过去两年，AI 投资大多围绕会说话、会写代码、会生成图片的模型展开。PhysicsX 这轮 3 亿美元融资，押的是另一件事：让 AI 替工程师跑物理仿真。
PhysicsX 是一家伦敦公司，Series C 融资 3 亿美元，投后估值约 24 亿美元，由新加坡主权基金 Temasek 领投。跟投名单里有英伟达、西门子、Applied Materials、Atomico、M&G 和 Intrepid Growth。英伟达管算力，西门子管工业软件，Applied Materials 深耕半导体设备，这些名字同时出现，本身就是一个信号。
PhysicsX 要做的，是用神经网络预测物体的物理行为，给硬件设计提速。传统工程设计离不开仿真：飞机引擎、芯片、电池、火箭部件都要反复计算在高温、高压、高速等条件下会如何变形、受力和散热。一次高精度仿真可能要跑数小时甚至数天，工程师每改一版参数就要重新等待。
PhysicsX 的方案是训练 AI 模型学习这些物理规律，再快速预测新设计的表现。这样一来，设计团队可以在短时间内测试大量方案，先用模型筛出更有希望的方向，再把昂贵的高精度仿真和实物测试留给少数候选方案。
公司把下一步称为 Large Physics Models，也就是“大物理模型”。这个说法有意对应大语言模型：大语言模型从海量文本中学习语言规律，大物理模型则试图从海量仿真和实验数据中学习物理规律，用来预测新设计在真实世界中的表现。
如果这条路跑通，硬件研发流程会被改写。过去是“设计、仿真、修改、再仿真”的慢循环；未来可能变成先描述需求，再让模型快速给出一批可行方案，工程师负责判断、约束和最终验证。设计周期有机会从数月压缩到数天。
这不是纯概念融资。PhysicsX 披露过去一年收入增长超过一倍，落地行业包括航空航天、国防、半导体和能源。这些行业共同点是试错成本高、设计周期长、客户愿意为提效付费。AI 在这里替代的不是便宜劳动力，而是真金白银的工程时间。
英伟达和西门子愿意进场，也说明这笔融资有产业协同。英伟达提供跑模型的硬件和软件生态，西门子手里有大量工业客户和真实仿真工作流。对 PhysicsX 来说，钱之外，更重要的是进入这些工业客户体系的通道。
所以这轮融资押的不是“又一个 AI 应用”，而是一个更大的判断：AI 学完语言之后，下一站是学习物理世界本身。这条线能跑多远，会决定工业 AI 接下来几年的想象空间。
参考来源：Venture Capital Funding Roundup - June 8,CocoLoop、 2026（Tech Startups）；Recently Funded Startups（多家媒体综合报道）