造芯片、造飞机、造发动机——
这家公司用 AI 把仿真速度提升了千倍
PhysicsX 完成 3 亿美元 C 轮融资，估值 24 亿美元。Nvidia、西门子都跟进投了。它到底做了什么？
工程师设计一个零件，流程是这样的：画图、跑仿真、看结果、改图、再跑仿真。反复几十次，有时候几百次。一个汽车零件从初稿到量产，可能要几年。
PhysicsX 想把这个过程压缩。他们的 AI 平台，能把原本要跑几小时、几天的仿真，压到几秒钟内完成。这家伦敦公司刚刚宣布完成 C 轮融资。
领投的是淡马锡（Temasek），这是新加坡国家主权基金，之前就投过 PhysicsX。跟投方的名单更值得注意。
Nvidia 不用多说。Applied Materials 是半导体设备龙头，芯片工厂里的机器很多是它造的。西门子是工业自动化巨头。这三家都是 PhysicsX 的潜在客户，同时也是投资人。这种结构意味着：他们投钱，也认可这个技术能真正用在自己的工程流程里。
工程仿真的核心，是求解一类叫做”偏微分方程”（PDE）的数学方程。
PhysicsX 的解法叫”神经算子”（Neural Operator）。这是一种 AI 模型。它不从头算每一步，而是复用过去解过的类似方程的结果，跳过大量重复运算，直接给出近似解。速度快了，精度有时候反而更高。
很多 AI 公司卡在数据上。工程仿真数据不像图片那么好收集，行业客户也不愿意把自己的设计数据交出去。
PhysicsX 的做法是：自己造数据。他们内部有一个叫”Data Factory”的工具，能自动生成大量设计变体。以汽车空气动力学为例，他们从 260 个基础车型设计出发，自动衍生出海量变种，用这些数据训练 AI 模型。客户不需要贡献一行数据，PhysicsX 就已经有足够的训练素材。
平台的应用场景比较广。优化车身形状让风阻更小，这是一类。分析芯片里电流强度和发热量之间的关系，这是另一类——这种多物理场仿真，以前要跑很久，现在快了很多倍。
除了 AI 模型本身，PhysicsX 还提供一套叫 Simulation Workbench 的工具，帮工程师管理仿真数据。另外有几十个现成模板，方便不同行业的客户快速接入。客户覆盖了半导体、工业机械、汽车等多个行业。
PhysicsX 计划用这笔 3 亿美元继续扩张：拓展海外市场，训练更强的 AI 模型。公司过去一年营收翻了三倍，员工规模也从 150 人增长到 300 人。
工程仿真是个很老的领域。几十年来进步缓慢，因为物理规律就在那里，算力再强也还是要解方程。PhysicsX 换了一条路——不减少方程，而是用 AI 绕过大部分计算过程。
能不能跑通，还要看工业客户最终买不买单。但 Nvidia 和西门子既投了钱，大概率也会先在自己的工程流程里用起来。
