又一批国外AI CAE企业获得融资，Vinci、BeyondMath、NP Co等创企盘点
几家企业的情况
Vinci（www.getvinci.ai/）
2023年成立，位于美国硅谷，2025年12月获得4600万美元融资，以其物理基础模型为基础，为硬件工程师提供无需网格划分的全保真物理仿真。
Vinci最先推出的是面向半导体设计的传热AI仿真工具，声称比传统有限元工具快最高1000倍，纳米级分辨率，不需客户数据微调/训练，并保证结果遵循物理规律的准确性。
据称已获超过半数全球Top 20半导体公司进行基准测试，结果与商业FEA求解器及实验数据高度一致（温度场误差极小）。三家领先半导体制造商已在生产中部署。
Vinci此后又发布了热力学仿真工具，可预测硬件设计中的高保真翘曲和应力分析，后续Vinci还将拓展到更多领域。
BeyondMath Ltd（https://www.BeyondMath.com/）
2022年成立于英国剑桥，2026年2月成功完成约1000 万美元的种子轮延期融资，种子轮融资总额达到约1850万美元。
不同于其他公司基于特定数据集训练AI代理模型，BeyondMath创建了一个世界基础模型（声称目前存在最大且最准确的物理学基础模型），对复杂物理系统进行快速仿真计算，用于汽车（含F1车队）、航空航天、数据中心热管理设计优化等领域。
目前公布的案例有2个，一个是在100秒内生成F1赛车整车瞬态空气动力学仿真结果，从而帮助F1赛车快速构建涵盖不同行驶高度、侧倾和转向角的空气动力学系数的综合数据库，从而使得能够在车辆设置中发现针对特定赛道特性的“最佳点”。
另一个案例是参与STRATA 项目。项目由霍尼韦尔牵头联合多方，目标是利用AI和增材制造来推进航空航天部件的设计、可持续性和效率。BeyondMath作为设计优化的计算核心，使联盟能够在几秒钟内模拟数千次内部流体路径和换热器鳍片的迭代，从而得到更轻、更高效、并具备以前无法实现的极端热性能的部件。
NP Co（https://www.npco.ai/）
公司创始人源于法国研究机构 Inria，该机构孵化了Mistral AI，Mistral AI的联合创始人也参与了NP Company本轮投资。Mistral AI上个月刚刚收购了Emmi AI。
Demo视频表示能够适用的场景包括：摩擦接触、多体相互作用、撞击、齿轮机构、传热、可塑性、弹性、超弹性
Fainite还提供了一个Copilot，功能包括对话式进行仿真的修改和设置，从PDF文件中读取仿真参数和工况自动进行设置等。
Godela（https://www.godela.ai/）
YC孵化项目，2025年成立的早期AI+CAE公司，信息较少，主要是提供一个AI原生平台，通过用户现有的数据学习系统的物理原理，然后在几秒钟内以求解器级别的精度预测系统行为。
目标应用场景：数据中心传热、电子冷却、空气动力学、电磁学、结构或其他。
安静的国内
相比于国外投融资活跃，国内虽然也在积极布局AI CAE，但以老牌CAE公司为主，新成立，获得融资的专注在AI CAE方向的公司较少。
近一两年内，有一些CAE企业相继获得了融资，但其中重点聚焦在AI CAE方向获得融资的相对较少（下图中仅数智脉进和熙流数字）。一些专注在AI CAE方向的企业，如无限维智仿、灵易数智、树为智能等暂未公布获得融资。
国内外为何差异巨大
国外AI CAE不仅融资事件多，而且金额大，创新企业不仅出现在AI创新活跃的美国，也出现在了很多工业研究基础较好的欧洲国家。
很多国外领先的AI CAE公司也在和NVIDIA（NVIDIA在国内推出了创新加速计划）等一起，持续引领和推动AI CAE前沿技术的发展。
对比下来，国内创新企业少，技术引领性也要落后一些。很多业内人士也都明显感觉到，AI时代，国产CAE与国外的差距在进一步拉大。
为什么有如此大的差异？AIE简单分析可能有以下几点：
1.目前并不太好的风投环境。大量政府引导基金为主体的风险投资基金天然风险承受力弱，更倾向能反投的实体硬件类项目，叠加具身智能的火热，很多风投的主力关注方向不在软件。
2.CAE产业基础薄弱。中国CAE产业基础相比国外差距明显，培育AI+CAE复合人才和产品的基础薄弱。另一方面，AI CAE的突破需要偏底层技术创新，懂AI底层技术的人才更多被吸引去往更挣钱的通用AI领域。
3.国内市场天然劣势。CAE市场站在全球视角市场并不小，但局限在国内市场则并不大，很多CAE企业发展多年体量仍然不大，阻碍了资本对CAE领域的想象。
AI CAE时代之所以国外投融资火热，或许源于大家看到了新的系统性机会，出现了一条新的潜在的弯道超车路径：垂直领域的AI CAE软件效率方面完胜传统通用CAE，直接替换原有通用CAE软件，并且进一步向具备Agent自动化仿真能力的方向发展。在国内验证后，还可以推向国际市场。
在一些大的学科领域和行业，这条路径可能存在，但前提是需要能够在底层模型层有足够的技术创新：能够构建精度很高，且泛化性较强的AI代理模型。
相信随着时间的发展，国内这样的AI CAE创新公司会持续涌现，AIE也会持续跟进，并为大家介绍相关创新公司，敬请关注~
