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首个、全球领先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首个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领先水平，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领先，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，飞捷科思这个中国首个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第一梯队，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。