这家巴黎初创公司如何用AI Transformer将物理仿真提速千倍

将Transformer架构应用于物理世界

与当下火爆的大语言模型类似，NP Co. 正在构建的是一套基于Transformer架构的预训练基础模型 。只不过，这些模型学习理解的对象不是文本，而是浩瀚复杂的工业物理数据。其设计目标，是直接替代航空航天、国防、能源、电子、数据中心和汽车等行业中那些老旧的仿真软件 。

传统物理仿真器在面对每一个设计迭代时，都必须从零开始运行计算量巨大的运算流程。而NP Co. 的方案，是预先用相关物理数据训练好模型，当工程师想要测试一个新设计时，模型可直接在推理阶段瞬间给出结果 。工程师们无需再为每一次细微的修改，都重启整个繁琐的仿真流程。

千倍提速：从数周到数秒的跨越

新旧技术之间的性能差距是惊人的。使用传统的仿真工具，评估一个设计方案通常需要数天到数周的时间；而NP Co. 的预训练模型仅需数秒即可完成 。这家初创公司已在工业基准测试中实现了1000倍的加速——包括航空发动机制造商赛峰集团（Safran）所进行的测试——并声称在全组件装配问题上，有潜力实现高达5万倍的加速 。

这种速度上的飞跃，彻底打破了设计探索的物理瓶颈。过去，工程团队在一个仿真周期内可能只能测试寥寥几种配置，而现在，他们能在以往运行一次仿真的同样时间内，探索成千上万种设计变体 。

600万欧元将用在何处？

这笔Pre-Seed资金将主要用于扩大研究团队规模，并持续进行基础模型的研发 。从更长远的角度看，NP Co. 的目标是打造面向工业基础设施的自动化设计工具和实时运营模拟器 。他们的终极野心并非只是加速现有的工作流程，而是解锁一种设计复杂物理系统的全新范式。

Mistral的“战略镜像”投资

这笔投资发生的时间点极其微妙。就在2026年5月19日——也就是NP Co. 宣布融资消息的13天前——Mistral AI刚刚收购了同样致力于工业仿真物理模型的奥地利初创公司Emmi AI 。不到两周后，Mistral的两位联合创始人却以个人名义，投资了位于巴黎、瞄准几乎相同问题领域的另一家公司。有外媒评论称，对于一个刚刚更名的低调团队，这份投资者名单堪称“蓝筹信徒的非凡集合体” 。

无论这是一次有意的对冲布局，还是单纯押注最具实力的技术团队，它所释放的信号都再清晰不过：物理仿真正被拉入基础模型时代，而欧洲AI界多位举足轻重的人物，已经为他们眼中未来的领军者，押下了早期筹码。