当大多数世界模型还在追求画面逼真时，飞捷科思创始人张立华选择了一条更硬核的路：让AI真正理解物理规律。这位二十多年前主持研发英伟达PhysX物理引擎的科学家，如今带领团队自研了新一代物理世界模型Fysiverse，其核心是用可微分物理引擎替代统计学习，从源头解决机器人“捏碎杯子”式的物理幻觉。

飞捷科思成立于2024年，公司名取自Physics与复旦（Fudan）的组合。张立华在复旦大学担任长聘特聘教授，联合创始人、CTO杨鼎康是其培养的博士，此前任字节跳动视觉语言基础模型团队首席研究员；CEO于伟则拥有丰富产业经验。团队的技术栈从底层到应用层完整覆盖：Fysics可微分物理仿真引擎为底座，基于牛顿力学、连续介质力学等经典物理定律进行确定性计算；其上为OmniFysics全模态物理AI基础模型，负责识别物体材质、推断未来状态；最上层是面向应用的Fysiverse世界模型，可生成可交互的物理仿真场景。此外，公司还构建了MoziSim具身仿真训练平台、FysiData物理AI数据工厂等配套工具。

与当前主流世界模型（如Sora、Cosmos）依赖海量视频学习像素关联不同，飞捷科思走的是“显式物理模拟器+生成式渲染器”路线。张立华解释，统计学习只能训练“物理直觉”，无法提供摩擦系数、材质软硬等定量参数——一个纸杯、塑料杯、陶瓷杯的抓取力度完全不同，而物理引擎能精准计算这些变量。杨鼎康补充，由于Fysics引擎可微分，团队能在训练中将牛顿定律等先验知识编码进模型，使3B参数规模的模型性能超过7B、8B参数模型，并在国际多个物理智能评测基准上取得综合排名第一。

公司近期完成Pre-A轮融资，累计数亿元人民币，投资方包括经纬创投、东方富海、沐曦股份、驰星创投、鼎峰科创、硅港资本、云启资本、常垒资本、长石资本等十余家机构。其中GPU芯片企业沐曦股份不仅出资，还与飞捷科思联合发布了全栈国产化物理AI仿真训练工作站FysiStation，实现软硬一体深度绑定。

在数据采集方面，团队与诠视科技联合开发了数据采集终端FysiData-Ego，采集时Fysics引擎会实时检测人的动作是否超出机器人关节限制或即将碰撞，现场即可判断数据有效性，大幅减少后期清洗成本。杨鼎康表示，OmniFysics模型在训练中增强了物体识别、物理属性绑定、趋势推断、全模态事件复原和物理过程解析等能力，目标是让模型具备类似人类大脑的完整物理感知思维链。

张立华认为，物理引擎过去主要服务游戏和影视特效，追求视觉真实；但工业数字孪生兴起后，其最大价值在于通过机理建模对实体做预测、指导产线优化。英伟达将Omniverse定位为Physical AI的操作系统，也印证了这一方向。他坦言，最初想以研究机构形式推进，但因理念超前未获响应，最终决定用企业化方式落地。杨鼎康则放弃大厂顶尖人才计划Offer加入，他认为大厂多聚焦感知与生成范式，而下一阶段智能化对象是机器人、工厂等物理场景，创业公司能对技术方向有更大自主权。