicsX 与 A*STAR 五年期 4000 万新元合作公告（2026-10）

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 21 日，请以公司公告与定期报告为准。