在半導體和航空航天領域，物理仿真長期受制于傳統范式，一輪復雜計算常耗時數日，工程師被困于網格劃分與參數調試的繁瑣流程中。這種低效狀態正被一家名為極映科技的公司打破——其自主研發的物理世界模型將仿真反饋周期從“天”級壓縮至“秒”級，速度提升百倍以上。
這家由三位技術背景深厚的創始人領銜的公司，近日完成數千萬元種子輪及天使輪融資。創始人高鑫擁有邁阿密大學博士及密西根大學博士后經歷，聯合創始人邱康曾任鵬城實驗室算法工程師，李福華則兼具清華大學機器人與半導體博士后背景。三人累計擁有超30年物理仿真與軟件研發經驗，精準覆蓋半導體與航空航天兩大對仿真精度要求極高的領域。
極映科技的技術路徑與傳統仿真軟件形成鮮明對比。當前主流仿真工具多將流體、結構、熱學等物理場割裂建模，而極映選擇回歸質量與能量守恒的底層定律，通過神經網絡直接學習偏微分方程的共性特征。這種范式創新使其模型具備跨物理場的通用性，在航空發動機支架設計優化等案例中，已實現從數百種候選方案中秒級篩選最優解的能力。
“傳統數值仿真像‘從頭算起’的解題過程，而我們的模型通過訓練學會了問題設定到結果輸出的映射關系。”高鑫解釋道。這種前向推理機制類似AlphaFold預測蛋白質結構，通過神經網絡直接生成結果，再通過物理方程驗算其合理性。在FDA血流泵仿真案例中，其模型與數值仿真結果的R2相關系數超過0.99，達到工程可替代標準。
技術突破的背后是艱難的范式重構。團隊曾基于開源架構優化一年無果，最終決定推倒重來，自研底層算法架構。這一決策帶來質變：新架構突破傳統數值算法的泛化瓶頸，在半導體晶圓熱應力分析等場景中，實現零樣本條件下的高精度預測。數據質量管控體系同樣關鍵，團隊建立自動化質檢流程，通過殘差驗證、解連續性等指標篩選訓練數據，確保模型學習到純凈的物理規律。
資本市場對這種技術突破給予高度認可。2025年硅谷350億美元的半導體設計軟件收購案，以及PhysicsX、Neural Concept等AI工業軟件公司獲得的1億美元級融資，均印證了物理仿真領域正在經歷價值重估。元禾璞華董事總經理陳瑜認為，極映科技解決了多物理場仿真耗時長、成本高、耦合難的行業痛點，其1.0物理仿真大模型具有0到1的創新意義。
商業化路徑上，極映科技選擇從半導體行業切入。該領域對仿真精度要求嚴苛，且隨著芯片制程推進，傳統仿真工具已難以滿足需求。目前公司已產生收入，主要通過項目制收取驗證費用，客單價達數十萬元量級。未來光錐基金創始合伙人姬十三指出，其技術可橫跨工業研發、具身智能與科學研究多個領域，應用前景廣闊。
團隊正在推進模型從1.0版本向2.0版本迭代。1.0階段需要用戶提供少量歷史數據微調模型，而2.0版本將實現零樣本通用，覆蓋90%以上常見物理仿真場景。高鑫透露，年底發布的2.0版本有望將物理仿真領域推進至接近“GPT-3.5時刻”的水平——屆時工程師的創意探索將不再受制于仿真計算速度，創新效率將迎來指數級提升。
這種技術潛力已引發跨行業關注。游戲公司米哈游曾主動交流物理仿真技術，探討其在構建可信虛擬世界中的應用可能。高鑫認為，當物理世界映射技術成熟時，人類將具備創造新世界的能力：“這不再是對物理現實的簡單復制，而是對想象力的數字化延伸。”
