来源：猎云网

2026 年全球科技赛道的最大风口，无疑当属物理 AI。当人工智能跳出纯虚拟文本生成的范畴，开始深度理解、复刻、交互真实物理世界，一场重塑人形机器人、智能制造、自动驾驶等万亿产业的变革已然开启。

近日，飞捷科思智能科技（上海）有限公司宣布正式完成 Pre-A3 轮融资，叠加此前两轮募资，飞捷科思的 Pre-A 轮累计融资落定数亿元。本轮融资由致道资本、云启资本联合领投，东方富海、硅港资本持续加码，泰达基金、常垒创投、长石资本、磐谷创投、中赢创投等十余家知名机构联袂入局。

资本扎堆加持的背后，不只是对一家科创企业的看好，更是市场对物理 AI 赛道爆发前景的一致预判，以及对飞捷科思掌握自主可控物理 AI 底层核心技术的高度认可。在英伟达、谷歌、特斯拉等国际巨头垄断物理引擎根基，国内产业长期依赖海外技术的当下，飞捷科思以自研全栈技术破局，不仅补上了国内物理 AI 基础设施的短板，更有望在全球新一轮科技竞争中，推动中国技术从跟跑迈向并跑乃至领跑。

物理 AI 浪潮席卷全球，产业爆发暗藏深层痛点

2026 年初的美国 CES 展上，英伟达创始人黄仁勋多次提及物理 AI，直言物理 AI 时代已经到来。这一判断迅速成为全球科技界共识，人工智能的竞争逻辑开始改写：从比拼大模型参数规模，转向读懂物理世界运行规律，从数字空间的语义交互，升维到实体世界的自主决策与精准交互。

眼下，全球科技巨头已全线重兵押注物理 AI 赛道。英伟达依托 PhysX 物理引擎、Omniverse 平台搭建全栈生态，试图掌控物理 AI 底层基础设施；谷歌的 DeepMind 则凭借 MuJoCo 引擎深耕世界模型与机器人推理；特斯拉专项聚焦人形机器人，以 VLA 模型搭配自研求解器冲刺量产；Meta 则基于 Bullet 引擎搭建训练平台，布局低成本物理交互。

我国产业界同样热度高涨，智元、优必选、小鹏、宇树等人形机器人与智能科技企业快速崛起，但技术根基却容易陷入 " 卡脖子 " 境地。目前国内绝大多数企业均采用英伟达 Isaac Sim、Unity 等海外仿真平台，物理引擎更是高度依赖 PhysX、MuJoCo、Bullet 等国外产品，仅有少数企业在尝试轻量化求解器进行技术边角创新，底层核心技术近乎一片空白。

热潮之下，物理 AI 规模化落地的核心痛点愈发凸显，已成为制约行业前行的拦路虎。首先是物理一致性缺失，传统数据驱动的模型常出现物体穿墙、悬浮等物理幻觉，复杂现实场景中推理能力大幅下滑，无法满足工业、家用机器人等安全关键场景的应用要求；其次是虚实迁移鸿沟难以逾越，仿真环境难以精准复刻现实中的摩擦细微变化、传感器噪声等细节，虚拟训练成熟的模型落地真实场景后性能大幅衰减，研发投入付诸东流；最后是算力与成本壁垒高企，大规模物理 AI 世界模型训练需要顶级算力支撑，单模型训练成本动辄数千万美元，真实交互数据稀缺且采集昂贵，叠加传统物理引擎多为不可微分架构，无法与 AI 训练深度耦合，进一步推高了行业研发门槛。

业内普遍认为，所有痛点的根源，都指向可微分物理引擎这一技术底层核心。而全球范围内，具备完整自研可微分物理引擎能力的企业寥寥无几，这也成为了物理 AI 赛道最核心的技术护城河。

创始团队积淀深厚，飞捷科思构筑全栈技术优势

资本层面重金加注飞捷科思，核心底气源于其扎根底层的技术硬实力。飞捷科思是由英伟达 PhysX 物理引擎主要奠基人张立华教授创办，团队拥有二十余年全球一线物理引擎研发经验，深谙国际主流引擎的技术架构与行业痛点，这也为飞捷科思实现技术弯道超车奠定了扎实根基。

不同于多数企业多聚焦于应用层适配，飞捷科思从源头开始攻坚物理 AI 底层技术，早已搭建起了国内首个完整的物理 AI 全栈技术底座。今年 3 月 27 日，飞捷科思正式发布了完全自主研发的国内首款可微分物理仿真引擎 Fysics，一举打破海外的技术垄断。与此同时，一站式仿真训练平台 MoziSim、全模态物理 AI 基础模型 OmniFysics、双向标准化评测基准体系同步落地，完整打通从物理仿真、数据生成、模型训练、量化评测到产业落地的全链路闭环，形成了别家难以复制的技术体系优势。

在核心技术层面，Fysics 引擎更是实现了颠覆性突破。它从底层重构仿真逻辑，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、大规模并行仿真能力，动力学保真度跻身国际领先水平。更关键的是，其原生可微分架构，完美解决了传统引擎无法与 AI 训练深度耦合的行业顽疾，直接打通 " 仿真—训练—优化 " 的全链路，从根源上缓解 了 Sim2Real 虚实迁移的难题，大幅降低训练成本、提升迭代效率。

依托 Fysics 引擎底座，飞捷科思的全栈产品矩阵价值持续释放。OmniFysics 全模态物理 AI 基础模型另辟蹊径，以 3B 小参数实现超越行业 8B 大参数模型的性能，精准捕捉物理因果与物体属性认知；MoziSim 平台则适配各类机器人形态，支撑高保真场景仿真与算法训练；专属评测基准体系更是填补了行业量化评测的空白，为技术迭代和行业标准化提供了依据。这种 " 引擎 + 平台 + 大模型 + 评测体系 " 的完整布局，让飞捷科思跳出了单一产品竞争，跻身全球物理 AI 底层基础设施核心供应商行列。

千亿市场空间开启，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。飞捷科思的 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充足资金。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。