來源量子位•較早收集於 46m
深度機智獲數億元融資，加速物理AI基座模型落地
物理AI領域獲巨額融資，標誌著將大型語言模型與現實工業物理世界結合的新趨勢。
30 秒速覽
有什麼變化
兩個月內連續完成兩輪數億元人民幣融資
為什麼重要
此輪融資顯示投資者對「物理AI」領域的高度信心，預示著AI技術正加速向實體系統與工業應用場景深度整合。
下一步行動
密切關注深度機智的技術白皮書或開源發布，以了解其物理世界建模與傳統大型語言模型的差異化路徑。
誰應關注：Founders & Product Leaders
關鍵要點
- •兩個月內連續完成兩輪數億元人民幣融資
- •專注於物理AI的全棧自主研發路線
- •致力於加速國產物理AI基座模型的商業化落地
深度解析
本篇為 AI 生成分析，非原文內容。
增強重點摘要
- •深度機智（DeepWisdom）的核心技術路徑聚焦於「AI for Science」，旨在解決工業設計、材料研發及流體力學等領域的複雜物理模擬問題。
- •該公司創始團隊多具備深厚的學術背景，並強調將大模型技術與傳統數值模擬方法（如有限元分析）進行深度融合。
- •融資資金將主要用於擴充高性能計算（HPC）集群資源，以支持更大規模參數量的物理基座模型訓練。
- •深度機智已與多家國內製造業龍頭企業建立戰略合作，針對特定工業場景進行模型微調與驗證。
- •公司在推動國產化替代方面具有明確目標，致力於構建不依賴國外商業軟體的自主物理AI計算生態。
競品分析
深度機智 (DeepWisdom)
- 核心技術特點
- 物理AI基座模型、全棧自研
- 應用領域
- 工業設計、材料科學
- 備註
- 專注於物理模擬與工業落地
NVIDIA (Modulus)
- 核心技術特點
- 基於物理的機器學習框架
- 應用領域
- 數位孿生、氣象預測
- 備註
- 全球領先的物理AI開發平台
華為雲 (盤古科學計算大模型)
- 核心技術特點
- 氣象、流體、藥物分子模型
- 應用領域
- 科學計算、工業模擬
- 備註
- 具備強大的算力與生態整合能力
深勢科技 (DP Technology)
- 核心技術特點
- 分子模擬、AI for Science
- 應用領域
- 藥物研發、材料科學
- 備註
- 在微觀分子模擬領域具備領先優勢
| 競爭對手 | 核心技術特點 | 應用領域 | 備註 |
|---|---|---|---|
| 深度機智 (DeepWisdom) | 物理AI基座模型、全棧自研 | 工業設計、材料科學 | 專注於物理模擬與工業落地 |
| NVIDIA (Modulus) | 基於物理的機器學習框架 | 數位孿生、氣象預測 | 全球領先的物理AI開發平台 |
| 華為雲 (盤古科學計算大模型) | 氣象、流體、藥物分子模型 | 科學計算、工業模擬 | 具備強大的算力與生態整合能力 |
| 深勢科技 (DP Technology) | 分子模擬、AI for Science | 藥物研發、材料科學 | 在微觀分子模擬領域具備領先優勢 |
技術深入
- 採用基於物理信息神經網絡（PINNs）的架構，將物理定律（如納維-斯托克斯方程）作為約束條件嵌入損失函數中。
- 結合了神經算子（Neural Operators）技術，實現了在不同網格解析度下的高效求解，顯著提升了模擬速度。
- 構建了專有的工業物理數據集，通過多模態數據融合技術，解決了工業場景中數據稀疏與噪聲干擾的問題。
- 支援異構計算架構，優化了模型在國產AI晶片上的推理性能，降低了工業應用的部署成本。
前景展望基於引用來源的 AI 分析
物理AI將顯著縮短工業產品的研發週期。
通過AI替代部分傳統數值模擬，可將複雜物理系統的驗證時間從數週縮短至數小時。
國產物理AI模型將在高端製造業實現規模化應用。
隨著自主可控需求的提升，企業更傾向於採用具備本地化部署與定製能力的國產物理AI解決方案。
時間線
2026-04
深度機智完成首輪數億元融資，啟動物理AI基座模型研發。
2026-06
深度機智完成第二輪數億元融資，加速商業化落地進程。
- 2026-04深度機智完成首輪數億元融資，啟動物理AI基座模型研發。
- 2026-06深度機智完成第二輪數億元融資，加速商業化落地進程。
AI 週報
閱讀本週精選 AI 大事摘要 →
相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗
每週電子報
每週一封，可隨時退訂。