物理引擎助力AI实现从模拟到现实的跃迁

在飞捷科思智能科技（上海）有限公司的展示厅里，一块大屏幕不断循环播放着一个颇具启发意义的视频。视频里，一个机器人反复尝试将篮球投进篮筐：最开始它的投球完全没有方向感，动作生硬，随后动作越来越流畅，投篮力度和角度也逐渐到位，终于准确地将球投入篮筐。

对于专业球员来说，这不过是简单的日常训练。而对机器人而言，这项技能曾是人工智能迈向现实世界的重大障碍。

实现机器人学会“投篮”靠的，正是国内首创的可微分物理仿真引擎Fysics。这个引擎的问世，标志着我国实现了物理人工智能核心底层技术的自主研发，也意味着中国团队已在全球科技竞争领域抢得了先机。

在“十五五”规划纲要中，国家已明确提出要重点布局前沿科技，推动人工智能等关键领域的发展，把基础理论研究和底层技术创新放在重要位置，并加速科技成果的落地应用。

正如复旦大学智能机器人与先进制造创新学院副院长、飞捷科思创始人张立华所言：“AI的发展已经进入新的阶段——未来就是要看谁能让机器真正理解和应对物理世界。”他表示，未来三到五年，公司会继续完善“国产算力+自主引擎+开源生态”产业体系，全力推动物理人工智能技术的大规模应用。

核心创新：让AI不仅“会算”，还能自己纠错

AI舆情网技术已经能看、能写、能创作，下一步能做什么？放眼全球，答案指向物理AI：也就是让智能体真正掌握包括重力、摩擦、碰撞、形变在内的物理规律，具备自主推理和决策能力，实现同真实世界的自然互动。

张立华表示，这一技术方向已经成为人工智能从“感知”走向“交互”、从虚拟走向现实的必由之路，也是全球AI产业比拼的新高地。

在今年初的国际消费电子展（CES）上，英伟达CEO黄仁勋在主旨演讲里多次强调了“物理AI”的重要性。“从人形机器人、具身智能到工业数字孪生、自动驾驶等万亿级产业，每一个领域都需要‘能和AI深度融合的物理仿真底层平台’。”张立华补充道。

作为全球首个实时物理仿真商用方案和英伟达PhysX主力研发人之一，张立华非常清楚自研可微分物理引擎的重要意义：“传统物理引擎只能做简单推算，难以满足智能机器人自主学习的需求。能够自研可微分物理引擎的企业在全球范围内凤毛麟角，而国内市场长期依赖进口系统，因此追求自主研发需求极为迫切。”

依托早年的技术积累，张立华团队联手高校、企业组建科研小组，成功推出了国内首款可微分物理引擎Fysics。

张立华详细介绍，“可微分”意味着系统既能像以往一样模拟物体运动，还能精确追踪每一步的误差。简单来说，传统物理引擎是单向模拟，结果对不对都不知道问题出在哪；而‘可微分’让系统能把误差来龙去脉追踪出来，并指导改正。

拿机器人投篮举例：如果一次没投进，Fysics能够告诉机器人问题到底是出在用力不够还是角度偏差，机器人再据此调整操作策略。加上高度统一的多物理材质处理和高精度接触计算，Fysics让机器人不需要反复试错，便能迅速学会复杂操作，实现仿真训练和现实操作的无缝衔接。这也成为了业内长期难以突破的最大难题之一。

“我们让物理引擎完成了从‘只给答案’到‘主动纠错’的升级，帮助AI真正跨越仿真与现实之间的障碍。”张立华总结道。

产业布局：让物理AI走出实验室，推动大规模应用

如今，张立华团队正努力构建“物理AI时代的操作系统”。在Fysics仿真引擎基础上，公司还开发了MoziSim仿真训练平台和OmniFysics多模态物理AI基础模型。“可微分物理引擎是底座，定义物理世界的‘运转规则’；仿真平台则创造出丰富、真实的数字世界场景，为AI训练源源不断生产数据；基础模型赋予AI同真实物理世界交互、理解和推理的能力。”张立华形容，这个体系就像是为具身智能打造了一套通用操作系统。

与此同时，他们推出了业内首个全维度物理感知与逻辑推理评测体系，推动物理AI技术标准的制定。

业内普遍认为，从引擎、平台、模型到评测标准，飞捷科思已构建出完整的物理AI技术链条。特别是在通用机器人、具身智能领域，新一代物理AI能大大优化机器人步态、操作和环境适应性，显著降低训练投入，让更多机器人早日进入生产车间和家庭生活。在数字孪生工厂等领域，这一系统同样能够精准模拟设备和流程，助力企业优化产线、预测维护，切实提高效率、降低成本。

张立华还提到，公司正联合国产芯片厂商及科研院所等多家单位，共同完善产业生态。目前，飞捷科思已和沐曦股份、并行科技、拓斯达、粒界科技等伙伴在算力适配、落地应用、生态建设等方面开展深度合作。

“接下来三到五年，我们将加快所有产品的国产适配与完善，最终目标是成为全球物理智能时代的核心基础设施厂商，打造‘国产算力+自主引擎+开源生态’全链条，助力我国在物理智能和具身智能领域抢占发展新高地。”张立华充满信心。