Стартап PhysicsX из мира гонок привлёк $300 млн и получил оценку $2,4 млрд за мгновенные инженерные симуляции

Лондонский стартап PhysicsX, основанный бывшими инженерами Формулы-1, 8 июня 2026 года объявил о закрытии переподписанного инвестиционного раунда Series C на сумму $300 млн. Оценка компании в рамках сделки составила около $2,4 млрд .

Основным инвестором выступил суверенный фонд Сингапура Temasek, впервые поддержавший компанию в 2025 году. К раунду также присоединились новые участники — M&G Investments и базирующаяся в Канаде Intrepid Growth Partners . Впечатляющий состав действующих акционеров, включая Nvidia, Applied Materials, фонд Atomico, General Catalyst, Siemens, July Fund, NGP и Radius, подтвердил свое дальнейшее участие в капитале .

Эта сделка увеличила оценку PhysicsX более чем вдвое по сравнению с раундом B, закрытым всего двенадцатью месяцами ранее, когда стартап получил $170 млн при оценке, близкой к $1 млрд . К настоящему моменту общая сумма привлечённого капитала достигла примерно $500 млн, что отражает ажиотаж вокруг ИИ-компаний, нацеленных на решение сложнейших физических, а не сугубо цифровых задач .

Основатели с опытом на скорость

Компанию основали генеральный директор Джакомо Корбо (Jacomo Corbo) и председатель правления Робин Тулуйе (Robin Tuluie) — оба прошли суровую школу гоночного инжиниринга в Формуле-1, где даже миллисекундное промедление с принятием решения критически важно . Головной офис PhysicsX расположен в Лондоне, также у компании есть подразделения в Нью-Йорке, а сейчас активно расширяется присутствие в Кремниевой долине (Bay Area) и Сингапуре . Штат насчитывает более 300 человек, и за последний год он вырос вдвое .

Как работает платформа: от месяцев к секундам

PhysicsX создала платформу, призванную заменить традиционные, невероятно времязатратные процессы инженерного моделирования, лежащие в основе современной разработки сложного «железа». Программный комплекс использует ИИ-модели, способные предсказывать сложное физическое поведение конструкции за секунды вместо часов или дней, а в некоторых случаях — и месяцев, которые требуются классическим физическим решателям .

Такой выигрыш во времени позволяет проектным группам оценивать «на порядки больше вариантов конструкции» и непрерывно учитывать физические свойства изделия на всём его жизненном цикле. Модели полезны везде: от ранней концептуальной стадии и оптимизации производственных процессов до работы с цифровыми двойниками в реальных условиях эксплуатации . Сейчас PhysicsX обслуживает заказчиков из аэрокосмической и оборонной промышленности, сферы полупроводников, автомобилестроения, энергетики и возобновляемых источников, индустриального машиностроения и производства современных материалов .

В компании отдельно отмечают, что самым быстрорастущим сегментом для нее стало проектирование оборудования для дата-центров под системы искусственного интеллекта . Бизнес-показатели демонстрируют уверенный рост: признанная выручка удвоилась год к году, а объем полученных заказов (booked revenue) утроился; число клиентов за тот же период также увеличилось более чем вдвое .

Планы экспансии и «Большие физические модели»

В официальном заявлении PhysicsX указано, что привлечённые $300 млн будут направлены на три стратегических направления :

• Глобальная экспансия: Масштабирование коммерческой деятельности и присутствия на рынках, прежде всего в Соединённых Штатах и Азиатско-Тихоокеанском регионе.
• Расширение платформы: Увеличение функциональности ИИ-среды, чтобы охватить больше инженерных сценариев и проникнуть в новые смежные отрасли.
• Передовые исследования: Создание нового поколения более крупных, предварительно обученных базовых моделей, которые в PhysicsX называют Large Physics Models (LPMs) — «Большие физические модели». Их особенность — обучение как на синтетических данных с симуляций, так и на реальной информации с физических датчиков. Такой подход знаменует движение в сторону универсального «физического мышления» ИИ для промышленного дизайна и эксплуатации.

Используя сочетание симулированных и эмпирических данных, PhysicsX рассчитывает создать системы, которые не просто ускоряют поиск конструкторских решений, но и стирают грань между компьютерной моделью и реальным поведением работающего оборудования. По сути, это способно сломать традиционный в инженерной практике водораздел, разделяющий расчёт и испытания.