Flexcompute为物理世界模型获得战略投资

总部位于波士顿的Flexcompute于2026年10月12日宣布，公司已获得来自Samsung Ventures、Applied Ventures, LLC（Applied Materials, Inc.旗下的风险投资部门）及其他投资者的战略投资。该公司表示，这笔资金将加快其Physics World Model项目的推进。这是一套人工智能系统，据该公司描述，它通过学习物理定律本身，预测任何设计在现实世界中的表现。投资详情尚未披露。

战略投资与融资历程

Flexcompute 表示，将利用这笔投资扩大研究团队、增加 GPU 算力，并将物理世界模型拓展至流体、电磁、结构、热学和多物理场耦合领域。该公司称，此次获得半导体和制造业领军企业的支持后，将扩大研究规模，推动人工智能理解物理定律，而不只是识别数据中的模式。

这笔新投资是在该公司完成 2200 万美元 B 轮融资之后获得的。这轮融资由 Coatue Management 领投，GGV Capital、3W Investment、WI Harper、River Delta 及其他投资者参投，并于2021年11月29日宣布。当时发布的消息称，该公司的计算技术能够通过求解大规模微分方程，模拟物理现象在现实世界中的表现，从而加快工业和消费品的设计流程，让工程师能够在制造实体原型之前评估产品性能。Flexcompute 成立于2016年。

Samsung Ventures 的一位代表表示，人工智能正在改变产品设计方式，但产品仍必须遵循物理定律。该代表称，Flexcompute 正在开发能够理解这些定律、而不只是理解数据的人工智能，并表示该公司相信，物理世界模型将塑造下一代硬件的开发方式。

Applied Materials 首席人工智能官 Yu Cao 表示，将人工智能用于实际工程问题的瓶颈，在于验证每个问题是否符合物理定律的速度。Cao 说：“Flexcompute 打造了一项独特的技术：其仿真速度足以跟上人工智能的发展，严谨程度也足以支持生产决策。”他补充说，在先进制造领域，这意味着更多设计周期将在数字环境中完成，从而节省时间和成本。

物理世界模型与物理令牌化

Flexcompute 将物理世界模型描述为能够学习物理定律本身的人工智能，并举例说明其应用范围：从芯片封装受热翘曲，到航天器重返大气层。该公司将这种方法与当前的人工智能系统进行对比，称后者从过往数据中学习，包括文本、图像和仿真结果。

据该公司介绍，其团队由70多名博士组成，已从零开始在 GPU 上构建计算流体动力学、电磁、结构和热学求解器。Flexcompute 表示，通过其所称的“Tokenized Physics（物理令牌化）”，公司将神经网络和基于第一性原理的物理规律直接融入模型，使每一项预测都遵循与物理世界相同的守恒定律；即使面对模型从未见过的设计，预测结果仍能保持准确。

Flexcompute 联合创始人兼总裁 Vera Yang 表示，语言模型通过文本学习世界，而硬件受物理定律支配，而非文本；再多的数据也无法取代这些定律。Yang 说：“我们正在构建连接比特与原子的验证层：任何工程师或人工智能智能体都可以向物理世界模型询问某项设计能否奏效，并在动手制造之前得到答案。”她补充说，Samsung 和 Applied 也看到了该公司所看到的趋势：人工智能的下一次飞跃将来自对物理世界的理解。

已披露的演示成果与 Physics Twins 访问方式

Flexcompute 表示，这种方法已经能够解决传统仿真无法处理的问题。对于一个完整的先进半导体封装——其中包含超过80万个焊点、一颗 ASIC 和32个光引擎——该公司称，它在几分钟内就求解了一个拥有50亿自由度的翘曲模型，结果与商用有限元分析结果的差异在2%以内。

客户通过 Physics Twins 使用物理世界模型。该公司将 Physics Twins 描述为客户自有产品的模型，工程师和人工智能智能体可以在任何实物制造之前向其提问、进行测试并优化产品。在这一工作流程中，工程师设定目标并批准结果，智能体负责执行迭代，而物理定律决定哪些方案可行。