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（885413）、长石资本、磐谷创投（885413）、中赢创投（885413）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（NVDA）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（885728）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（NVDA）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（TSLA）专注于人形机器人（886069）领域，结合VLA模型与自研求解器推进量产；Meta（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（886069）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（NVDA）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（885946）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（NVDA）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（886069）、工业柔性制造、智能驾驶（885736）、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（886069）、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（886069）研发、工业柔性生产、数字孪生（885820）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。
