當大多數世界模型還在追求畫面逼真時，飛捷科思創始人張立華選擇了一條更硬核的路：讓AI真正理解物理規律。這位二十多年前主持研發輝達PhysX物理引擎的科學家，如今帶領團隊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統計學習，從源頭解決機器人“捏碎杯子”式的物理幻覺。

飛捷科思成立於2024年，公司名取自Physics與復旦（Fudan）的組合。張立華在復旦大學擔任長聘特聘教授，聯合創始人、CTO楊鼎康是其培養的博士，此前任字節跳動視覺語言基礎模型團隊首席研究員；CEO於偉則擁有豐富產業經驗。團隊的技術棧從底層到應用層完整覆蓋：Fysics可微分物理模擬引擎為底座，基於牛頓力學、連續介質力學等經典物理定律進行確定性計算；其上為OmniFysics全模態物理AI基礎模型，負責識別物體材質、推斷未來狀態；最上層是面向應用的Fysiverse世界模型，可生成可互動的物理模擬場景。此外，公司還構建了MoziSim具身模擬訓練平台、FysiData物理AI資料工廠等配套工具。

與當前主流世界模型（如Sora、Cosmos）依賴海量影片學習畫素關聯不同，飛捷科思走的是“顯式物理模擬器+生成式渲染器”路線。張立華解釋，統計學習只能訓練“物理直覺”，無法提供摩擦係數、材質軟硬等定量引數——一個紙杯、塑膠杯、陶瓷杯的抓取力度完全不同，而物理引擎能精準計算這些變數。楊鼎康補充，由於Fysics引擎可微分，團隊能在訓練中將牛頓定律等先驗知識編碼進模型，使3B引數規模的模型效能超過7B、8B引數模型，並在國際多個物理智慧評測基準上取得綜合排名第一。

公司近期完成Pre-A輪融資，累計數億元人民幣，投資方包括經緯創投、東方富海、沐曦股份、馳星創投、鼎峰科創、矽港資本、雲啟資本、常壘資本、長石資本等十餘家機構。其中GPU晶片企業沐曦股份不僅出資，還與飛捷科思聯合釋出了全棧國產化物理AI模擬訓練工作站FysiStation，實現軟硬一體深度繫結。

在資料採集方面，團隊與詮視科技聯合開發了資料採集終端FysiData-Ego，採集時Fysics引擎會即時檢測人的動作是否超出機器人關節限制或即將碰撞，現場即可判斷資料有效性，大幅減少後期清洗成本。楊鼎康表示，OmniFysics模型在訓練中增強了物體識別、物理屬性繫結、趨勢推斷、全模態事件復原和物理過程解析等能力，目標是讓模型具備類似人類大腦的完整物理感知思維鏈。

張立華認為，物理引擎過去主要服務遊戲和影視特效，追求視覺真實；但工業數字孿生興起後，其最大價值在於通過機理建模對實體做預測、指導產線最佳化。輝達將Omniverse定位為Physical AI的作業系統，也印證了這一方向。他坦言，最初想以研究機構形式推進，但因理念超前未獲響應，最終決定用企業化方式落地。楊鼎康則放棄大廠頂尖人才計劃Offer加入，他認為大廠多聚焦感知與生成範式，而下一階段智慧化物件是機器人、工廠等物理場景，創業公司能對技術方向有更大自主權。