央广网北京5月24日消息（记者 邹煦晨）近日，飞捷科思智能科技（上海）有限公司宣布完成Pre-A3轮融资。至此，该公司Pre-A轮累计融资额达数亿元。

据介绍，本轮融资由致道资本、云启资本联合领投，东方富海、硅港资本继续参与投资，泰达基金、常垒创投、长石资本、磐谷创投、中赢创投等十余家机构跟投。

物理AI浪潮席卷全球 产业爆发暗藏深层痛点

2026年初美国CES展上，英伟达创始人黄仁勋多次提及物理AI，认为物理AI时代已经到来。这一观点获得全球科技界广泛认同，人工智能的竞争重点开始从大模型参数规模转向对物理世界运行规律的理解，以及实体世界的自主决策与精准交互能力。

目前，全球多家科技企业已加大对物理AI领域的投入。英伟达依托PhysX物理引擎和Omniverse平台构建全栈生态；谷歌DeepMind通过MuJoCo引擎研发世界模型与机器人推理技术；特斯拉专注于人形机器人领域，结合VLA模型与自研求解器推进量产；Meta则基于Bullet引擎搭建训练平台，开展物理交互相关研究。

国内人形机器人与智能科技企业也在快速发展，但在底层技术方面存在依赖。目前国内多数企业使用英伟达Isaac Sim、Unity等海外仿真平台，物理引擎主要采用PhysX、MuJoCo、Bullet等国外产品，仅有少数企业尝试研发轻量化求解器。

物理AI技术在规模化应用中面临多个挑战：一是物理一致性问题，传统数据驱动模型可能出现不符合物理规律的现象，在复杂现实场景中推理能力下降；二是虚实迁移难度大，仿真环境难以完全复刻现实中的摩擦、传感器噪声等细节，导致虚拟训练的模型在真实场景中性能衰减；三是算力与成本较高，大规模物理AI世界模型训练需要大量算力支持，真实交互数据采集成本昂贵，且传统物理引擎多为不可微分架构，与AI训练的耦合度较低。

业内观点认为，可微分物理引擎是解决上述问题的核心技术。目前全球范围内具备完整自研可微分物理引擎能力的企业数量较少。

创始团队积淀深厚 构筑全栈技术优势

飞捷科思由英伟达PhysX物理引擎主要奠基人张立华教授创办，团队拥有二十余年物理引擎研发经验。

该公司专注于物理 AI 底层技术研发，已搭建起国内首个完整的物理AI全栈技术底座。2026年3月27日，飞捷科思发布了自主研发的可微分物理仿真引擎Fysics。同时，该公司还推出了一站式仿真训练平台MoziSim、全模态物理AI基础模型OmniFysics 以及双向标准化评测基准体系，形成了从物理仿真、数据生成、模型训练、量化评测到产业落地的技术链条。

据介绍，Fysics引擎原生支持刚体、柔体、流体多物理形态耦合求解，具备高精度接触解算和大规模并行仿真能力。其原生可微分架构能够实现与AI训练的深度耦合，有助于缓解Sim2Real虚实迁移问题，降低训练成本并提升迭代效率。

基于Fysics引擎，飞捷科思的OmniFysics全模态物理AI基础模型以3B参数实现了部分超越行业8B参数模型的性能；MoziSim平台可适配各类机器人形态，支持高保真场景仿真与算法训练；专属评测基准体系则为技术迭代和行业标准化提供了量化依据。

国产化替代前景广阔

随着具身智能、人形机器人、工业柔性制造、智能驾驶、医疗机器人等领域加速落地，物理A 的市场空间正快速扩容。据沙利文机构预测，2030年中国物理AI仿真及数据平台市场规模将突破1800亿元，放眼全球更是万亿级的产业蓝海。而物理引擎作为整个产业的底层基石，其国产化替代的刚需性和市场潜力不言而喻。

当前全球主流物理引擎已问世多年，技术架构迭代缓慢，难以适配人形机器人、复杂工业场景的高精度、高耦合仿真需求，行业正迎来技术更替的窗口期。

飞捷科思相关负责人介绍，Fysics引擎恰好踩中行业变革节点，不仅能全面赋能人形机器人研发、工业柔性生产、数字孪生等核心场景，更能帮助国内企业摆脱对海外PhysX、MuJoCo等引擎的依赖，降低供应链风险与长期授权成本。从行业格局来看，物理AI底层赛道仍处于早期阶段，尚未形成绝对垄断格局。飞捷科思凭借自主可控的可微分引擎技术、全栈产品布局以及本土团队服务优势，有望快速切入国内机器人、智能制造、智能汽车产业链，逐步实现对海外引擎的规模化替代。长远来看，飞捷科思有潜力成长为全球物理AI领域的“新型操作系统”级供应商，以底层技术输出参与全球竞争。

此番数亿元Pre-A轮融资收官，为飞捷科思技术迭代、产品落地和市场拓展注入了资金。该负责人表示，随着资本持续赋能、技术优势不断放大，飞捷科思不仅将迎来自身商业化落地的加速期，更将直接带动国内物理AI产业链摆脱底层技术依赖，推动整个实体智能产业迈入自主可控、高质量发展的新阶段。物理 AI 的赛道角逐已然下半场，底层技术国产化的浪潮，才刚刚开始。