光锥FAMILY丨极映科技发布全球首个零样本泛化固体力学物理基础模型

2026-07-17 03:18:44 [综合] 来源：德瑞斯资讯网

近日，光锥丨极个零固体成立于2024年底的映科样本极映科技（Jiying Tech）正式揭晓其物理基础模型的最新里程碑：极映2.0-s固体力学物理基础模型。这一突破标志着模型无需针对新几何结构、技发基础新工况或新材料进行重新训练，布全即可在未见过的球首复杂问题上，直接输出接近传统数值算法精度的泛化物理场结果。

极映科技指出，力学极映2.0-s是物理迈向“物理AI”的关键一步：它赋予AI不仅生成和理解语言、图像及空间的模型能力，更使其具备了建模、光锥丨极个零固体预测与验证真实物理过程的映科样本硬核实力。此举也意味着极映科技从工业级固体力学切入，技发基础正式确立了“让AI懂物理”的布全基础模型探索路径。

为什么世界模型必须引入物理规律？球首

在当下的人工智能范式中，“世界模型”被视为核心高地。泛化李飞飞、Yann LeCun、黄仁勋等全球科技领袖均达成共识：空间智能与物理AI是连接虚拟与现实世界的桥梁。然而，现有的世界模型多基于视频数据学习、三维重建及物体语义识别，主要捕捉物体“看起来”如何运动，侧重于视觉层面的合理性与交互连贯性。

极映科技认为，真正面向现实世界的世界模型，不能仅停留在空间几何理解与物体识别，必须拥有对物理规律建模与预测的能力。无论是游戏中的碰撞、重力与流体特效，还是具身智能中的抓取、行走与环境交互，其本质均受物理规律支配。不同场景对物理保真度的要求各异：
* 游戏领域：侧重视觉真实感与实时交互体验；
* 具身智能：侧重物理直觉与行为的可执行性；
* 工业仿真：要求结果必须经过控制方程、边界条件、材料参数及实验数据的严格验证。

因此，极映科技选择从对物理准确性要求最高、容错率最低的工业领域切入，构建以真实物理规律和工程仿真数据为核心先验的物理世界基础模型。其目标并非让虚拟世界“看起来正确”，而是让智能体能够理解并预测重力、摩擦、流体、热传导、应力等真实物理过程，使虚拟世界在物理层面具备可计算、可验证、可泛化的可信能力，进而服务于工业设计、具身智能及游戏交互等更广泛的物理智能场景。

突破数值范式天花板：极映2.0-s固体力学模型

数值仿真（如有限元法、有限体积法）虽是现代工程的基石，但其底层范式正逐渐成为工程创新的瓶颈。传统仿真流程繁琐、耗时漫长（单次求解需数小时至数天），且极度依赖专家经验。这导致工程师只能在有限的经验方案中进行优化，难以在完整的设计空间中搜索全局最优解。

极映2.0-s固体力学模型的发布，从根本上颠覆了这一现状。极映选择固体力学（三维线弹性）作为首个覆盖的物理场，因其应用面最广、对应最真实且为最高频的工程需求。从汽车车身结构件、支架，到半导体封装在热-机械载荷下的基板应力，再到医疗植入物的力学响应，几乎所有承力结构件均需进行应力、应变及刚度分析。该模型以大规模工程仿真数据与复杂三维几何数据为训练基础，能够直接从几何与工况出发，生成高保真的连续物理场结果，并输出具有工程意义的关键指标。

极映产品平台界面

核心突破：零样本（Zero-shot）泛化能力

极映2.0-s的核心竞争力在于其零样本泛化能力。物理基础模型与上一代代理模型的分水岭，在于模型在训练分布之外能否保持精度。若测试集的几何、边界条件、材料参数与训练集高度相似，模型看似准确，实则仅为“插值”——一旦面对真实客户的新零件，模型便会失效。

为此，极映在几何、边界条件、材料参数三个相互独立的维度上进行了严格的Held-out验证。结果显示，即使面对训练集中未见的几何结构、未覆盖的载荷约束组合，以及未包含的材料弹性模量区间，甚至在三轴同时处于分布外（OOD，最贴近真实客户场景）的情况下，极映2.0-s依然能保持极高精度。这种物理一致性与几何泛化性，使得工程级物理推理首次从高度专业化、强依赖人工经验的仿真工具，演进为可被广泛调用的基础智能能力。

一条被验证的复用路线：通向统一物理基础模型

极映2.0-s的意义远超单一固体力学模型本身。正如极映团队所强调，单一模型的性能可能被复现或超越，但真正难以复制的，是一条能够低成本、可重复地将新物理场“生产”出来的方法论与基础设施。

极映从底层重新设计了物理问题的模型架构，跨越了物理基础模型的四大技术门槛：
1. 几何复杂性：实现多尺度几何编码，统一表征任意复杂的三维几何；
2. 边界与交互：感知接触、摩擦等物理边界，处理多物理场耦合；
3. 本构泛化性：通过数据驱动结合物理约束，实现跨材料、少样本的泛化；
4. 物理准确性：确保结果稳定可控、长时间高精度且不耗散。

极映跳出传统“解方程”的数值思维，将本源性的物理机制抽象为神经网络中的功能组件，让模型学习偏微分方程之间的共性。同时，极映建立了自动化的数据生产与质检流水线，从求解残差、场量连续性到物理边界合理性，确保训练数据的绝对纯度。

以固体力学为起点，极映完整跑通了“模型架构 → 数据集与质量体系 → 训练策略 → 泛化验证”的闭环。扩展至新物理场（如流体、热力、电磁），本质上是替换各环节中物理相关的部分，而基础设施与方法论得以复用。这意味着随着物理场的增加，边际成本将显著降低。

命名逻辑与演进路线：
* 后缀记录当前覆盖的物理场，-s代表固体力学（Solid）。
* 后续加入流体（Fluid）即为 极映2.0-sf。
* 再加入热（Thermal）即为 极映2.0-sft。

这并非一堆分立模型的堆砌，而是同一个模型不断吸收新物理场，最终收敛为覆盖全部物理场的统一物理基础模型。

构筑AGI的坚实底座

“AGI由基础能力叠加而成。我们做物理这一块。”这是极映科技的清晰定位。

极映科技由三位兼具AI与物理仿真背景的博士联合创立，团队横跨机器人、半导体、医疗等交叉领域，形成了算法、仿真与产业应用深度融合的核心能力栈。

极映制定了明确的三年路线图：
* 2026年（场景落地）：V1.0少样本微调模型全面上线；
* 2027年（规模化拓展）：V2.0全面上线，实现核心物理场全泛化；
* 2028年及以后（通用基础模型）：构建通用物理基础模型基座。

极映物理基础模型不仅是工业软件的重构者，更是未来世界模型的物理内核。遵循“一个底座，多个应用”的理念，底座每迭代一次，所有应用同步受益。它将为数字孪生、复杂系统预测及具身智能提供可信的物理约束。当机器人不仅拥有视觉，更拥有对重力、碰撞、摩擦的“物理直觉”时；当虚拟世界不仅逼真，且物理规律精准无误时，我们将真正步入由物理AI驱动的全新时代。

补上世界模型这关键一环，极映科技正走在最前沿。