在半导体和航空航天领域，物理仿真长期受制于传统范式，一轮复杂计算常耗时数日，工程师被困于网格划分与参数调试的繁琐流程中。这种低效状态正被一家名为极映科技的公司打破——其自主研发的物理世界模型将仿真反馈周期从“天”级压缩至“秒”级，速度提升百倍以上。
这家由三位技术背景深厚的创始人领衔的公司，近日完成数千万元种子轮及天使轮融资。创始人高鑫拥有迈阿密大学博士及密西根大学博士后经历，联合创始人邱康曾任鹏城实验室算法工程师，李福华则兼具清华大学机器人与半导体博士后背景。三人累计拥有超30年物理仿真与软件研发经验，精准覆盖半导体与航空航天两大对仿真精度要求极高的领域。
极映科技的技术路径与传统仿真软件形成鲜明对比。当前主流仿真工具多将流体、结构、热学等物理场割裂建模，而极映选择回归质量与能量守恒的底层定律，通过神经网络直接学习偏微分方程的共性特征。这种范式创新使其模型具备跨物理场的通用性，在航空发动机支架设计优化等案例中，已实现从数百种候选方案中秒级筛选最优解的能力。
“传统数值仿真像‘从头算起’的解题过程，而我们的模型通过训练学会了问题设定到结果输出的映射关系。”高鑫解释道。这种前向推理机制类似AlphaFold预测蛋白质结构，通过神经网络直接生成结果，再通过物理方程验算其合理性。在FDA血流泵仿真案例中，其模型与数值仿真结果的R²相关系数超过0.99，达到工程可替代标准。
技术突破的背后是艰难的范式重构。团队曾基于开源架构优化一年无果，最终决定推倒重来，自研底层算法架构。这一决策带来质变：新架构突破传统数值算法的泛化瓶颈，在半导体晶圆热应力分析等场景中，实现零样本条件下的高精度预测。数据质量管控体系同样关键，团队建立自动化质检流程，通过残差验证、解连续性等指标筛选训练数据，确保模型学习到纯净的物理规律。
资本市场对这种技术突破给予高度认可。2025年硅谷350亿美元的半导体设计软件收购案，以及PhysicsX、Neural Concept等AI工业软件公司获得的1亿美元级融资，均印证了物理仿真领域正在经历价值重估。元禾璞华董事总经理陈瑜认为，极映科技解决了多物理场仿真耗时长、成本高、耦合难的行业痛点，其1.0物理仿真大模型具有0到1的创新意义。
商业化路径上，极映科技选择从半导体行业切入。该领域对仿真精度要求严苛，且随着芯片制程推进，传统仿真工具已难以满足需求。目前公司已产生收入，主要通过项目制收取验证费用，客单价达数十万元量级。未来光锥基金创始合伙人姬十三指出，其技术可横跨工业研发、具身智能与科学研究多个领域，应用前景广阔。
团队正在推进模型从1.0版本向2.0版本迭代。1.0阶段需要用户提供少量历史数据微调模型，而2.0版本将实现零样本通用，覆盖90%以上常见物理仿真场景。高鑫透露，年底发布的2.0版本有望将物理仿真领域推进至接近“GPT-3.5时刻”的水平——届时工程师的创意探索将不再受制于仿真计算速度，创新效率将迎来指数级提升。
这种技术潜力已引发跨行业关注。游戏公司米哈游曾主动交流物理仿真技术，探讨其在构建可信虚拟世界中的应用可能。高鑫认为，当物理世界映射技术成熟时，人类将具备创造新世界的能力：“这不再是对物理现实的简单复制，而是对想象力的数字化延伸。”
