NP Co. bruger AI-transformere til at simulere fysik 1.000 gange hurtigere

NP Co. blev grundlagt i 2025 af Emmanuel Menier (CEO) og Matthieu Nastorg (CTO) . De har begge en ph.d. i AI til simulering fra Paris-Saclay Universitet, og virksomheden er udsprunget af Inria, det franske, offentlige forskningsinstitut, der tidligere har fostret adskillige AI-projekter . Denne akademiske bagage placerer startup'ens rødder i det samme franske forskningsmiljø, som også har fostret stifterteamet bag Mistral AI – en af Europas absolutte AI-giganter.

Transformer-arkitektur anvendt på fysikkens verden

Virksomheden er i gang med at bygge præ-trænede, grundlæggende modeller ved hjælp af en transformer-arkitektur – den samme grundlæggende tilgang, der driver store sprogmodeller som ChatGPT – men her anvendt på fysisk simulering i stedet for tekst . Modellerne trænes på industrielle fysikdata og er designet til at erstatte ældre simuleringssoftware inden for luftfart, forsvar, energi, elektronik, datacentre og bilindustrien .

En traditionel fysiksimulator er nødt til at gennemføre beregningstunge udregninger fra bunden, hver gang et design ændres. NP Co.'s tilgang består i at præ-træne en model én gang på den relevante fysik, hvorefter den leverer resultater direkte, når en ingeniør ønsker at teste et nyt design . Man behøver altså ikke at genstarte hele simuleringskæden for hver eneste lille ændring. Det svarer lidt til forskellen på at skulle bage en helt ny kage, hver gang man vil smage på dejen, og så at have en perfekt opskrift klar med det samme.

Markant hastighedsfordel demonstreret

Forskellen i ydelse er markant. Ældre simuleringsværktøjer tager typisk dage til uger per designevaluering. NP Co.'s præ-trænede modeller leverer resultater på sekunder . Startup'en har demonstreret hastighedsforbedringer på 1.000 gange på industrielle benchmarks – herunder hos den franske flymotorproducent Safran – og hævder, at der er en vej til en acceleration på 50.000 gange ved simulering af komplette enheder .

Dette kvantespring i hastighed ændrer radikalt på, hvad der er muligt i designprocessen. Hvor et ingeniørteam måske tidligere kunne teste en håndfuld konfigurationer, kan de nu udforske tusindvis af designvarianter på den samme tid, som det før tog at køre en enkelt simulering . Det åbner døren for en langt mere kreativ og grundig udviklingsproces.

Hvad skal de 6 millioner euro bruges til?

Pre-seed kapitalen skal primært bruges til at udvide forskerteamet og fortsætte udviklingen af de grundlæggende modeller . På længere sigt sigter NP Co. mod at bygge automatiserede designværktøjer og operationelle simulatorer i realtid til industriel infrastruktur . Målet er ikke blot at accelerere eksisterende arbejdsgange, men at åbne op for helt nye måder at designe komplekse fysiske systemer på.

En bemærkelsesværdig timing i det franske AI-miljø

Investeringen landede i et særdeles interessant tidsvindue. Den 19. maj 2026 – blot 13 dage før NP Co.'s egen annoncering – opkøbte Mistral AI selv Emmi AI, en østrigsk startup, der bygger fysikmodeller til industriel simulering . To af Mistrals egne medstiftere investerede derefter personligt i en parisisk startup, der bevæger sig i næsten samme problemfelt. Dækningen af nyheden beskrev investorkredsen som en "bemærkelsesværdig eksklusiv skare af troende" for et lidet kendt selskab, der først for nylig havde skiftet navn .

Uanset om der er tale om en bevidst afdækningsstrategi eller simpelthen et væddemål på det stærkeste tekniske team, er signalet klart: Industriel fysiksimulering er på vej ind i en ny æra drevet af grundlæggende AI-modeller, og nogle af Europas mest prominente AI-skikkelser placerer nu deres tidlige indsatser på, hvem der kommer til at lede den udvikling.