NP Co.由執行長Emmanuel Menier與技術長Matthieu Nastorg於2025年共同創立 。兩人均擁有巴黎薩克雷大學(Paris-Saclay University)的AI模擬博士學位,公司更源自法國國家資訊與自動化研究院(Inria),這家公立研究機構曾孕育出多個AI專案 。這層淵源,讓這家新創與孕育出Mistral AI的法國研究生態系有著相同基因。
這家公司正在打造的預訓練基礎模型,採用的是變壓器架構(Transformer Architecture)——也就是驅動當今大型語言模型的同一套核心技術——但應用的場域不是文字,而是物理模擬 。這些模型經過工業物理數據的訓練,目標是取代航太、國防、能源、電子、資料中心及汽車產業中使用的傳統模擬軟體 。
傳統物理模擬器在每一次設計變更時,都必須從頭進行計算量極大的運算。NP Co.的做法則只需針對相關物理現象預先訓練一次模型,之後當工程師想測試新設計時,就能直接透過推論(Inference)快速獲得結果 ,無需再重啟整套模擬流程。
兩者間的效能差異非常懸殊。傳統模擬工具對單次設計評估,通常需要數天到數週的時間;NP Co.的預訓練模型則能在數秒內產出結果 。這家新創已在工業基準測試中——包括由航空引擎製造商賽峰集團(Safran)所執行的測試——展現出高達1,000倍的加速效果,並宣稱在完整組裝問題上,有機會實現50,000倍的加速 。
這種速度上的飛躍,徹底改變了設計迭代的可能性。過去一個工程團隊可能只能測試寥寥數種配置,現在卻能在過往跑一次模擬的時間內,探索數千種設計變體 。
這筆資金主要將用於擴編研究團隊,並持續開發基礎模型 。更長遠的目標,NP Co.計劃建構自動化設計工具,以及用於工業基礎設施的即時營運模擬器 。他們的企圖不僅是加速現有工作流程,更要開啟設計複雜物理系統的全新可能。
這筆投資發生的時間點相當微妙。就在NP Co.發布消息的13天前——也就是2026年5月19日——Mistral AI才剛收購了一家名為Emmi AI的奧地利新創,其業務同樣是為工業模擬打造物理模型 。如今,Mistral自家的兩位共同創辦人,竟以個人身份投資了另一家幾乎瞄準相同領域的巴黎新創。相關報導形容這份投資人名單是「一群極為頂尖的信仰者」,押注在一家剛更名不久、尚鮮為人知的公司上 。
無論這是一次刻意的避險佈局,或單純是對最強技術團隊的押注,它所傳遞的訊號相當明確:物理模擬正被拉進基礎模型的時代,而歐洲幾位最具標誌性的AI人物,已開始為這場競賽的領跑者佈局。
NP Co.由執行長Emmanuel Menier與技術長Matthieu Nastorg於2025年共同創立 。兩人均擁有巴黎薩克雷大學(Paris-Saclay University)的AI模擬博士學位,公司更源自法國國家資訊與自動化研究院(Inria),這家公立研究機構曾孕育出多個AI專案 。這層淵源,讓這家新創與孕育出Mistral AI的法國研究生態系有著相同基因。
這家公司正在打造的預訓練基礎模型,採用的是變壓器架構(Transformer Architecture)——也就是驅動當今大型語言模型的同一套核心技術——但應用的場域不是文字,而是物理模擬 。這些模型經過工業物理數據的訓練,目標是取代航太、國防、能源、電子、資料中心及汽車產業中使用的傳統模擬軟體 。
傳統物理模擬器在每一次設計變更時,都必須從頭進行計算量極大的運算。NP Co.的做法則只需針對相關物理現象預先訓練一次模型,之後當工程師想測試新設計時,就能直接透過推論(Inference)快速獲得結果 ,無需再重啟整套模擬流程。
兩者間的效能差異非常懸殊。傳統模擬工具對單次設計評估,通常需要數天到數週的時間;NP Co.的預訓練模型則能在數秒內產出結果 。這家新創已在工業基準測試中——包括由航空引擎製造商賽峰集團(Safran)所執行的測試——展現出高達1,000倍的加速效果,並宣稱在完整組裝問題上,有機會實現50,000倍的加速 。
這種速度上的飛躍,徹底改變了設計迭代的可能性。過去一個工程團隊可能只能測試寥寥數種配置,現在卻能在過往跑一次模擬的時間內,探索數千種設計變體 。
這筆資金主要將用於擴編研究團隊,並持續開發基礎模型 。更長遠的目標,NP Co.計劃建構自動化設計工具,以及用於工業基礎設施的即時營運模擬器 。他們的企圖不僅是加速現有工作流程,更要開啟設計複雜物理系統的全新可能。
這筆投資發生的時間點相當微妙。就在NP Co.發布消息的13天前——也就是2026年5月19日——Mistral AI才剛收購了一家名為Emmi AI的奧地利新創,其業務同樣是為工業模擬打造物理模型 。如今,Mistral自家的兩位共同創辦人,竟以個人身份投資了另一家幾乎瞄準相同領域的巴黎新創。相關報導形容這份投資人名單是「一群極為頂尖的信仰者」,押注在一家剛更名不久、尚鮮為人知的公司上 。
無論這是一次刻意的避險佈局,或單純是對最強技術團隊的押注,它所傳遞的訊號相當明確:物理模擬正被拉進基礎模型的時代,而歐洲幾位最具標誌性的AI人物,已開始為這場競賽的領跑者佈局。