《科创板日报》8 月 10 日讯（记者 余诗琪）2026 年 8 月初，物理智能关键技术提供商飞捷科思宣布完成数亿元 A1 轮融资，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、优势资本等多家机构参与，云启资本、硅港资本等现有股东继续追加。

这家成立仅一年的公司，由复旦大学教授张立华创立。他曾任职于英伟达，担任 PhysX 物理引擎研发团队负责人，长期从事物理仿真与人工智能领域的研究与工程化工作。2017 年起任教复旦大学。2024 年，他敏锐意识到具身智能浪潮下物理引擎的战略价值，下场创办飞捷科思，目标直指物理 AI 底层工具的国产替代。

成立以来，飞捷科思的融资节奏颇为密集。2026 年内，公司已完成 Pre-A 轮累计数亿元融资，经纬创投、东方富海、云启资本、致道资本等机构先后入局。加上本轮 A1 轮数亿元融资，飞捷科思在不到一年时间内已连续完成多轮大额融资，股东阵容从头部市场化 VC 延伸至产业资本与高校科创平台。

物理 AI 正在成为 AI 产业最热门的赛道之一，但外界对这一概念的理解仍远未统一。英伟达 CEO 黄仁勋认为实现物理 AI 的关键是理解物理世界的规律，构建能够在物理世界中感知、推理和行动的 AI 模型，从而实现机器人、自动驾驶等设备的自主操控。中国科学院院士陈十一则区分了物理 AI 与传统大模型的本质差异，认为物理 AI 的核心不是生成内容，而是理解、预测和影响真实物理世界。浙商证券在研报中指出，当前物理 AI 尚无固定实现范式。而更通俗的理解是：虚拟 AI 负责思考与沟通，物理 AI 则必须感知并行动，让机器在真实物理世界中感知、理解和执行复杂操作。

在张立华看来，数字 AI 处理文本、图像等数字世界信息，物理 AI 则要让人工智能理解真实世界的物理规律。物理 AI 是介于通用大模型和实体硬件之间的关键中间层，没有物理 AI 底座，具身智能很难真正大规模落地。

物理 AI 的技术挑战并非某一个单点算法，而是一整套需要打通的完整闭环基础设施。张立华指出，当前 AI 模型大多停留在感知层面的语义理解，尚未跨越到物理层面的现实做对。从识别物体到完成任务，中间涉及状态建模、物理推演、策略规划、实时控制和安全验证等多重关卡，缺乏符合真实物理规律的底层支撑，AI 在仿真环境中表现完美，落地真实场景往往面临失效风险。

过去一年，飞捷科思搭建起国内首个全栈自研物理智能技术体系，拥有五大核心产品：可微分物理引擎 Fysics、具身智能仿真训练平台 MoziSim、物理 AI 全模态基础模型 OmniFysics、物理世界模型 Fysiverse 和全链路物理 AI 数据解决方案 FysiData。

Fysics 是整套体系的技术底座。据张立华介绍，Fysics 可微分物理引擎的核心优势，在于为物理 AI 铺就一条通往理解复杂世界的道路。它所构建的不是视觉层面的拟真，而是交互层面的可信，力与运动、接触与形变、能量与动量，都在统一的物理法则下自洽演进。他特别强调，对物理 AI 来说，仿真引擎不是附属工具，而是训练数据、试错环境和物理常识的来源。可微分物理仿真能力，让 Fysics 不再只是一个正向预测未来的工具，而是一套可以基于物理进行学习与优化的系统。该引擎已完成对国产 GPU 架构的深度原生适配。

在 Fysics 基础上，飞捷科思于 2026 年 7 月世界人工智能大会上发布物理世界模型 Fysiverse。区别于行业主流侧重画面生成的世界模型，Fysiverse 采用显式物理模拟器加生成式渲染器的双驱动架构，先用物理引擎算准会发生什么，再用生成模型呈现看起来什么样。张立华透露，Fysiverse 发布后，不少机器人、制造企业反馈现有工具要么闭源受限、要么适配成本高，很多企业希望尽快对接测试。此外，飞捷科思还发布了物理 AI 全模态基础模型 OmniFysics 和具身智能仿真训练平台 MoziSim，前者实现图像、音频、视频和文本的跨模态统一理解，后者已全面适配人形、四足、机械臂等主流机器人形态。

本轮数亿元，是飞捷科思成立以来又一笔大额融资。张立华透露，融资从启动到交割整体比较顺畅，物理 AI 赛道的产业价值正在被越来越多机构看懂。他特别提到，WAIC 大会前后是一个重要节点，公司发布 Fysiverse、牵头成立创新联合体，不少投资机构实地参会后加速了决策。老股东的坚定加码也带来了很大信心。

关于资金用途，张立华表示技术、团队、市场都会推进，但核心始终是坚守核心技术全栈自研。物理 AI 需要的不是单一模型，也不是某个单点应用，而是一整套持续演进的生态体系。在他看来，单一企业难以完成这个任务，必须打通产业链上下游协同。

商业化落地方面，飞捷科思聚焦两大方向：具身智能和高端制造业的智能化升级。不同场景诉求各异，机器人场景更看重仿真真实性与 AI 训练效率，高端制造更看重物理计算精度与工况还原能力。张立华透露，公司已从单点技术验证走向多行业客户落地，与多家产业客户开展实质性项目合作。

产业合作也在快速推进。WAIC 期间，飞捷科思牵头组建了国内首个物理智能创新联合体，汇聚 32 家产学研用资单位。张立华强调，这不是传统挂牌式联盟，而是推行任务榜、订单榜、责任榜协同机制，配套贡献积分、动态进退、量化交付管理制度，所有合作以落地成效为核心评判标准，杜绝重揭牌、轻落地形式化合作。

物理 AI 的资本热度正在同步升温。据 CB Insights 数据，2026 年至今全球物理 AI 领域公开融资已达约 73.8 亿美元，超过 2025 年全年的 37.7 亿美元，是 2024 年的三倍多。中位数融资额从 6100 万美元飙升至 1.65 亿美元。更值得关注的是，2025 年该赛道 50% 的交易是首次融资，到了 2026 年这一比例骤降至 8%，92% 的钱流向了已证明过自己的公司。国内赛道上，西湖数智、跨维智能、逆矩阵科技、LiberAI 等多家企业也在今年相继完成大额融资。物理 AI 已从概念验证步入商业化竞速阶段。

在海外工具长期垄断的背景下，飞捷科思选择了一条自下而上的长跑路径，技术壁垒高、投入周期长，但护城河也足够深。物理 AI 改变世界这件事或已不可逆，但谁能成为这条赛道上的长期玩家，答案远未揭晓。

阅 1.3W+ 特别声明：文章内容仅供参考，不构成投资建议。投资者据此操作风险自担。