Flexcompute säkrar strategisk investering i Physics World Model

Bostonbaserade Flexcompute meddelade den 12 oktober 2026 att företaget har fått en strategisk investering från bland andra Samsung Ventures och Applied Ventures, LLC, riskkapitalgrenen till Applied Materials, Inc. Företaget uppgav att finansieringen ska påskynda arbetet med Physics World Model, ett AI-system som enligt företaget förutsäger hur en konstruktion kommer att fungera i verkligheten genom att lära sig själva fysikens lagar. Investeringsbeloppet offentliggjordes inte.

Strategisk investering och finansieringshistorik

Flexcompute uppgav att investeringen ska användas till att utöka forskargruppen, skala upp GPU-beräkningskapaciteten och bredda Physics World Model till att omfatta strömningsmekanik, elektromagnetism, hållfasthetslära, värme och kopplingar mellan flera fysikaliska fenomen. Företaget beskrev stödet som ett bidrag från ledande aktörer inom halvledar- och tillverkningsindustrin och uppgav att det ska skala upp forskningen mot AI som förstår fysikens lagar, snarare än enbart mönster i data.

Den nya investeringen följer på en B-runda på 22 miljoner dollar som företaget meddelade den 29 november 2021, med Coatue Management som huvudinvesterare och deltagande från GGV Capital, 3W Investment, WI Harper, River Delta och ytterligare investerare. I det pressmeddelandet beskrevs hur företagets beräkningstekniker påskyndar designprocessen för industri- och konsumentprodukter genom att lösa enorma differentialekvationer för att simulera fysik i verkligheten. Det gör det möjligt för ingenjörer att utvärdera produkters prestanda innan fysiska prototyper byggs. Flexcompute grundades 2016.

En representant för Samsung Ventures sade att AI förändrar hur produkter utformas, samtidigt som produkterna fortfarande måste följa fysikens lagar, och beskrev Flexcompute som ett företag som utvecklar AI som förstår dessa lagar i stället för att bara förstå data. Representanten sade att företaget tror att Physics World Model kommer att forma hur nästa generation hårdvara utvecklas.

Yu Cao, AI-chef på Applied Materials, sade att begränsningen för att använda AI i verkliga ingenjörsproblem är hur snabbt varje problem kan valideras mot fysikens lagar. ”Flexcompute har byggt något unikt: en simulering som är tillräckligt snabb för att hålla jämna steg med AI och tillräckligt stringent för produktionsbeslut”, sade Cao och tillade att det inom avancerad tillverkning innebär att en större del av designcykeln genomförs digitalt, vilket sparar tid och pengar.

Physics World Model och tokeniserad fysik

Flexcompute beskriver Physics World Model som AI som lär sig själva fysikens lagar och nämner exempel som sträcker sig från ett chipkapslingshölje som deformeras av värme till en rymdfarkost som återinträder i atmosfären. Företaget ställer denna metod mot dagens AI-system, som enligt företaget lär sig av det förflutna: texter, bilder och simuleringsresultat.

Enligt företaget har dess team på fler än 70 personer med doktorsexamen byggt lösare för beräkningsbaserad strömningsmekanik, elektromagnetism, strukturer och värme från grunden på GPU:er. Genom det som företaget kallar tokeniserad fysik bygger Flexcompute in både neurala nätverk och fysik baserad på grundprinciper direkt i modellen, så att varje förutsägelse följer samma bevarandelagar som den fysiska världen och förblir korrekt även för konstruktioner som modellen aldrig har stött på tidigare.

Vera Yang, medgrundare och vd för Flexcompute, sade att språkmodeller lärde sig om världen från texter, medan hårdvara styrs av lagar, inte av texter, och att ingen mängd data kan ersätta dessa lagar. ”Vi bygger verifieringslagret mellan bitar och atomer: en Physics World Model som ingenjörer eller AI-agenter kan fråga om en konstruktion kommer att fungera innan den byggs”, sade Yang. Hon tillade att Samsung och Applied ser samma sak som företaget: att nästa stora AI-framsteg kommer av att förstå den fysiska världen.

Rapporterad demonstration och tillgång till Physics Twins

Flexcompute uppger att metoden redan löser problem som traditionell simulering inte klarar av. För ett komplett avancerat halvledarpaket med fler än 800 000 lödfogar, en ASIC och 32 optiska motorer rapporterar företaget att det löste en skevhetsmodell med 5 miljarder frihetsgrader på några minuter, med resultat som låg inom 2 procent från kommersiella finita element-resultat.

Kunder får tillgång till Physics World Model genom Physics Twins, som företaget beskriver som modeller av kundernas egna produkter som ingenjörer och AI-agenter kan ställa frågor till, testa och optimera innan något byggs. I det arbetsflödet anger ingenjörerna målet och godkänner resultatet, medan agenterna genomför iterationerna och fysiken avgör vad som fungerar.