极映创始人高鑫：用物理基模，补上 AGI 缺失的第三块地基

编者按

当 AI 正在重构科研与产业的底层逻辑，AI for Science 早已不是纸上概念。4月28日，未来光锥联合北京中关村学院AI商学院，共同推出「AI for Science 创变者说：学界 × 产业先锋对话系列沙龙」。首期活动邀请了3 位一线嘉宾。极映科技创始人&CEO高鑫完整拆解了 AI 驱动的下一代物理仿真的底层逻辑，分享了极映科技用通用物理基础模型，重构工业仿真、打开具身智能想象空间的实践与思考。

如果我们能在数字世界里，1:1 复刻整个真实物理世界的所有规律，重建一个完全贴合现实的数字孪生宇宙，那是不是能证明，我们人类本身，也正生活在一个巨大的模拟器里？

世界模型，缺了“物理”这一块

现当下，世界模型成了AI圈的热词，但高鑫的判断很清晰：真正的世界模型，从来不是一个模型打天下，而是语言、感知、物理三大基础能力的融合。

就像我们评价一个人，会说他的情商、智商、财商，本质上是在描述他不同维度的能力，一个人对外展现的所有特质，都是各类能力的复合体。那放到 AI 时代，我们完全可以做出这样的判断：未来每一项核心基础能力，都会对应一个专属的基础模型。

语言基础模型有GPT、Claude，感知基础模型有CLIP、SAM、Sora，唯独物理模型——从日常拿杯子该用多大力的直觉，到学过物理后的专业推理——始终是AI尚未补齐的关键一环。

极映科技的初心，就是想把经典物理范畴内的规律，做成一个通用的物理基础模型。当语言、感知、物理三大基础模型都到位，真正的世界模型才会自然涌现。

传统的物理仿真，跟不上 AI 时代的工业需求了

其实用计算机还原物理规律这件事，早就不是新鲜事——上世纪50年代就有了，也就是我们说的物理仿真。

举个最直观的例子：测试新车空气动力学，过去要造真车、送进风洞，耗时数月、成本数百万；而物理仿真，就是在计算机里“重演”物理世界，不用造样车，改个设计就能立刻重新算，省时又省钱。

物理仿真的核心，就是用计算机求解物理规律的数学方程（比如描述流体的Navier-Stokes方程），不管是汽车气动、机器人高难度动作，还是影视里逼真的水流/烟雾特效，背后都是它在发力。

根据麦肯锡2023年调研，未来5年全球约30万亿美元的新产品研发，都要靠物理仿真。更关键的变化是企业对仿真的诉求优先级，已经发生了根本性翻转。过去企业的考量顺序，是先优化性能，再降成本、降工程成本，最后才是加快产品上市；但现在完全反过来了，企业把加快上市放在了第一位，后面依次是降成本、优化性能，最后才是降工程成本。

"加快上市时间"已经从最末位，跃居企业对仿真的第一需求，但传统仿真，根本支撑不了高速迭代的诉求。它面临四个结构性瓶颈：

- 速度慢：单次求解要数天，工程团队大量时间消耗在等待上；

- 门槛高：网格划分、边界条件设定、参数调优等工作都要5年以上经验的专家；

- 成本贵：主流软件年费数十万，还要配高性能计算集群；

- 覆盖面窄：中小企业渗透率不足10%。

AI时代，工业需要的是人人能用、随取随用、即时反馈的物理推理能力，而不是只服务高端专家的工具。

极映 1.0：从专家工具到人人可调用的基础能力

正是看到这些行业痛点，加上我们对AI时代物理能力的判断， 我们在2024 年底创立了极映科技，目标是：让任意几何、任意工况的物理仿真，简单、快速、精准地实现。

我们首先选择的商业化场景是工业——因为这是已知的、可以快速实现商业化的市场。团队在过去几年中啃下了四大技术难点，包括几何复杂性、边界与交互复杂、本构泛化性和物理准确性。

2025 年底，我们发布了极映 1.0 模型。相较传统 CFD 工具，极映 1.0 重构了物理仿真的底层逻辑：将传统 4-24 小时的典型推理时间压缩至秒级，速度提升超 100 倍且精度损失低于 5%；以统一框架覆盖流体、结构、热、电磁 4 大物理场，替代传统相互独立的分散工具；采用无网格技术省去复杂网格划分，搭配自然语言交互实现零专业门槛上手，打破了传统工具强依赖专家的壁垒，且已在多个真实工业场景完成精度验证。

这是工业仿真领域的一次范式跳变，让物理仿真从 “专家专属工具” 转变为 “人人可调用的基础能力”。

比如，在工业设计领域，过去做支架拓扑优化，有上千篇学术论文在研究各种复杂的优化算法，极度依赖工程师的经验积累；现在用AI可以有更暴力的做法：生成数千种几何方案，极映模型1-2小时就能全部仿真完，设计师只要挑符合需求的就行。从“被动优化”，变成“物理约束下的主动生成”，设计空间直接拉满。

我们整个技术发展的路线图，核心是分两步走：第一步，以纯数据驱动的方案，收集海量多物理场数据，训练出通用物理基础预训练模型；第二步，在预训练模型之上做场景化封装，落地到不同的应用领域。当前的 1.0 版本，已经实现了 10-100 例小样本微调即可快速适配场景需求；而正在研发中的 2.0 版本，核心目标是实现零样本物理推理，进一步打破模型的应用边界。

不止于工业：打开具身智能与世界模型的想象空间

工业，只是我们物理基础模型的起点。现在，我们正在把这套能力，推向具身智能领域。

当下行业已经普遍认识到视频数据、第一人称视角数据对机器人训练的宝贵价值，我也相信，未来第三视角的视频数据也十分有价值。但所有的视频数据，都有一个致命的信息维度缺失 ——力学信息。

我们能从视频里看到物体的外观、尺寸、运动轨迹，却无法知道 “用手抓握这个物体需要多大的力”“物体碰撞后会发生怎样的形变”，而这些力控信息，恰恰是机器人灵巧手操作、完成高难度接触任务的核心，是必不可少的维度。

我们正在做的，就是用物理基础模型补全这个缺失的维度：把视频里的视觉信息提取出来，输入到我们的基础模型中，就能直接输出对应的完整力学信息。这意味着，我们可以把互联网上海量的人类操作视频，一夜之间转化成机器人可以学习的训练语料。

而这，正是通用物理基础模型最核心的价值：它把过去分散在汽车、航空、影视、机器人等不同行业的物理仿真工作，全部统一到了一个基础模型里解决。当这个通用物理基础模型，和语言大模型、视觉大模型等其他基础能力完成融合，我们所期待的真正的世界模型，自然就会应运而生。

这也是我们的初心：极映科技，就是要用 AI 极致地映射整个真实的物理世界。从复刻一个风洞的气流运动，到还原一个零件的形变过程，再到补全机器人训练的力学维度，最终在数字世界里，重建一个完整贴合现实规律的物理宇宙。

作者简介

高鑫，上海极映科技创始人兼 CEO，长期关注 AI for Science 与物理仿真基础模型。当前主要研究方向是将深度学习与多物理场仿真结合，构建能够从几何与工况直接预测物理场和关键性能的 AI 模型，推动物理仿真从传统“高门槛、长周期”走向“秒级、自动化、工程可用”。

想要了解更多AI for Science创业项目？有BP想要投送？或者想来分享你的真知灼见？添加果壳硬科技企业微信，私信沟通。

本文经授权转载自未来光锥ID：lightcone2050），如需二次转载请联系原作者。欢迎转发到朋友圈。

点个“小爱心”吧