中国突破物理 AI 底层：中国首个可微分物理仿真引擎重构下一代智能底座

　　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。