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

核心结论

Vinci AI 是一家 2023 年成立于美国帕洛阿尔托的创业公司，做的事被它自己称为物理基础模型：一个在控制方程上预训练的基础模型，配合 GPU 原生计算内核，直接在制造分辨率上对硬件设计做仿真。

三个事实构成了这笔投资的基本盘。

第一，技术主张有一个可独立核查的锚点。 2025 年 12 月 IEEE EPTC 2025 上，团队发表了《Thermal Sensitivity Analysis of 3D IC Face-to-Back Stacking Using Foundation Models for Physics》，由 9 名员工联合署名。论文覆盖 10 层 3D 面到背堆叠封装，从原生 OASIS/GDS/IPC-2581 文件中解析出 BEOL 层 7 nm 以下的特征，完成了 9,101 次全封装仿真（平均每次 2.18 亿元素、总计 26 小时），并与商业求解器在热点-平均温度比、温度场等值线上取得一致结果。论文口径下偏差小于 2%、加速 240 倍。另一份公开对比显示：在 1.17 亿自由度的问题上，20 秒出解，对照商业 FEA 求解器为 2 小时。

第二，资金已经不是瓶颈。 2026 年 10 月 6 日，公司完成 2.5 亿美元 B 轮，估值 15 亿美元，由 Advent International、淡马锡、Xora Innovation 联合领投，AMD Ventures、Eclipse、Khosla Ventures、Madrona 参投。累计披露融资约 2.96 亿美元，团队约 70 人。

第三，商业化转化是主要待验证项。 公司称已在领先半导体厂商进入生产环境，并有「全球前 20 半导体公司中超过一半」独立对标过传统 FEA 求解器与实验结果。但没有一家客户被具名。公司自己给出的近期目标是：从 2 个活跃试点扩到 20 个。

我们的判断：技术与资金强，商业规模未证。 这家公司的价值在于它重新定义了仿真的用途——如果仿真从数小时降到数秒，热与机械结果就不再是设计周期末尾的一个检查点，而变成工程师还在画图时就持续更新的属性。这对 CAE 商业模型的影响，比它对数值方法本身的影响更大。

公司概况

Vinci AI 的法人实体为 Vinci4D, Inc.，2023 年底成立于加州帕洛阿尔托，2025 年 12 月走出隐身，同期披露种子轮与 A 轮合计 4,600 万美元：A 轮由 Xora Innovation 领投，Eclipse Ventures 与 Khosla Ventures 参投，种子轮由 Eclipse 领投。

团队是刻意的「仿真 + 机器学习」配对结构：

• Hardik Kabaria，联合创始人兼 CEO —— 斯坦福博士，博士课题方向为复杂真实几何的高保真网格自动化；此前任 3D 打印公司 Carbon 的软件副总裁。
• Sarah Osentoski，联合创始人兼 CTO —— 机器人与机器学习领域高管，专注大规模学习与自主系统。
• Vincent Rerolle，联合创始人兼 CCO —— 负责商业化。
• John Bruggeman，CMO —— 市场拓展。

公司把自己定位为面向物理世界的前沿实验室，而非传统 CAE 厂商；2026 年起的产品叙事是 Continuous Physics Reasoning（连续物理推理）：物理量在设计流程中持续计算，而不是作为独立的分析步骤偶尔跑一次。对外口号是 “LLMs do language. Vinci does physics.”

技术分析

它攻的是哪个瓶颈

传统 CAE 流程被两头夹住：建网格的人力成本，和求解的计算成本。在先进封装场景里这两头都很重——现代 3D 堆叠既有纳米级 BEOL 特征，又有数亿到数十亿元素，常规流程是数小时划网格加数小时求解，而且每次设计迭代都要重跑一遍。

Vinci 两头同时动手。前处理：直接摄入原生版图文件（OASIS、GDS、IPC-2581），网格生成与网格收敛由系统自动完成。求解：用 GPU 原生内核运行，而不是通用 CPU 求解器栈。公司称模型不需要客户训练数据，开箱即用。

平台架构

平台被描述为四层：

• 自动化设计理解与准备 —— 原生文件摄入、几何解释、网格生成与收敛，全部内化。
• 智能体编排 —— 驱动准备、执行与结果解读，使流程不需要专职仿真团队也能运转。
• 物理基础模型 —— 核心，在设计上应用控制方程的预训练模型。
• GPU 原生物理内核 —— 计算底座，支持从数亿到超过 150 亿自由度的设计。

与代理模型（surrogate model）区分的关键是零样本泛化：代理模型必须按设计或按问题类别逐一训练与调优，意味着每进一个新客户、每上一个新产品族，都要多付一次数据准备与验证成本；预训练模型把这项成本一次性摊掉。公司已公开发表内部观点，主张零样本泛化将定义下一代工程 AI。

EPTC 2025 论文的细节

这是目前唯一一份可公开检验的技术成果，值得逐项看。

• 规模：10 层 3D 面到背堆叠封装，从纳米级 BEOL 特征一直贯穿到全封装。
• 分辨率：BEOL 层 7 nm 以下特征，来自行业标准原生版图文件。
• 吞吐：9,101 次仿真，平均每次 2.18 亿元素，总耗时 26 小时，平均每次 10.29 秒。
• 材料表征：432 次求解，网格 3 亿自由度，8 张 AMD Instinct MI300X GPU 上 52 分钟完成。
• 验证：全封装热预测与商业求解器对标，热点-平均温度比吻合，温度场等值线在可比建模假设下基本一致。
• 工程结论：热界面材料是主导设计杠杆，BEOL 介质次之，混合键合层对热缓解优先级基本中性。

另一份公开对比，在 1.17 亿自由度问题上：解算 20 秒 vs 商业 FEA 求解器 2 小时；最高温 100.00 °C vs 101.11 °C，平均 56.49 °C vs 56.50 °C，最低 26.18 °C vs 25.93 °C。

这里有一个必须拆开的表述。 官网头条的「最高 1000 倍」是描述 GPU 加速运行效率的产品口径；而挂在同行评审论文上的数字是 240 倍。两者都是公司口径，但只有后者处在被评审过的论文里。真正有说服力的是由客户而非厂商在同一部件上做的第三方基准测试——目前没有公开发布。

已商业化的物理域

公司称已商业化的有三个域：热、热-机械、对流流体。2026 年 2 月宣布达到生产级热-机械仿真（翘曲与应力分析），公开数据是在约 1 GB 的版图文件上约 30 分钟完成制造级分析。

再往后的路线图覆盖振动、电磁、存储系统、先进计算、汽车、飞机与卫星。

产品与商业化

部署处在什么位置

已披露的商业化时间线有三个点：

• 2025 年 12 月（走出隐身）：在 3 家半导体厂商实现生产部署；超过 10 家半导体公司独立对标；全球前 20 半导体公司中超过一半完成验证，且结果均获确认。
• 2026 年 10 月：公司给出的目标是从 2 个活跃试点扩到 20 个，新资金用于 GPU 算力、招人以及产品面扩展。
• 第三方追踪口径：在十余家半导体与电子机构的生产项目上部署；公司称在美国、欧洲、亚洲的旗舰生产工程项目上运行。

「对标过」与「部署了」之间的差距，是最该盯的数字。 对标是客户可以自行做的厂商中立比较；进入生产部署意味着结果被信任到签核流或设计评审流里——那里的错误代价是芯片重投。第一个门槛远低于第二个。按公开证据，Vinci 已经从容跨过第一个，并开始跨过第二个，但具名的生产项目数量没有披露。

客户与收入结构

没有公开具名客户，也没有披露收入。业务形态是面向硬件设计组织的企业级软件销售，在这一市场里意味着多年期合同与签核级集成。

这个商业模型有一个必须点明的后果：切换成本在两个方向上都很高。一个花多年验证过签核流程的芯片设计公司，在替换分析层这件事上天然保守——求解器出错的代价远大于许可费。对厂商而言，技术评估赢了，生产席位仍可能需要很长时间才能落地。这个阶段最有意义的指标不是对标次数，而是生产项目数，以及其中具名的数量。

定价

定价未公开。产品定位是替代一个许可席位加上一次仿真周期背后的算力与工程时间，按价值定价在结构上是合理的，但具体数字只能算推测。

竞争格局

在位者

Vinci 瞄准的仿真层，处在两个成熟市场的交叉处。在 EDA 侧，Cadence 与 Synopsys 合计持有约 85% 的份额；在工程仿真侧，Ansys 与 Siemens 拥有数十年的求解器验证积累与深度的工作流嵌入，Synopsys 于 2025 年 7 月完成对 Ansys 的收购。

两家在位者都在为既有产品线叠加 AI 能力，也都在 Vinci 所针对的物理域上持续投入。它们的渠道、装机量与签核资质是实打实的资产。一家创业公司能在这一层拿到 15 亿美元估值，说明市场正在为一种架构层面的变化定价，而不是在评价在位者现有产品线的状态。

AI 原生同赛组

Vinci 属于物理 AI 公司群中的一批，同期完成大额融资的还有：

• PhysicsX —— 融资 3 亿美元，估值 24 亿美元，淡马锡同样是投资方；方向是面向工业仿真的生成式物理模型。
• Luminary Cloud —— 融资 7,200 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。

最值得盯的一组对比是 Vinci 对 PhysicsX——两者定位最接近，投资人集合也高度重叠。淡马锡同时押注两家，是对这个品类的判断，不是利益冲突。

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。

确定性与零样本可用是最强的一条，因为它击中的是学习型代理模型的结构性弱点：一个必须按设计类别重训的代理模型，其成本会随客户设计多样性而不断累加；在控制方程上预训练的模型不会。

免网格是实打实的工作流收益，机制也最清晰——网格划分是人力活动，去掉网格既省掉时间，也去掉了一类人为错误。

速度是暴露面最大的一条，原因如前所述：同行评审口径是 240 倍而非头条的 1000 倍；而在真实设计流程里，仿真周期占总迭代周期的比重，本身就是加速收益的上限。若热仿真从 2 小时降到 20 秒，但整个迭代周期由其他环节主导，那么对工程师的边际收益依然真实，只是小于倍数所暗示的幅度。

融资与团队

融资分两段，中间有较长空档。

• 2024 年 7 月 – 2025 年 1 月：种子轮及后续轮次，2025 年初累计约 3,000 万美元。
• 2025 年 12 月：披露合计 4,600 万美元，含 Xora Innovation 领投的 3,600 万美元 A 轮与 Eclipse 领投的种子轮。
• 2026 年 10 月 6 日：2.5 亿美元 B 轮，估值 15 亿美元，Advent International、淡马锡、Xora Innovation 联合领投，AMD Ventures、Eclipse、Khosla Ventures、Madrona 参投，累计披露融资达约 2.96 亿美元。

投资人结构值得细读。Advent 与淡马锡是具备规模能力的成长期机构投资人，淡马锡还带来亚洲半导体产业关系。AMD Ventures是战略投资人——这家公司算力叙事的落点正是 AMD Instinct 硬件，EPTC 的材料表征结果就是在 8 张 AMD Instinct MI300X 上跑出来的，AMD 技术与工程高级副总裁也在该轮通稿中站台。Khosla Ventures 与 Madrona带来深软件与 AI 原生组合。Eclipse 与 Xora 作为种子与 A 轮领投方在 B 轮回补，这是一个有意义的信号。

估值台阶是关键财务事实：从披露 4,600 万美元到 15 亿美元估值，用了十个月。15 亿美元以上的私营市场标价是真金白银，也是真实信号，但它定价的是一家当下具备生产级热仿真能力、具备热-机械能力、并声明要扩展到振动、电磁、存储、汽车、飞机与卫星的公司。换句话说，这轮估值买的首先是路线图，而不只是已交付的产品。

团队约 70 人，其中约三分之一是 EPTC 论文的共同作者。这个规模对路线图的宽度偏小——B 轮明确把钱用在招人和 GPU 算力上，也印证了这一点。

风险与挑战

每换一个物理域，精度门槛就重置一次

这是核心技术风险，而且是结构性的、与公司个体无关的。热与热-机械仿真是成熟领域，经过充分验证的求解器有明确可解释的精度包络。Vinci 一旦扩展到振动、电磁或别的域，那个域就有它自己的在位求解器与自己的验证历史，基础模型的主张必须在新的精度门槛前重新证明一次。

一个覆盖多个物理域的单一基础模型，比「某个域的快速求解器」是强得多、也更容易规模化得多的主张，但也是难得多得多的主张。 域数量的增长速度与精度证明速度的相对关系，是最值得跟踪的单一指标。

证据的不对称

公开记录里的每一个精度数字都出自公司自身。EPTC 论文之所以是最强的一条，是因为它经过了评审——但其中的对标仍是由公司自己配置的商业求解器，且使用的是公司自己材料表征得到的平均物性。由客户委托、在客户自己选定的部件上做的基准测试，证据分量要重得多，目前没有公开发布。

商业侧的信号是同一个形状：客户未具名、收入未披露、计划从 2 个试点走到 20 个。关于未来收入的最强可用信息就是这份计划本身——所以它应该被当作计划来读。

估值背着路线表

在 15 亿美元的位置上，相当一部分价值锚在尚未交付的物理域上。如果域扩展推进偏慢，公司就是用成长期资产负债表对着成长期估值，而中间没有收入做缓冲。这在当前阶段是创业公司的常见风险，属于风险，不算缺陷。

签核资质周期

即便求解器在技术上更优，芯片设计领域的采纳仍受资质流程约束。设计公司通常会让新的分析工具与在位流程长期并行运行，才敢把它放进「错误代价是重投」的那类决策里。这很可能是对标数与生产数之间出现落差的根源，也是一段技术优势压缩不了的时间成本。

综合评分

参考资料

1. Vinci, “Thermal Sensitivity Analysis of 3D IC Face-to-Back Stacking Using Foundation Models for Physics,” IEEE EPTC 2025, Singapore
2. Vinci, “Vinci’s First Public Technical Showcase: EPTC 2025”（2025-12）
3. Vinci 官方产品与平台页面（getvinci.ai）
4. Business Wire, “Vinci Raises $250M Series B at $1.5 Billion Valuation”（2026-10-06）
5. Reuters 对 2.5 亿美元轮次、15 亿美元估值的报道（2026-10）
6. Silicon Valley Invest Club，“Vinci — 1.5B” company tear sheet
7. Pomegra, “Vinci raises $250M at 1.5B for chip physics AI in 2026”（2026-10-07）
8. InforCapital, “Vinci Raises 250M for AI Engineering Simulation”

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。