旗下微信矩阵：
当AI学会看、会写、会生成之后，下一代竞争焦点是什么？
全球科技界给出的一致答案是：物理AI——让智能体真正理解重力、摩擦、碰撞、形变等真实世界规则，实现自主推理、稳定交互、可靠决策。
物理AI，是AI从虚拟走向现实、从感知走向控制的必经之路，更是人形机器人、自动驾驶、工业数字孪生、具身智能能否规模化落地的底层命门。
而长期卡住整个行业脖子的，正是不可微分。
传统物理引擎只负责“算结果”，基本不支持梯度反向传播，仿真与AI训练彻底割裂。模型学不会物理规律，只能靠大量数据拟合表象；虚拟训练无法高效迁移到现实，Sim2Real 鸿沟巨大，工程成本高、落地难，直接导致机器人步态不稳、机械臂抓取失败、自动驾驶极端场景鲁棒性不足。
物理AI要真正走向产业，必须先把底层仿真变成可学习、可优化、可微分的一层。
在日前举行的GDPS2026全球开发者先锋大会上，飞捷科思智能科技（上海）有限公司正式发布了中国*、全球*的可微分物理仿真引擎Fysics，并同步推出从仿真训练平台、物理AI基础模型到评测基准的全栈技术基座，一举填补了行业空白，标志着中国在物理AI核心基础设施领域实现了从跟跑到并跑的关键跨越。
底层重构：可微分原生架构，跨越行业发展鸿沟
飞捷科思发布的中国*可微分物理仿真引擎没有在传统引擎上做修补，而是从底层数值逻辑、计算图、约束求解等全链路重新进行设计，以可微分原生实现了三大硬核突破：首先是多物理统一可微求解，能完整支持刚体、柔体、流体多材质耦合统一计算，覆盖碰撞、接触、摩擦、形变、流动等复杂交互，全程保持梯度可传导，为高保真物理交互打下基础；其次，做到了全链路端到端可微闭环，就是把整个物理系统建模为可微函数，让仿真直接接入AI训练框架，支持梯度下降优化，打通仿真—训练—优化闭环，让物理引擎成为模型的可训练层；更关键的是还能实现高性能工程化与国产算力的适配，引擎能高精度接触解算、大规模并行仿真、动力学保真度与效率达到国际*水平，并全面适配国产异构GPU，构建安全可控的技术链。
简单说：传统引擎是“算完就结束”，飞捷科思发布的Fysics引擎则是可学习、可优化、可迁移的，从根源上解决了虚实脱节与联合学习难题。
全栈布局：打造物理AI的底层操作系统
和国际头部厂商一样，飞捷科思这次发布的也不仅是一个单点引擎，而是一整套从底层到应用的物理AI全栈基座，相当于为现实世界智能体打造了一套通用操作系统。
其中，MoziSim具身智能仿真训练平台，在高保真渲染+ 流程仿真等方面支撑场景构建、机器人训练与Sim2Real迁移，可全面适配人形、四足、机械臂等主流形态，工程化能力已经得到了诸多国际赛事的检验。
在基础大模型上，飞捷科思的OmniFysics全模态物理AI基础模型，以仅3B的参数轻量化架构，内化物理规律与物体属性，跨文本、音视频统一理解，多项国际基准同量级*，让AI拥有“物理直觉”，告别物理盲。同时，飞捷科思此前发布的FysicsWorld / FysicsEval双评测基准，构建了防语义作弊的严格评测体系，覆盖物理感知、因果推理、综合决策，可有效推动物理AI走向标准化、可量化。
从引擎、平台、模型到评测标准，飞捷科思在事实上已经初步完成了一套完整的技术闭环，真正具备了与国际一流技术体系同行的能力。
产业破局：物理AI从实验室走向规模化落地
Fysics引擎的出现，将直接改写多个国家战略产业的效率天花板。
在人形机器人、具身智能领域，Fysics引擎将大幅降低训练成本，提升通用机器人的步态稳定、精细操作、环境适应等能力，加速通用机器人走进工厂与家庭；在工业数字孪生领域，可高精度模拟设备运行、物料交互、产线流程，支持产线优化与预测性维护，显著降本增效。
在发布会上，飞捷科思还与包括沐曦股份、并行科技、拓斯达、粒界科技等多家生态伙伴现场签约，围绕算力适配、场景落地、生态协同等方面展开深化合作，推动技术快速产业化。
业内专家指出，飞捷科思这个中国*可微分物理仿真引擎的发布，不仅是一次从零到一的突破，更是一次全栈原生技术体系的建立，让中国在物理AI底层核心领域跻身国际*梯队，为具身智能、先进制造、智能出行等战略产业提供了坚实、安全、自主的底层支撑。
当全球都在押注物理AI与机器人革命时，中国已经拿出了属于自己的核心底座。一场由原生技术引领的物理智能革命，正式拉开大幕。
