PhysicsX 完成 3 亿美元 C 轮融资，估值 24 亿美元：让 AI 替工程师做物理仿真，这门生意的天花板在哪里？
当大多数 AI 公司还在争论谁能做出更好的聊天机器人时，一家伦敦公司正在悄悄用 AI 重新定义一个更古老、也更关键的工程学科——物理仿真。PhysicsX 宣布完成 3 亿美元的超额认购 C 轮融资，估值达到约 24 亿美元，较上一轮近 10 亿美元的估值翻了一番以上。本轮由新加坡主权财富基金淡马锡领投，M&G Investments 和 Intrepid Growth Partners 作为新投资方加入，Applied Materials、Atomico、General Catalyst、July Fund、NGP、NVIDIA、Radius 和 Siemens 等现有投资方悉数跟投。一家物理仿真 AI 公司凭什么拿到与消费级 AI 独角兽比肩的估值？答案或许藏在一个简单的比较中：传统计算流体力学（CFD）仿真一个涡轮叶片设计需要数周时间，而 PhysicsX 的 AI 模型可以在几分钟内给出精度相当的结果。
「大物理模型」：工业界的 GPT 时刻？
PhysicsX 的核心理念是将大模型思维引入物理世界。就像 GPT 系列模型在海量文本数据上训练后获得了”理解”语言的能力，PhysicsX 的”大物理模型”（Large Physics Models）在海量物理仿真数据上训练后，学会了”理解”流体动力学、热传导、结构力学等物理现象。当工程师输入一个新的设计方案时，模型不需要从头运行完整的物理仿真（通常需要在超级计算机上运行数小时到数天），而是通过学习到的物理规律直接”推断”出结果。
这种方法论的威力在于速度与灵活性的量级提升。传统仿真流程中，一个航空发动机叶片的气动设计可能需要运行数百次 CFD 仿真来探索设计空间，每次仿真消耗大量计算资源。PhysicsX 的方法可以将这个探索过程从数月压缩到数天，使工程师能够在同样的时间内评估多出几个数量级的设计方案。对于半导体制造中的工艺参数优化、汽车碰撞安全仿真、或能源系统的热管理设计，加速效果同样显著。
淡马锡领投的投资逻辑：工业 AI 的”卖铲人”
淡马锡选择在这个时间点领投 3 亿美元，透露出主权基金对工业 AI 赛道的战略判断。与消费级 AI 不同，工业 AI 的客户粘性极高（一旦嵌入工程工作流，迁移成本巨大）、付费意愿强劲（节省的仿真时间直接转化为缩短的产品上市周期和减少的研发成本）、且受到宏观经济周期的影响相对较小（企业在任何经济环境下都需要设计和优化产品）。
投资方名单本身也是一份强力的商业背书。NVIDIA 的参与意味着 PhysicsX 的模型与 GPU 加速计算生态深度整合；Applied Materials（全球最大的半导体设备制造商之一）和 Siemens（工业数字化的领军者）作为战略投资方的存在，暗示着 PhysicsX 的技术已经在这些工业巨头内部得到了真实场景的验证。当你的投资人同时也是你最大的潜在客户和分销渠道时，商业化路径的可信度就大大增强了。
24 亿估值的隐忧：仿真 AI 能建起多深的护城河？
然而，24 亿美元的估值也意味着市场对 PhysicsX 寄予了极高的期望。几个值得深入思考的问题浮现出来。
首先是竞争维度。Ansys（2024 年被 Synopsys 以 350 亿美元收购）等传统仿真巨头正在大力整合 AI 能力到其现有产品中。Altair、Siemens Simcenter 等也在加速 AI 驱动的仿真功能开发。PhysicsX 的优势在于它是”AI 原生”的，不受传统仿真软件架构的束缚；但劣势在于，它需要从零建立客户关系和行业信任，而 Ansys 们已经在航空航天、汽车等行业深耕了几十年。
其次是模型泛化能力的问题。物理仿真的一个核心挑战是”域外泛化”——在涡轮机数据上训练的模型能否准确预测电池热失控的行为？每一个物理领域都有其独特的方程组和边界条件，”一个模型解决所有物理问题”的愿景在理论上诱人，在实践中可能需要针对每个行业垂直领域进行大量的适配和精调工作。这意味着 PhysicsX 的”大物理模型”战略可能更像是一个”模型族”而非单一通用模型。
300 人团队、翻倍估值，下一步是什么？
PhysicsX 的团队在过去 12 个月翻倍至 300 多人，这种扩张速度对任何初创公司都是一个组织管理的压力测试。联合创始人 Jacomo Corbo 和 Robin Tuluie 需要在维持技术创新节奏的同时，建立起规模化的企业销售和客户成功团队——这两套截然不同的组织基因能否在一家公司内和谐共存，通常是 B2B 深科技公司在 C 轮阶段面临的最大内部挑战。
3 亿美元的弹药为 PhysicsX 提供了充裕的扩张资金，但从 24 亿估值到证明自己值得更高估值的道路并不平坦。公司需要在航空航天、半导体、汽车和能源四大战略行业中，各自建立起足够深厚的客户基础和收入贡献。如果说 AI 仿真的市场潜力是一个巨大的”物理空间”，那么 PhysicsX 现在最需要做的，是用实实在在的工程案例和商业数据，证明这个空间中的”势能”正在转化为”动能”。
