中國突破物理 AI 底層：中國首個可微分物理仿真引擎重構下一代智能底座

　　當AI學會看、會寫、會生成之后，下一代競爭焦點是什么?

　　全球科技界給出的一致答案是：物理AI——讓智能體真正理解重力、摩擦、碰撞、形變等真實世界規則，實現自主推理、穩定交互、可靠決策。

　　物理AI，是AI從虛擬走向現實、從感知走向控制的必經之路，更是人形機器人、自動駕駛、工業數字孿生、具身智能能否規模化落地的底層命門。

　　而長期卡住整個行業脖子的，正是不可微分。

　　傳統物理引擎只負責“算結果”，基本不支持梯度反向傳播，仿真與AI訓練徹底割裂。模型學不會物理規律，只能靠大量數據擬合表象;虛擬訓練無法高效遷移到現實，Sim2Real 鴻溝巨大，工程成本高、落地難，直接導致機器人步態不穩、機械臂抓取失敗、自動駕駛極端場景魯棒性不足。

　　物理AI要真正走向產業，必須先把底層仿真變成可學習、可優化、可微分的一層。

　　在日前舉行的GDPS2026全球開發者先鋒大會上，飛捷科思智能科技(上海)有限公司正式發布了中國首個、全球領先的可微分物理仿真引擎Fysics，并同步推出從仿真訓練平臺、物理AI基礎模型到評測基準的全棧技術基座，一舉填補了行業空白，標志著中國在物理AI核心基礎設施領域實現了從跟跑到并跑的關鍵跨越。

　　底層重構：可微分原生架構，跨越行業發展鴻溝

　　飛捷科思發布的中國首個可微分物理仿真引擎沒有在傳統引擎上做修補，而是從底層數值邏輯、計算圖、約束求解等全鏈路重新進行設計，以可微分原生實現了三大硬核突破：首先是多物理統一可微求解，能完整支持剛體、柔體、流體多材質耦合統一計算，覆蓋碰撞、接觸、摩擦、形變、流動等復雜交互，全程保持梯度可傳導，為高保真物理交互打下基礎;其次，做到了全鏈路端到端可微閉環，就是把整個物理系統建模為可微函數，讓仿真直接接入AI訓練框架，支持梯度下降優化，打通仿真—訓練—優化閉環，讓物理引擎成為模型的可訓練層;更關鍵的是還能實現高性能工程化與國產算力的適配，引擎能高精度接觸解算、大規模并行仿真、動力學保真度與效率達到國際領先水平，并全面適配國產異構GPU，構建安全可控的技術鏈。