过去两年，AI 圈的钱基本都砸在一件事上：让机器更会说话、更会写代码、更会画图。这周有一笔 3 亿美元的融资，方向有点不一样——它要让 AI 替工程师跑物理仿真。
主角是一家伦敦公司，叫 PhysicsX。Series C 拿了 3 亿美元，投后估值约 24 亿美元，新加坡主权基金 Temasek 领投。
更值得看的是跟投名单：英伟达、西门子、Applied Materials、Atomico，外加 M&G、Intrepid Growth 等一票机构。英伟达管算力、西门子管工业、Applied Materials 管半导体设备——这三家凑在一张投资名单上，本身就是个信号。
PhysicsX 到底在做什么
一句话：用神经网络去预测物体的物理行为，给硬件设计提速。
传统造一个东西——飞机引擎、芯片、电池、火箭部件——绕不开仿真这一关。要算它在高温、高压、高速下会怎么变形、怎么受力、怎么发热。这种仿真过去靠数值计算硬跑，一次跑几个小时甚至几天，工程师改一版参数就得重算一遍，慢得要命。
PhysicsX 的做法是用 AI 模型学会这套物理规律,然后直接”预测”结果,把几小时的计算压到几秒。设计师可以一口气试上万种方案,挑出最优的那个,而不用每改一次就干等一天。
落地的行业也很硬核：航空航天、国防、半导体、能源。都是那种设计周期长、试错成本高、一个参数差之毫厘就报废的领域。
为什么这笔钱有意思
最值得琢磨的,是 PhysicsX 给自己定的下一步——做更大的 Large Physics Models（大物理模型）。
这个词是冲着”大语言模型”来的。
大语言模型干的事,是把人类写的海量文字喂进去,让模型学会语言的规律,然后生成新句子。大物理模型想干的,是把海量的物理仿真数据喂进去,让模型学会物理世界的规律,然后预测一个全新的设计会怎么表现。
一个学语言,一个学物理。底层逻辑是一套的:数据足够多、模型足够大,机器就能学到规律,再举一反三。
如果这条路真能走通,意味着造硬件的方式要变天——以前是”设计-仿真-改-再仿真”,一轮一轮磨;以后可能是”描述需求-模型直接给最优解”。设计周期从几个月压到几天。
不只是讲故事
光画饼没用,PhysicsX 这轮能拿到这个价,靠的是营收实打实在涨——过去一年收入翻了不止一倍。
这点很关键。这两年 AI 融资环境已经变了,投资人不再为”AI”两个字本身买单,开始挑那些能啃下具体、又贵又难的活儿的公司。PhysicsX 啃的是工业仿真这块硬骨头:门槛高、客户付费意愿强、替代的还是真金白银的工程时间。
英伟达和西门子愿意一起进,也不只是财务投资那么简单。英伟达卖的是跑这些模型的卡,西门子手里攥着一大堆工业客户和真实的仿真数据——这两家既是投资人,也可能是未来的供货方和大客户。
所以这笔钱押的不是”又一个 AI 应用”,而是一个判断:AI 学完了语言,下一站是学物理世界本身。 这条线能不能跑出来,够这个行业看上好几年。
参考来源：Venture Capital Funding Roundup – June 8, 2026（Tech Startups）；Recently Funded Startups（多家媒体综合报道）