近日，飞捷科思智能科技（上海）有限公司宣布完成近亿元Pre-A1轮融资。本轮融资由经纬创投 与东方富海联合领投，沐曦股份、驰星创投等机构参与投资。 飞捷科思定位为Physical AI（物理AI）核心基础设施供应商，专注于自主研发面向具身智能的新一 代可微分、多物理统一求解物理仿真引擎。该引擎适配主流及国产GPU，支持大规模并行仿真，旨 在通过生成高质量合成数据，解决机器人训练数据匮乏的行业痛点。 尽管现有顶尖多模态大语言模型（ MLLMs ）在语义理解与跨模态推理上已展现出惊人能力，但它们 在物理感知层面仍面临巨大的 " 认知鸿沟 " 。这种物理认知的缺失，导致现有模型在生成任务中频 频产生违反因果律的 " 物理幻觉 " ，在推理任务中则倾向于依赖浅层的语义标签而非内在的物理 属 性与参数 ，限制了其在真实物理世界中的 可用性、 可靠性 与泛 化能力。其 背后的根 本原因在 于，关键的物理属性在视觉上具有天然的模糊性，且在现有的网络规模数据中缺乏显式的表征与对 齐，导致模型难以像人类一样通过跨模态线索消除歧义，从而无法建立起对物理世界本质的正确认 识。 为突破这一物理认知瓶颈，飞捷科思智能科技（ Fysic ...

来源：环球网 近日，飞捷科思智能科技（Fysics AI）正式发布全球首个懂"物理定律"的全模态物理AI基础模型—— OmniFysics，该模型以仅3B的参数量实现了物理感知与推理领域的创造性突破，成功破解了传统AI普 遍存在的"物理幻觉"行业痛点，为具身智能、人形机器人等前沿领域的发展奠定核心技术底座。 随着人工智能技术向实用化升级，具身智能、人形机器人、工业仿真等领域迎来快速发展期，传统AI 的"物理盲区"日益凸显。现有全模态AI模型虽能实现图像、音频、文本等多形式交互，却缺乏底层物理 逻辑支撑，依赖海量数据的"死记硬背"来模仿视觉与运动规律，极易出现大量的"AI幻觉"。与此同时， 现有物理AI评测体系多局限于做题背公式的单一模式，无法有效检验模型在真实场景中的物理感知与 推理能力，难以满足产业落地需求。OmniFysics的推出，开创性地满足了全球AI业界向真正物理AI迈进 的核心诉求。 据了解，作为全球首个懂"物理定律"的全模态物理AI基础模型——OmniFysics的核心突破集中在技术创 新与实用落地两大维度。该模型通过向底层架构注入高质量物理知识，让仅3B参数量的紧凑模型，在 物理预测、属性识别 ...

凤凰网科技讯 2月9日，飞捷科思智能科技（Fysics AI）联合复旦大学认知智能技术实验室（CITLab） 正式发布了全球首个面向真实物理世界的全模态物理AI基础模型——OmniFysics。该模型旨在解决当前 生成式AI普遍存在的"物理盲"问题，即虽然能够生成高质量图像或对话，但在处理涉及重力、材质、密 度等物理规律时常出现违背常识的"幻觉"。 在技术架构上，OmniFysics采用了四阶段渐进式训练法，先独立训练单模态感知，再进行全模态深度融 合，有效平衡了单一任务的专业性与跨模态的协同能力。为验证模型的实际物理理解水平，团队同步推 出了FysicsEval评测基准。 这是一套涵盖物理属性预测、物理逻辑推理及跨模态一致性判断的综合评估体系，旨在考核AI是否具 备识破"水往高处流"等违反物理常识现象的能力，为具身智能从语义理解迈向物理交互提供了量化标 尺。 不同于传统大模型依赖海量视觉数据进行模式匹配的路径，OmniFysics在仅有3B参数量的轻量化架构 下，引入了物理感知与因果推理机制。通过"静态中枢（FysicsAny）"与"动态中枢 （FysicsOmniCap）"两大独创数据生态，该模型能够识别 ...