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
PhysicsX 以大物理模型与大几何模型做工业仿真,语料取自 Simcenter 高保真求解结果。2026 年 6 月完成 3 亿美元 C 轮、估值 24 亿美元;10 月与 Fortescue 扩大多年期合作,落地采矿与金属运营场景。
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。团队规模接近 400 人(2026 年 10 月 8 日官方口径),2026 年 7 月 31 日 British Business Bank 新闻稿口径为超 300 人;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。
2026 年 10 月 1 日,Dael Williamson 加入 PhysicsX 任首席技术与平台官(CTPO),此前任 Databricks EMEA 首席技术官。这次任命把工程问责落到具体的人身上,而公司两位创始人此前都没有计算力学背景。
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。
美洲杯船队 GB1:几何生成与秒级预测构成的闭环
2026 年 10 月 21 日,PhysicsX 与美洲杯船队 GB1 在 NVIDIA GTC Berlin 公布了合作的新阶段:大几何模型(LGM)生成船体几何,大物理模型(LPM)给出秒级预测,两者构成闭环主动学习——预测结果回流到几何生成,形成迭代。
随公告公布的早期结果有三项:高保真 RANS 仿真量减少约 5 倍、相对 panel method 的精度提升约 100 倍、整体评估提速约 100 倍。
这三个数字与公司常用的速度口径不是同一个量。「一万倍到接近一百万倍」对比的是完整仿真工作流的总耗时,而这里的 5 倍、100 倍、100 倍是围绕船体几何这一具体问题、相对 RANS 仿真与 panel method 基准的增量口径。两组数字各自成立,彼此之间无法换算,也不构成可跨场景迁移的精度主张。目前没有第三方复现。
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)、Fortescue 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。
采矿与金属运营场景:Fortescue
2026 年 10 月 27 日,PhysicsX 宣布与 Fortescue 的多年期协议扩大。双方此前已有两年多 R&D 合作,扩大后的协议把合作推进到采矿与金属业务的运营场景,覆盖大物理模型(LPM)、高级仿真与 AI 工程应用。公告中具名了 Fortescue 的 AI 与 IT 总监 Ellie Coates。
**这条公告标注的是部署阶段而非设计期工具。**上面名单里的大多数是分析工具的使用关系,而这一次被描述为在矿业生产环境内的部署。若按公告所述推进,PhysicsX 的使用场景会从设计期分析进入生产期工程,两者对应的验证要求、集成深度与收入性质都不同。协议金额、期限与具体部署范围均未披露,因此本文按合作与部署记录,不作为已确认的收入事件。
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。
- 2026 年 7 月 31 日:英国 British Business Bank 经 British Growth Partnership Fund I 投资 2500 万美元,被描述为该轮的第四笔。这笔投资在 3 亿美元 C 轮额度之内,而非叠加在轮次之上。
- 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。
团队规模接近 400 人(2026 年 10 月 8 日官方口径),2026 年 7 月 31 日 British Business Bank 新闻稿口径为超 300 人,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。
DISCREPANCIES
1. 员工规模口径与所指时点。「超 300 人」出自 2026 年 7 月 31 日 British Business Bank 新闻稿;2026 年 10 月 8 日新加坡副总理兼能源与贸工部长颜振勇在 PhysicsX 新加坡中心启用活动上给出「全球接近 400 人」的口径。两者相隔约三个月,属时点差异而非互相否定。本报告采用 10 月口径,并把 7 月口径作为历史时点保留。来源等级:OFFICIAL 与 MEDIA。
**2. C 轮总额与分笔投资的口径。**2026 年 6 月 8 日公布的 C 轮总额为 3 亿美元、估值约 24 亿美元;2026 年 7 月 31 日 British Business Bank 经 British Growth Partnership Fund I 投资 2500 万美元,被列为该轮的第四笔。各笔金额与出资方清单未完整披露,因此这笔投资应理解为 C 轮额度之内的一笔,而非叠加在轮次之上的增量融资,累计融资额仍按 4.87 亿美元计。来源等级:OFFICIAL。
**3. 客户与合作方的披露口径不同。**具名客户名单涵盖 Applied Materials、西门子、Stellantis、Leonardo Aerospace、力拓、Microsoft Surface 与 Fortescue,而 A*STAR 的五年期 4000 万新元安排与美洲杯船队 GB1 的合作属于研究共建关系。公开信息未区分参考关系与生产部署,本报告按各自的披露类型分别标注。来源等级:OFFICIAL 与 MEDIA。
**4. 性能指标的口径差异。**公司常用的「一万倍到接近一百万倍」对比的是完整仿真工作流的总耗时;2026 年 10 月 21 日与美洲杯船队 GB1 公布的一组数字(高保真 RANS 仿真量减少约 5 倍、相对 panel method 精度提升约 100 倍、整体评估提速约 100 倍)是围绕船体几何这一具体问题、相对特定基准的增量口径。两组数字各自成立,彼此之间无法换算,且都没有第三方复现。来源等级:OFFICIAL。
**5. 相对表述的精度主张与绝对误差的缺口。**公开的精度信息都是相对表述——速度倍数、客户口径的时间节省、内部仿真结果——没有任何公开的绝对误差值,也没有平台级同行评审基准。相邻工作中 Luminary Cloud 报告的「低个位数百分比误差」来自不同架构与不同训练数据,此处仅作为「可信精度主张形态」的参照,不构成与 PhysicsX 的对比。来源等级:OFFICIAL 与 MEDIA。
**6. 估值口径与推算的稀释比例。**24 亿美元是 C 轮的投后口径;「3 亿美元占投后约 12.5%」是本报告的算术,公司未披露该轮投前估值与完整稀释比例。数据库中常见的「投前约 21 亿美元」或「估值 24 亿」等表述多为对同一公告的转述,本文以公司公告的投后口径为准。来源等级:OFFICIAL。
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
techScore 8.5。 2500 万个以上几何形状、数百亿网格单元与数万次高保真运行构成的语料,公开的零样本演示器 Ai.rplane,几何生成与物理推断分离的架构确有新意。扣分项在于无任何公开的绝对误差数字、无平台级同行评审精度基准、速度口径对比的是完整工作流而非求解阶段。
bizScore 7.5。 六个行业具名客户(含航空主承包商与半导体设备厂商),2026 年 10 月与 Fortescue 的多年期协议扩展到采矿与金属业务的运营部署,收入近 5000 万美元、确认收入翻倍与签约收入三倍、六个月积压、半导体超越航空航天成最大板块。扣分项在于「已部署」与「已引用」未公开区分、部署形态是叠加在位者工具链而非替代、合同经济性未披露。
fundScore 9.5。 累计 4.87 亿美元、超额认购的 3 亿美元 C 轮 @ 24 亿美元估值(含 British Business Bank 经 British Growth Partnership Fund I 的 2500 万美元这一笔),投资人涵盖算力、工业软件、半导体设备与主权资本。扣分项仅在于尚无能让估值被交付检验而非被计划检验的收入基础。
productScore 7.5。 文档化的模型家族(LPM + LGM)、横跨六个行业有真实客户成果的生产平台、2026 年 10 月公布的 GB1 闭环主动学习演示,以及在线公开演示器。扣分项在于精度包络未公开刻画、若干生命周期阶段仍是愿景而非已交付能力、接近 400 人覆盖六行业多物理域的运营面偏宽。
marketScore 8.0。 物理 AI 品类中资本化与部署广度居前二,战略股东实质上构成一张分销网络,淡马锡的亚洲通道补上了欧洲深科技的结构性短板。扣分项在于估值定价的平台远大于当前有证据支撑的收入、品类资本已抬升一个数量级、能构成持久护城河的精度主张仍未量化。
参考资料
- PhysicsX, “PhysicsX Announces $300M Series C to Accelerate Physics AI for Industrial Engineering”(2026-06-08)
- Siemens Digital Industries Software, “Siemens & PhysicsX collaborate to build AI-based deep physics simulation”
- The Straits Times, “Deeptech unicorn PhysicsX opens regional hub in S’pore to scale AI-powered industrial engineering”(2026-10-08)
- Bloomberg 对 3 亿美元 C 轮、24 亿美元估值的报道(2026-06-08)
- greyjournal, “PhysicsX Raises $300M Series C at $2.4B Valuation”(2026-06)
- InforCapital, “PhysicsX Raises $300M, Valuation Hits $2.4 Billion”
- Aviation Week 对 CEO Jacomo Corbo 的访谈(速度口径与模型架构)
- Setinek 等,《SIMSHIFT: A Benchmark for Adapting Neural Surrogates to Distribution Shifts》,arXiv:2506.12007
- PhysicsX 与 A*STAR 五年期 4000 万新元合作公告(2026-10)
- PhysicsX,《PhysicsX and Fortescue expand partnership to accelerate industrial innovation with AI》(2026-10-27)
- 新加坡贸工部,副总理兼能源与贸工部长颜振勇在 PhysicsX 新加坡中心启用活动上的演讲(2026-10-08)
- PhysicsX,《Dael Williamson joins PhysicsX as Chief Technology and Platform Officer》(2026-10-01)
- PhysicsX,《PhysicsX and GB1 unveil new AI-powered approach to Americas Cup yacht design at NVIDIA GTC Berlin》(2026-10-21)
- British Business Bank,经 British Growth Partnership Fund I 投资 PhysicsX 2500 万美元(2026-07-31)
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 11 月 2 日,请以公司公告与定期报告为准。
相关论文
相关案例
相关报告66
- 五一视界深度调研:港股上市的数字孪生公司,51Sim 已是第一增长引擎而 51Earth 近乎归零,两套完全不同的融资轮次命名口径必须并存
- AMI Labs 深度调研:10.3 亿美元种子的世界模型豪赌,LeCun 的非生成式路线与它的空白成绩单
- 安世亚太 PERA 深度调研:2003 北京创立的国产 CAE 龙头,PERA SIM 通用仿真 + AIROM 降阶 + AgentX 多智能体 + 精智 iGPT/Whale,从工业仿真跨越到物理 AI
- AspenTech 深度调研:被 Emerson 全资收购的过程仿真巨头与其工业 AI 混合建模路线
- Autodesk 深度调研:以 Neural CAD 基础模型与 2 亿美元 World Labs 押注物理世界 AI,NAVASTO 补齐 CFD 代理能力
- Bentley Systems 深度调研:以 iTwin 数字孪生与生成式 AI 赋能基础设施全生命周期工程
- BeyondMath 深度调研:神经算子路线的基础物理 AI,$19M 联盟预算、1000 倍加速与三个被误读的事实
- Cadence 深度调研:以 EDA 系统级多物理场与 Millennium M2000 超算切入物理 AI,AuraStack 智能体与 Fidelity GPU CFD 成关键抓手
- COMSOL 深度调研:四十年多物理场求解器基业,以 DNN 代理模型训练与全物理场 GPU 加速切入物理 AI
- Dassault Systèmes 深度调研:以 3DEXPERIENCE 与 SIMULIA 虚拟孪生物理行为切入工业 AI,LEO 虚拟助手与 GPU 显式动力学成物理 AI 支点
- 深势科技深度调研:从戈登贝尔奖到国家级独角兽与港股门前,AI for Science 龙头的技术兑现与商业化空白
- Emmi AI 深度调研:17 个月从林茨 spin-out 到 3.3 亿欧元被 Mistral 收购,AB-UPT 拿下 CFD 代理模型 SOTA
- Fainite 深度调研:苏黎世物理 AI 仿真初创,Caltech/ETH/剑桥/谷歌背景团队用物理感知深度学习把仿真从数十小时压到秒级,仅获 Venture Kick 资助、尚无定价轮次
- 飞捷科思深度调研:PhysX 奠基人的二次创业,国产可微分物理引擎与它的生态打法
- 凡拓数创(301313)深度调研:从数字展馆到物理 AI 数据基座的战略跃迁,FTE 引擎与 FunSim 仿真平台的卡位成色及收入兑现节奏
- Godela 深度调研:YC X25 物理 AI 仿真初创,前苹果/谷歌/英特尔团队用物理约束代理模型把仿真从数天压到秒级,仅 seed 轮、试商用 pilot 制
- 霍莱沃(688682)深度调研:以 RDSim AI 电磁仿真与工业智能体贯通「仿真-测量-产品」闭环
- 阿尔特 IAT 深度调研:A 股首家独立汽车设计公司全线转向 AI 研发,圆方/御风/太乙 3.0 产品体系落地并携手英伟达 Omniverse,2025 年营收 9.75 亿元、归母亏损扩大至 2.50 亿元
- Inductiva 深度调研:一个已停运的开源求解器编排样本,八处必须纠正的前提,以及联合创始人 CTO 的停运后去向
- 英特仿真(INTESIM)深度调研:2009 年成立的国产 CAE 龙头之一,自研结构/流体/电磁/热/声学求解器与多物理场耦合平台,完成中网投、深创投亿元 B 轮,2025 年营收签单双过亿
- 软通动力(301236)深度调研:依托软通天枢打造 L1/L2/L3 三层全栈物理 AI 架构,自研 TwinHub 数字孪生、FSim 工业仿真、CAE 多物理场与 Phyxis 具身控制
- Jua 深度调研:以地球物理基础模型 EPT 服务能源交易与电网决策
- Keysight(含 ESI Group)深度调研:以虚拟样机与混合 AI 连接测量与仿真,EDA 引入自然语言助手
- 光轮智能深度调研:前英伟达仿真负责人创办的物理 AI 数据与评测基础设施商,七轮融资约 26.5 亿元估值超 20 亿美元,同时进入 Newton 与 EgoVerse 两大国际标准委员会,订单口径存在 5.5 亿元人民币与 1 亿美元两套说法
- Luminary Cloud 深度调研:NVentures 押注的「物理 AI 模型工厂」,用 SHIFT 模型与 GPU 原生求解器改写 CAE 云化路径
- MathWorks 深度调研:以 MATLAB/Simulink 与 Simscape 多物理场支撑物理 AI,R2026a 推出 Copilot 与 Agentic Toolkit 布局端侧智能
- 觅蜂科技 Maniformer 深度调研:智元机器人孵化的物理 AI 数据基础设施,MEgo 无本体采集硬件量产,半年三轮融资中国电信领投
- Mistral AI 深度调研:30 亿欧元欧洲最大融资背后,Physics AI 如何从语言模型走到 EUV 光刻与核电站
- Monolith AI 深度调研:不加速仿真,而是砍掉物理试验次数的英国工程 AI,被 CoreWeave 收入囊中
- Monumo 深度调研:剑桥深科技电机 AI 设计公司,Anser 引擎日千万级多物理场仿真,累计融资 1050 万英镑,A 轮正在募资中
- NAVASTO 深度调研:把求解器的洞察左移到设计师工作台,Autodesk 用一次收购买下这个入口
- Navier 深度调研:把 CFD 工作流交给智能体,旧金山硬件工程 AI 的种子期豪赌
- Neural Concept 深度调研:EPFL 出身的工程 AI,用 1.38 亿美元融资押注「代理模型能否替代部分求解器」
- NP Co.(NP Company)深度调研:2025 年成立的巴黎 Inria 孵化 AI 原生仿真初创,€6M 天使前轮由 Partech 领投、Mistral 联合创始人参投,宣称预训练物理基础模型实现 1000x 加速,多项宣称待验证
- NVIDIA 深度调研:以 PhysicsNeMo、Warp、Cosmos 世界基础模型与 Omniverse 构建物理 AI 全栈基础设施
- Physical Intelligence 深度调研:31 亿美元级融资押注「机器人的 GPT 时刻」,π0.7 自陈未见任务成功率仅 60–80%,Pi API 定价与收入双双未披露
- Physical Superintelligence 深度调研:58 亿美元级种子轮押注「虚拟物理学家」,Emmy 平台把 AI 数据中心多物理优化当作首个商业化证明
- Prometheus 深度调研:410 亿美元估值、182 亿美元融资,却还没有一个产品
- PTC 深度调研:以 Creo/Onshape 与 ThingWorx 数字主线支撑物理 AI,借 NVIDIA Isaac Sim 打通机器人设计到仿真
- 千诀科技(北京千诀科技有限公司)深度调研:预测式世界模型 Polibrain、类脑分区架构与多项式表征,一个「不造本体」的具身大脑如何接入十万台清洁与服务机器人
- Quanscient 深度调研:云原生与量子赋能的多物理场仿真,AI-Native 硬件工程的数据引擎
- Rescale 深度调研:云上的 HPC 操作系统与桌面工程工作台,1.15 亿美元 D 轮与五处被误读的事实
- Schrödinger 深度调研:以 FEP+ 物理模拟与机器学习支撑分子发现,2026 年推出 Bunsen 智能体共同科学家
- Secondmind 深度调研:剑桥工程 AI 公司,贝叶斯主动学习把 CAE 仿真与台架试验减少最高 90%,累计融资约 7300 万美元,马自达兼具客户与投资人身份
- 适创科技深度调研:以 SupreCAST 云原生材料加工仿真与工业智能体,推进 CAE+AI 战略
- 舜云科技深度调研:以粒子法 shonDy 切入新能源与核能流体多物理场仿真
- 数智脉进深度调研:深圳 SNN+LBM 全栈自研 CFD 初创,宣称消费级硬件秒级出数亿网格结果,获财政部下属基金数千万天使轮,规划迁核心算法至 FPGA
- Siemens(含 Altair)深度调研:2025 完成 Altair 收购,Simcenter 与 Altair 仿真组合并,PhysicsAI 几何深度学习与 PhysicsAI Generate 成物理 AI 核心
- Silurian 深度调研:以生成式预报 Transformer 构建地球系统基础模型,面向能源与基建资产的天气风险
- SimScale 深度调研:把 CAE 许可证变成按核时订阅的云端仿真平台,5200 万欧元股权与 2500 万欧元债务必须分开算,以及五处被误读的事实
- Skild AI 深度调研:CMU 机器人研究所孵化的通用机器人基础模型,1.4 亿美元 C 轮对应 140 亿美元估值,但 B 轮规模存在 1.35 亿与 5 亿的口径冲突
- 松应科技深度调研:华为云系团队创办的国产物理 AI 操作系统商,ORCA OS 宣称对标英伟达 Omniverse,融资轮次在三套口径下各不相同,风语筑 2000 万元少数股权投资是可核验的第三方锚点
- 苏度科技(上海苏度科技有限公司)深度调研:零真机数据的仿真训练路线、Sudo R1 全栈自研与「原子能力」商业化,一家成立 17 个月估值超 200 亿元的具身智能新独角兽
- 索辰科技深度调研:从 CAE 工具商到物理 AI 平台商的转型阵痛
- Synopsys(Ansys)深度调研:2025 完成收购 Ansys,从 EDA 龙头跃升为「硅到系统」工程解决方案领导者,Ansys SimAI 与 NVIDIA 物理 AI 合作为核心抓手
- 十沣科技深度调研:院士领衔的国产工业仿真软件,官方时间线与数据库口径的轮次命名完全不同,官方融资 PDF 与投资数据库同时存在且不可合并
- 天洑软件深度调研:2011 年成立的国产智能 CAE 老兵,C 轮数亿元,2024 起主打「工业世界模型」,融资口径与估值多处不可调和,营收从未披露
- 同元软控深度调研:以 MWORKS(Syslab/Sysplorer)对标 MATLAB/Simulink,借 MWORKS AI 与 MOGICK 工程智能体推进国产物理 AI
- 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
- 西湖机器人深度调研:西湖大学首个机器人成果转化项目,以 WR1 全身通用基座与 GAE 行为专家大模型构成大小脑双预训练架构,半年四轮融资约 5 亿元
- World Labs 深度调研:李飞飞的空间智能独角兽,被 AMD 以 82 亿美元收编
- 深圳元象信息科技(元象科技 XVERSE)深度调研:认知与感知双轮驱动的仿真世界路径,XVERSE 大模型、端云协同 3D 引擎与物理驱动动作生成模型 MotionGen
- 云道智能深度调研:从自主求解器到物理 AI 引擎,国产 CAE 的登顶者与它的未竟之战
- 云境智仿深度调研:北大孵化的云原生 GPU CAE 公司,Simversus 平台加 YJ-DORGP 小样本智能求解器,2025 年自述订单增 275%、营收增 160% 并达盈亏平衡
- 中科第五纪(杭州)深度调研:中科院自动化所与清华联创的具身基础模型公司,FAM 动作光流跨本体通用、3–5 条示范达 97% 成功率,纪元灵脑+纪灵机器人服务中石化/零跑/美的
- 中望软件(688083)深度调研:自主 Overdrive 内核与中望3D悟空 2027 撑起 CAD/CAE/CAM 一体化,CAx 智能体平台是通往工程 AI 的现实路径
本报告基于公开信息整理,仅供参考,不构成任何投资建议。数据截至报告发布日,请以公司公告与定期报告为准。