行业趋势与资本动态 - 2025年7月，半导体设计软件龙头新思科技以350亿美元收购仿真巨头ANSYS，成为工业软件史上最昂贵的交易[2] - 几乎同期，PhysicsX、Neural Concept等AI工业软件公司相继完成1亿美元级融资，显示资本在AI时代对预测物理世界能力重新定价的共识[3] - 在半导体、航空航天等领域，传统物理仿真一轮复杂计算往往耗时数日，工程师被困在网格划分与参数调试中，效率低下[4] 公司概况与团队背景 - 物理世界模型公司极映科技连续完成了数千万元的种子轮及天使轮融资，种子轮由奇绩创坛投资，天使轮由元禾璞华领投，未来光锥跟投[5] - 公司创始人高鑫为迈阿密大学博士、密西根大学博士后，联合创始人邱康（武汉大学博士）与李福华（清华大学博士）组成技术“铁三角”，团队积累了超过30年的物理仿真与软件研发经验，精准覆盖半导体与航空航天领域[6][7] - 公司选择回归质量与能量守恒的底层定律，让AI直接学习偏微分方程的共性，以构建物理上绝对成立的工业仿真模型，补上世界模型中缺失的物理内核[8] 技术路径与核心优势 - 相比传统仿真数值方法，极映的物理世界模型把反馈周期从“天”压缩至“秒”，响应速度百倍于传统仿真[9] - 公司跳出流体、结构、热学等物理场割裂的传统体系，从底层重构自研架构，让神经网络直接学习物理问题的映射关系，实现范式层面的降维打击[8][29] - 模型在FDA血流泵案例中达到R²>0.99的精度，意味着AI仿真和传统数值仿真在统计意义上高度一致，具备一定程度的可替代基础[33][34] - 速度优势主要来自神经网络前向推理的范式，而准确性依赖于自研的模型结构和严格质量控制的高质量数据[36] - 公司正从1.0版本的小样本微调，向2.0版本的零样本通用演进，目标覆盖90%以上的常见物理仿真场景，实现开箱即用[40][41] 市场定位与商业化 - 公司定位不是卖软件，而是提供仿真能力的基础设施，商业模式类比大模型，包括用户按结果付费或开发者调用API集成[61] - 商业化率先切入半导体行业，该行业对仿真依赖度高、痛点强，目前已有项目验证收入，单价在几十万元量级[65] - 公司判断其盈利窗口会早于通用大模型，原因在于工业客户付费能力强、客单价高，且模型专注于物理求解，算力消耗远低于通用大语言模型[62][63][64] - 公司对未来的资本路径持开放态度，无论是独立发展还是被产业方投资或收购，核心标准是看是否有助于技术的广泛应用[66][67] 应用场景与行业影响 - 当前最推荐的落地场景是设计方案的快速比选与筛选，先用AI模型从上百种候选方案中快速筛选出更优方案，再用传统软件进行最终精细验证，平衡效率与可靠性[28][45] - 技术引起了游戏行业如米哈游的关注，潜在应用包括在虚拟世界中构建可信的物理边界，未来在具身智能、机器人等领域可能成为提供物理约束的基础设施[10][69][71] - 物理仿真领域目前大约处于GPT-3.0水平，公司计划在年底发布的2.0版本目标将其推进到接近GPT-3.5的水平，届时工程创新将因仿真极大加速而迎来爆发[42]