在人工智能领域，尽管AI已展现出写诗、作画、撰写周报等能力，但当涉及控制真实机器人完成简单任务时，仍面临诸多挑战。例如，让机器人走到桌前拿起水杯递给人，它可能会捏碎杯子、撞翻桌子或找不到杯子位置。这并非机器人不够灵巧，而是因为它缺乏对杯子易碎性等物理特性的理解。
近年来，世界模型成为AI领域的研究热点，吸引了大量资本和创业者涌入。然而，大多数模型仅从海量视频中学习规律，未能真正理解世界如何运转。它们能生成逼真画面，却无法回答简单物理问题，如“推一下积木，它会倒向哪边”。飞捷科思创始人张立华教授指出，完全依赖统计学习无法获得可靠的物理参数。
张立华是中国物理引擎领域的权威专家。二十多年前，他在美国Ageia公司主持研发了第一代PhysX物理仿真引擎，并参与设计了世界首颗物理仿真加速芯片PPU。该引擎被英伟达收购后，张立华主导了其向GPU的迁移优化。回国后，他担任复旦大学教授，并在智能机器人与先进制造领域取得多项成果。
飞捷科思的联合创始人团队实力雄厚。CTO杨鼎康是张立华培养的博士，曾在字节跳动担任视觉语言基础模型团队首席研究员，并入选中国人工智能学会清源学者。CEO于伟拥有丰富的产业经验，是张立华在清华任教时的学生。深厚的师生信任成为团队合作的基石。
2024年，飞捷科思正式成立，公司名称源自Physics和复旦的首字母组合。与大多数以视频预测和像素生成为主的世界模型不同，飞捷科思选择从显式物理模拟切入。其自主研发的Fysics可微分物理仿真引擎，将牛顿力学等第一性原理直接编码进模型，用确定性物理方程替代统计猜测，创新研发了新一代物理世界模型Fysiverse。
飞捷科思构建了完整的技术栈，包括Fysics物理引擎、MoziSim具身仿真训练平台、OmniFysics全模态物理AI基础模型等。这些技术从引擎到应用层形成闭环，解决了物理幻觉、推理失效等问题。不久前，公司完成Pre-A轮融资，获得经纬创投、东方富海等十余家机构数亿元投资。其中，GPU芯片企业沐曦股份不仅出资，还与飞捷科思联合发布了全栈国产化物理AI仿真训练工作站FysiStation。
在对话中，张立华解释了世界模型受关注的原因：现有模型泛化性不足，而世界模型通过模拟人类认知过程，帮助机器人提升泛化能力。然而，许多公司仅关注视频生成和游戏娱乐，忽视了物理真实性这一核心挑战。杨鼎康补充道，年轻创业者对新技术敏感，但需深刻理解物理世界的复杂性和工程化落地的长周期。
关于世界模型的分类，李飞飞提出的“渲染器、模拟器、规划器”三分法受到认可。渲染器负责输出观测，模拟器负责推演状态，规划器负责输出动作。飞捷科思走的是“显式物理模拟器×生成式渲染器”路径，被认为是下一代世界模型的方向。张立华表示，物理引擎为模型提供了精准可靠的物理计算基础设施，而统计学习无法替代这一作用。
Fysics引擎基于经典物理定律和数值方法，从第一性原理计算物体运动。其核心优势包括准确性、可解释性和泛化性。在复杂场景中，其精度远超统计模型；每一步演化都可追溯到物理参数和方程；面对极端场景时，基于物理仿真的模型比依赖数据统计的模型更鲁棒。飞捷科思还在与国产芯片和算力适配，为商业化奠定基础。
OmniFysics是跑在Fysics引擎上的物理AI基础模型，负责理解物理世界。其创新点包括全模态架构、动静结合的物理数据构造系统和引擎与模型端到端优化。通过Fysics引擎生成和验证训练数据，形成正向循环，使模型能够真正理解物理规律。杨鼎康表示，这种范式改变使3B参数规模的模型性能超过7B、8B参数模型。
在数据采集方面，飞捷科思与诠视科技联合开发了FysiData-Ego终端。采集时，系统将人的双臂动作实时映射到机器人机械臂上，并由Fysics引擎检测动作合法性。OmniFysics模型则实时标注场景中物品的物理属性。这种方法大幅减少了无效数据，降低了后期处理成本。
目前，Fysiverse世界模型已与多家企业合作。在工业场景中，它与拓斯达合作生成带物理属性的产线场景；在矿山场景中，它与博雷顿合作实现仿真训练到实车部署的闭环。杨鼎康表示，未来将分阶段开源约三分之一的技术，以促进生态发展。与沐曦的合作则解决了软硬件适配问题，客户拿到FysiStation工作站即可直接使用。
