数字仿真网

图1  Flexcompute 品牌标识（来源：Flexcompute 官网公开资料）

半导体与先进制造巨头联合注资，为“让 AI 理解物理规律”的仿真新范式投下关键一票

AI 正在改变产品的设计方式，但产品最终仍必须服从物理定律。10 月 12 日，总部位于美国波士顿的 Flexcompute 宣布获得三星创投（Samsung Ventures）与应用材料旗下应用创投（Applied Ventures, LLC）等机构的战略投资。资金将用于扩充研究团队、扩展 GPU 算力，并推动其“物理世界模型”（Physics World Model）向流体、电磁、结构、热及多物理场耦合方向延伸。公告未披露具体投资金额与股权比例。这笔来自半导体与先进制造龙头企业的联合注资，为“让 AI 理解物理规律”的仿真新范式投下关键一票。

表1  本次战略投资关键信息速览（数据来源：Flexcompute / PR Newswire 官方新闻稿，2026 年 10 月 12 日）

一、资本动态：半导体与先进制造巨头联合注资

此次投资由三星创投与应用创投等机构共同参与。三星创投是三星集团的创业投资部门，在全球范围内投资半导体、人工智能与先进制造领域的早期及成长期技术公司；应用创投则是全球半导体材料工程龙头企业应用材料公司（Applied Materials, Inc.）旗下的风险投资部门，聚焦于推动半导体与显示制造技术进步的技术企业。两家机构均处于全球半导体与先进制造生态的核心位置，其联合出手本身即传递出清晰的产业信号——物理仿真正从“设计辅助工具”升级为先进制造链条中的关键验证环节。

Flexcompute 表示，本轮资金将投向三个方向：扩充研究团队、扩展 GPU 算力，以及把物理世界模型从当前已覆盖的领域进一步向流体、电磁、结构、热及多物理场耦合方向延伸。

这并非 Flexcompute 首次获得资本市场的关注。据韩国信用新闻（The Credit News）报道，该公司曾于 2021 年 11 月在美国投资机构 Coatue Management 主导下完成 2200 万美元规模的 B 轮融资。此次引入半导体与先进制造产业链上的重量级投资方，被视为其从“前沿技术研究”走向“产业落地”的重要一步。

二、从“数据模式”到“物理规律”：物理世界模型与 Tokenized Physics

今天的大多数 AI 系统从“过去”学习——文本、图像、历史仿真结果。这类系统在语言与艺术领域取得了突破，但在物理定律起绝对作用的硬件工程领域，局限同样明显：仅凭历史数据，难以准确预测一个从未被设计过的新结构的物理响应；而 AI 特有的“自信地给出错误答案”现象，在工程场景中可能直接转化为致命的设计失误。

Flexcompute 选择了一条不同的路线。公司将“物理世界模型”定位为“学习物理规律本身”的 AI 系统：从芯片封装在高温下的翘曲，到航天器重返大气层，模型都基于对物理规律的理解作出预测，而非仅从历史文本、图像与仿真结果中学习数据模式。其核心方法“Tokenized Physics”把神经网络与第一性原理物理直接内建到模型中，使每一次预测都遵守与物理世界相同的守恒定律，即使面对模型从未见过的设计也能保持准确。

支撑这一路线的是自研的底层求解能力。公司由 70 余位博士组成的团队，从零开始在 GPU 上构建了计算流体力学、电磁、结构与热求解器，为“让 AI 理解物理”提供了经过验证的物理基础——AI 预测并非无根之木，而是站在一整套第一性原理求解器之上。

图2  物理世界模型把神经网络与第一性原理物理直接内建，使 AI 预测遵守守恒定律（概念示意图）

三、“快过 AI、严过生产决策”：验证层的速度与精度

应用材料首席 AI 官 Yu Cao 认为，将 AI 真正用于工程问题的限制，在于每一个方案被物理定律验证的速度：“每个行业都在竞相把 AI 用于真实的工程问题，而瓶颈在于每个方案能以多快的速度通过物理定律的验证。Flexcompute 建成了独特的东西：仿真快到能跟上 AI 的节奏，又严格到足以支撑生产决策。”在先进制造场景中，这意味着更大比例的设计周期可以在数字世界里完成，从而节省时间与成本。

公开演示数据佐证了这一判断。在已披露的演示中，Flexcompute 对一个含 80 万以上焊点、一颗 ASIC 与 32 个光学引擎的先进半导体封装，求解了 5 亿自由度的翘曲模型，数分钟内即可达到商用有限元结果 2% 以内的精度。速度与精度的组合，正切中传统仿真工具的痛点：商用有限元工具精度虽高，但一次验证往往需要数天甚至数周，已成为先进设计迭代的瓶颈。

围绕这一能力，Flexcompute 构建了“物理孪生”（Physics Twins）工作流：客户通过自身产品的数字模型，让工程师与 AI 智能体在实物建造之前进行提问、测试与优化。在这一流程中，工程师设定目标并审批结果，AI 智能体负责迭代，而物理法则始终约束着“什么方案可行”。

图3  先进半导体封装的翘曲求解——80 万以上焊点、5 亿自由度模型在数分钟内完成（概念示意图）

四、资本押注背后：下一代硬件的设计将数字化完成

为什么是三星与应用材料？答案藏在下一代硬件的制造难题里。随着半导体制程微缩与异构集成封装的推进，多颗芯片在狭小空间内堆叠所引发的发热、翘曲与电磁干扰，已成为影响良率的主要障碍之一；先进封装涉及的物理变量呈指数级增长，传统的“试错式”硬件开发流程难以承受相应的成本与周期。能否在硬件制造之前准确预测这些物理响应，直接关系到半导体与先进制造企业的竞争力。

三星创投代表表示：“AI 正在改变产品的设计方式，但产品仍然必须服从物理定律。Flexcompute 正在构建理解这些定律的 AI，而不仅仅是理解数据。我们相信，物理世界模型将塑造下一代硬件的开发方式。”

Flexcompute 联合创始人兼总裁 Vera Yang 则把这一布局概括为“比特与原子之间的验证层”：“语言模型从文本中学习世界，而硬件由物理定律而非文本支配，再多的数据也无法替代定律本身。我们正在构建比特与原子之间的验证层——任何工程师或 AI 智能体，都能在硬件建造之前询问‘这个设计行不行’。三星与应用材料看到了我们所看到的：AI 的下一次跃迁来自对物理世界的理解。”

图4  工程师与 AI 智能体可在硬件建造之前，在数字世界中完成设计验证（概念示意图）

五、行业观察：仿真行业的角色位移与待解课题

从 GPU 原生求解器到物理世界模型，仿真行业的角色正在发生位移：不再是“算得快的工具”，而是“把设计周期前移、在数字世界里完成验证”的产业底座。Flexcompute 已与诺斯罗普·格鲁曼（Northrop Grumman）和英伟达（NVIDIA）开展合作，将基于物理的 AI 用于航天器对接等任务的关键动作预测，把传统上需要数月的仿真准备压缩至秒级洞察，进一步印证了“数字验证前移”的行业趋势。

不过，距离大规模产业落地，仍有待解课题。其一，目前公开演示的成果集中在热-结构耦合（如封装翘曲）等特定问题上，而真实半导体设计是流体、电磁、结构、热等多物理场同时相互作用的环境，能否在多物理场全耦合条件下保持商用工具级别的精度，尚需更多第三方验证；其二，物理世界模型能否真正进入全球半导体企业的量产设计线并被正式采用，是衡量其产业价值的第一个标志性节点。随着半导体与先进制造巨头入场，物理世界模型有望成为连接生成式 AI 与真实工程决策的公共层，让更多设计在物理试错之前，先完成数字验证。

图5  扩充 GPU 算力是本轮资金用途之一，支撑多物理场求解的规模化扩展（概念示意图）