物理AI无疑是当下硬科技赛道最受瞩目的方向,没有之一。

刚刚落幕的WAIC2026上,物理智能相关展区始终是人流最密集的区域。人形机器人完成更精细的动作演示,工业数字孪生方案走进真实产线,无人工程机械开始模拟复杂工况……当行业的注意力纷纷被终端产品的进步吸引时,一个更核心的瓶颈正在愈发凸显:如何让人工智能真正理解真实世界的物理规则,跨越横亘在虚拟仿真与现实场景之间的虚实鸿沟?

答案藏在更底层的技术基座里。近日,物理智能领军企业飞捷科思宣布完成数亿元A1轮融资。本轮由老股东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、湘江国投作为新增投资方参与投资;云启资本、硅港资本、中赢创投、常垒创投等现有股东继续追加投资,融资金额数亿元,充分体现了资本市场对公司技术实力与发展前景的高度认可。

上半年三轮融资:每一步都踩在技术节点上

这并非飞捷科思首次获得资本加持。2026年开年至今的短短半年里,这家公司已经密集完成Pre-A1、Pre-A2、Pre-A3三轮融资,Pre-A系列累计融资额达数亿元,投资方阵容持续扩容,既验证了物理AI底层赛道的长期价值,也为本次A1轮融资奠定了坚实的资本与技术基础。

每一轮融资都对应着清晰的技术里程碑,一步一个脚印。

2026年1月的Pre-A1轮,由经纬创投、东方富海联合领投,沐曦股份、驰星创投等参与,融资额近亿元。这笔资金全部投入Fysics可微分物理引擎初代版本的架构搭建与核心算法团队扩充,从起点就确立了全栈自主可控仿真引擎的研发路线。

2026年3月的Pre-A2轮,由鼎峰科创领投,硅港资本、泰有基金、溢倡资本跟投,东方富海等早期老股东继续追加。研发重心转向刚体、柔体耦合求解器优化,MoziSim一站式仿真训练平台启动产品化打磨,技术开始走出实验室,对接工业机器人客户开展小范围试点验证。

2026年5月的Pre-A3轮,由致道资本、云启资本联合领投,东方富海、硅港资本持续跟投,泰达科投、常垒创投等十余家机构入局,为Pre-A系列融资画上句号。本轮重点推进OmniFysics全模态物理AI基础模型研发,同步启动国产GPU深度适配工作,完成了从底层引擎到上层模型的技术闭环。

三轮资本蓄力,飞捷科思完成了从底层引擎技术验证、产品原型开发到标杆场景试点的完整跨越。此次A1轮融资作为关键里程碑,标志着公司正式从技术研发期,全面进入商业化规模扩张与产业生态共建的新阶段。而泰达科投、云启资本、硅港资本等贯穿多轮的老股东持续跟投,本身就是对团队技术能力与长期价值的最强背书。

资本共识:底层引擎才是跨越虚实鸿沟的钥匙

本轮融资的投资方阵容兼具产业资源、国资背景、财务投资与高校科创平台多重属性,形成了强大的赋能矩阵。在这份豪华阵容的背后,是全行业对一个核心痛点的共识:物理可信能力,正在成为AI走向实体世界的核心瓶颈。

过去几年,大模型的快速发展让AI具备了强大的语言与视觉理解能力,但一旦进入真实物理场景,短板立刻显现:纯数据驱动的模型常常推演出不符合力学规律的动作,仿真环境中的训练成果难以迁移到现实世界,“看起来合理、实际上不可行”的物理幻觉,成为人形机器人、工业数字孪生、无人装备落地的最大阻碍。

业内普遍认为,单一依靠视觉数据训练的路线,终究会触碰到物理可信性的天花板。要真正跨越虚实鸿沟,必须从底层引擎入手,将第一性物理原理注入AI的内核。而可微分物理引擎,正是破解这一难题的核心技术。

“物理世界的运行有其固有规律,不是靠海量视频就能完全拟合的。”在飞捷科思创始人张立华看来,只有把重力、碰撞、摩擦、材质形变这些真实的物理规则嵌入模型底层,才能从根源上解决推演失真的问题,让仿真与现实真正对齐。

飞捷科思全栈自研的可微分物理引擎,恰好填补了国内这一领域的空白。作为国内极少数掌握完整底层技术的团队,其技术路线完美契合国产算力替代、硬核科技自主创新的国家战略,兼具极高的技术壁垒与广阔的商业化空间。这也是为何不同背景的资本会在这条赛道上形成合力,持续重仓。

WAIC2026:三大成果定义物理智能新范式

这份技术底气,在刚刚落幕的WAIC2026上得到了集中释放。飞捷科思在大会上发布的三大核心成果,成为本届大会物理智能赛道的标志性事件,也为本次A1轮融资夯实了技术价值基础。

其中最受关注的,当属Fysiverse新一代物理世界模型的正式发布。区别于行业主流纯数据驱动、视觉生成导向的世界模型,这款模型以自研Fysics可微分物理仿真引擎为底层基座,采用显式物理模拟器+生成渲染器双驱动架构。它将重力、碰撞、摩擦、刚柔流体耦合等第一性物理原理嵌入模型内核,让每一次场景推演、每一个动作模拟都天然符合真实物理规律,从根源上解决大模型“物理不合理推演”的幻觉问题,实现真正可解释、可落地的物理可信世界推演。同时模型原生适配国产GPU算力集群,能够为人形机器人闭环训练、复杂工况仿真提供稳定可靠的硬核底座。

如果说Fysiverse是拉高了行业的技术上限,那么同步开源的Fysiverse-3D实景重建管线,则是在降低全行业的研发门槛。面向全球开发者、高校科研院所与产业客户开源的单图三维物理场景重建工具,仅通过单张RGB图片即可完成物体拆解、空间约束校正、重力稳定性校验,直接输出可接入物理仿真环境的三维资产。这项对标国际头部厂商的技术,大幅降低了真实场景向虚拟仿真环境转化的研发成本,让更多团队能够低门槛参与物理AI的创新,推动整个行业的Real-to-Sim效率升级。

技术突破之外,产业生态的搭建同样重要。大会期间,飞捷科思作为牵头单位,联合复旦大学、哈尔滨工业大学等高校,沐曦、拓斯达、博雷顿、中国软件评测中心等32家产学研用资机构,正式成立国内首个系统性物理智能创新联合体(CPii)。联合体以市场化任务榜单为牵引,打通底层算力、核心算法、场景落地、标准评测全链条,目标直指推动物理AI行业标准制定、测试验证体系搭建与规模化示范项目落地,让技术创新真正对接产业需求。

同期落地的6项深度产业战略合作,更让商业化路径清晰可见: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,再到联合评测机构搭建仿真测试场、落地数据采集闭环方案与产教融合实验室,技术正在一步步从实验室走向真实的产业场景。

资金投向:深耕底层,加速落地

据了解,本轮A1轮募集的数亿元资金,将全部投向三大核心板块,持续深化技术壁垒,加速落地节奏。

一是底层核心技术的深度迭代。持续优化Fysics可微分物理引擎的求解性能,完善刚体、柔体、流体、颗粒多相耦合高精度解算能力,迭代OmniFysics全模态物理AI基础模型与Fysiverse物理世界模型,进一步夯实全栈自主可控的技术护城河。

二是核心产品与行业方案的落地。推进MoziSim一站式仿真训练平台企业版的商业化交付,针对工业机器人、人形具身智能、无人矿山工程机械、自动驾驶仿真四大核心赛道打造标准化解决方案,扩大标杆客户落地数量。

三是产业生态与团队能力扩充。壮大算法研发、工程落地、市场交付核心团队,运营好物理智能创新联合体生态,拓展国产算力适配、行业评测、产学研项目合作,推动物理AI技术在高端制造、智能装备领域的国产化替代进程。

这样的战略选择,与团队的技术底色一脉相承。飞捷科思由原英伟达PhysX引擎核心奠基人张立华教授带队创立,是国内极少数具备完整可微分物理引擎全栈自研能力的硬核科技团队。曾经参与打造全球应用最广物理引擎的经验,让团队既懂底层技术的深度,也懂产业落地的工程逻辑。

在张立华看来,物理AI的发展路径,与早年的自动驾驶有诸多相似之处:早期行业都在比拼算法本身,但随着技术走向成熟,竞争的核心会逐渐转向数据闭环、工程体系与基础设施。只有建立起可量化、可复现、可持续验证的工程体系,让仿真、训练、验证、落地形成完整闭环,技术才能真正走出实验室,支撑规模化的产业应用。

做物理AI时代的“筑路者”

每一轮新技术浪潮的早期,产业链都来不及形成清晰的分工。物理AI也是如此。

为了尽快跑通产品、验证场景,许多公司需要同时覆盖本体研发、模型训练、仿真测试多个环节。一家公司包揽全链路,并非完全源于扩张冲动,而是外部基础设施尚未成熟时,现实且必要的选择。

但当行业从Demo走向规模研发,问题也会随之变化。物理引擎、仿真平台、评测体系,每一个底层环节都需要长期、巨额的投入。如果每家公司都从零搭建一套完整体系,不仅研发成本高企,大量相似的技术与工程能力也会被重复建设。

在张立华的判断里,未来的物理AI行业终会走向专业分工:上层会涌现出若干家通用模型公司与数千家细分场景落地公司,而底层则需要专业的第三方基础设施提供商,把共性的、高投入的物理仿真、场景重建、评测验证等能力沉淀下来,让上层玩家能够把更多资源投入到算法创新与场景打磨中。

“就像修路,道路修好以后,上面可以跑不同品牌的车,去往不同的目的地。没有必要每家公司都单独修一条路。”张立华说。

淘金时代,人们总会把目光投向挥舞铁锹的掘金者;但真正支撑一场产业浪潮持续向前的,从来不只有淘金者,还有卖铲子的人,以及筑牢地基、修建道路的人。

当物理AI的竞速逐渐走进产业化深水区,飞捷科思选择的,正是做那个筑牢底层底座的人。而数亿元A1轮融资的落定,也将让这条物理AI的底层之路,走得更稳、更远。