伦敦一家叫PhysicsX的AI初创公司刚完成3亿美元C轮融资，投后估值24亿美元。领投方是新加坡主权基金淡马锡，跟投名单里出现了英伟达、西门子这些工业巨头。这家公司做的事听起来很硬核：用AI加速工业仿真，把原本需要几天甚至几周的工程计算压缩到几秒钟。
工业仿真为什么慢？
造飞机、造芯片、造能源设备之前，工程师得先用计算机模拟一遍物理过程——风怎么吹过机翼、热怎么在芯片里散掉、流体怎么在管道里流动。传统方法靠求解复杂的偏微分方程，算一次可能要跑好几天，工程师等结果等到花都谢了。
更头疼的是，每次设计改动都要重新跑仿真。一个飞机机翼的设计迭代几十个方案是家常便饭，按传统方法，一个团队一个月能跑完的仿真数量是有限的，这就是工业研发的核心瓶颈之一。
仿真速度直接决定了硬件产品的迭代节奏。谁能算得更快，谁就能在设计上跑在前面。
PhysicsX的做法：把物理规律教给神经网络
PhysicsX训练所谓的”大物理模型”（Large Physics Model），把物理规律编码进神经网络。一旦模型训练好，预测物理行为就变成了一次前向推理，几秒钟就能出结果。原来工程师每个设计周期只能跑少量仿真，现在可以高强度迭代。
这轮融资里，英伟达和西门子作为战略投资者进场，给PhysicsX贴了金。英伟达需要证明自己的芯片不仅能训练大语言模型，也能跑工业AI；西门子则是全球最大的工业软件公司之一，它看中PhysicsX的技术能整合进自己的数字孪生平台。
钱往哪里流，风向就往哪里吹
淡马锡其实在2025年就投过PhysicsX，这次继续领投，说明主权基金对”AI+重工业”这个方向的押注不是玩票。PhysicsX的客户和收入在过去一年都翻了一番，说明工业AI不是PPT阶段的故事，有真实付费客户在用。
公司计划用新资金开发能处理多相流体动力学、热力学、结构分析的更大型模型，同时把生意做到全球。航空航天、半导体、能源、国防，都是仿真需求极其旺盛、但传统方法效率极低的行业。
挑战也不少
工业场景对准确性的要求极其苛刻，仿真结果差之毫厘，造出来的东西可能直接报废。”大物理模型”能不能在保持速度的同时做到足够的精度，是PhysicsX必须回答的问题。
此外，西门子、ANSYS这些传统工业软件巨头也不会坐视不理，它们有钱有客户，挖人加功能都比初创公司容易。但无论如何，3亿美元砸进来，说明资本市场认准了一件事：AI进工厂、进实验室、进设计办公室，这条路是通的。PhysicsX能不能成为工业AI领域的标杆，未来几年见分晓。