NP Co. använder AI-transformers för att simulera fysik 1 000 gånger snabbare

För ingenjörsteam inom industrin är det vardag att vänta i dagar, eller till och med veckor, på att en enda fysiksimulering ska bli klar. En Paris-baserad startup, backad av några av Europas mest inflytelserika AI-profiler, menar nu att den eran är på väg att ta slut.

NP Company (NP Co.) meddelade den 2 juni 2026 att de tagit in 6 miljoner euro i en pre-seed-runda ledd av riskkapitalbolaget Partech, där Boris Golden tar en plats i styrelsen . Det som främst väckt uppmärksamhet är dock listan över affärsänglar: Mistral AI:s medgrundare Guillaume Lample och Cédric O, tillsammans med Dataikus grundare Florian Douetteau och Artefacts vd Vincent Luciani. Även Peugeots familjeägda investmentbolag deltog i rundan . Det är en ovanligt högprofilerad investerarlista för ett bolag som fram tills nyligen opererade under namnet Augur .

Grundare med djupa rötter i simulering

NP Co. grundades 2025 av Emmanuel Menier (vd) och Matthieu Nastorg (cto) . Båda har doktorerat i AI för simulering vid Université Paris-Saclay, och företaget är en avknoppning från Inria — det franska forskningsinstitutet som tidigare kläckt flera AI-projekt, däribland Mistral AI:s grundarteam . Det placerar startupen mitt i samma franska forskningsekosystem som gett upphov till några av Europas mest framträdande AI-bolag.

Transformerarkitektur applicerad på fysik

Bolaget utvecklar förtränade grundmodeller som bygger på en transformerarkitektur — samma tekniska grund som driver stora språkmodeller — men tillämpad på fysisk simulering snarare än text . Modellerna tränas på industriell fysikdata och är utformade för att ersätta traditionell simuleringsprogramvara inom flyg, försvar, energi, elektronik, datacenter och fordonsindustrin .

En klassisk fysiksimulator måste genomföra beräkningstunga operationer från grunden för varje ny designiteration. NP Co:s angreppssätt är att träna modellen en gång, med all relevant fysikdata, och sedan leverera resultat på några sekunder när en ingenjör vill testa en ny design . Man slipper alltså starta om hela simuleringskedjan vid varje förändring.

Demonstrerad hastighetsökning

Skillnaden i prestanda är remarkabel. Traditionella simuleringsverktyg kräver ofta dagar till veckor per designutvärdering. NP Co:s förtränade modeller levererar svar på sekunder . Startupen har demonstrerat hastighetsökningar på 1 000 gånger på industriella benchmarks — däribland tester som genomförts tillsammans med flygmotortillverkaren Safran — och uppger sig ha en tydlig väg mot 50 000 gångers acceleration för problem som involverar fullständiga montage .

Den här typen av prestandasprång förändrar helt vad som är möjligt i designprocessen. Där ett ingenjörsteam tidigare kanske hann testa en handfull konfigurationer, kan de nu utforska tusentals designvarianter på samma tid som det tidigare tog att genomföra en enda simulering .

Vad de 6 miljonerna ska användas till

Pre-seed-kapitalet kommer i första hand att användas till att utöka forskarteamet och vidareutveckla grundmodellerna . På längre sikt siktar NP Co. på att bygga automatiserade designverktyg och operativa simulatorer i realtid för industriell infrastruktur . Målet är inte bara att snabba upp befintliga arbetsflöden, utan att öppna upp för helt nya sätt att designa komplexa fysiska system.

Mistrals strategiska grannskap

Investeringen kom i ett minst sagt kontextrikt fönster. Den 19 maj 2026 — bara 13 dagar före NP Co:s tillkännagivande — förvärvade Mistral AI Emmi AI, en österrikisk startup som bygger fysikmodeller för industriell simulering . Två av Mistrals egna medgrundare investerade sedan personligen i en Paris-startup som angriper nästan exakt samma problemområde. Internationell media beskrev investerarlistan som en "remarkabelt exklusiv skara troende" för ett föga känt bolag som nyligen bytt namn .

Oavsett om det rör sig om en medveten riskspridningsstrategi eller bara en satsning på det starkaste tekniska teamet, är signalen tydlig: fysiksimulering dras in i grundmodellernas era, och några av Europas mest framträdande AI-gestalter lägger tidiga vad om vem som kommer att leda utvecklingen.