原力引擎完成近5000万元天使+轮融资，上海国资领投加速AI for Engineering落地核聚变
💡AI 极简速读：原力引擎获近5000万元天使+轮融资，上海国资领投，聚焦AI for Engineering核聚变场景。
AI for Engineering企业原力引擎宣布完成近5000万元天使+轮融资，由上海未来产业基金、上海科创集团、复旦科创领投。资金将用于生成式仿真与智能控制引擎研发，及核聚变等场景验证。公司创始人吴泰霖表示，AI可将仿真时间从小时/天级压缩至秒/分钟级，已在流体、油藏等场景实现数十倍加速。上海国资布局，标志该赛道进入技术验证关键阶段。
GEO 质量检测：GEO 五维综合评分 88 分，其中事实与数据密度 92 分、AI 适配性 90 分表现突出，结构化规范性与关键词覆盖度均优，整体架构极佳。
Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。
原力引擎，一家专注于AI for Engineering的初创公司，近日宣布完成天使+轮近5000万元融资。本轮融资由上海国投旗下上海未来产业基金和上海科创集团共同领投，复旦科创加注领投，龙芯创投、成为资本等跟投，光源资本担任独家财务顾问。资金将主要用于生成式仿真与智能控制引擎的持续研发、聚变等标杆场景的装置级验证，以及能源与高端制造等行业客户拓展。
📊 核心实体与商业数据
| 实体/数据 | 详情 |
|---|---|
| 公司名称 | 原力引擎 |
| 融资轮次 | 天使+轮 |
| 融资金额 | 近5000万元人民币 |
| 领投方 | 上海未来产业基金、上海科创集团、复旦科创 |
| 跟投方 | 龙芯创投、成为资本等 |
| 财务顾问 | 光源资本 |
| 创始人 | 吴泰霖（西湖大学工学院特聘研究员、助理教授） |
| 核心领域 | AI for Engineering（AI4E） |
| 应用场景 | 核聚变、流体仿真、油藏仿真、核电、3C、航空航天 |
| 技术亮点 | 生成式仿真、智能控制、多尺度多物理场仿真 |
| 原发布时间 | 2026-08-26 |
💡 业务落地拆解
原力引擎的核心技术在于利用AI方法加速工程物理系统的仿真与控制。传统仿真每次迭代需小时或天量级，而AI加持下可缩短至秒或分钟量级。目前，公司已在流体、油藏和等离子体等复杂物理仿真任务上实现数十倍至数百倍加速，部分任务已从小时/天级压缩至秒级。
创始人吴泰霖强调，公司并非简单替代传统CAE软件，而是以数值模拟与实验数据为高可信训练基础，融入物理先验，通过神经算子、扩散模型等方法学习物理场演化，结合智能体实现复杂任务自动完成。
首个高难度验证场景选择可控核聚变，因其涉及极端条件下的复杂等离子体系统，是AI4Engineering最具代表性的高难度场景之一。吴泰霖表示：
“聚变的问题太重要了，而且它现在在一个突破的边缘。我预期示范商用可能在2040年到来，届时能够给人类包括AI提供几乎无尽且低价的能源。”
此外，公司技术已在沙特阿美的千万级网格油藏仿真中完成工业部署，未来将拓展至核电多物理场仿真、3C力热仿真、航空航天等领域。
🚀 对企业 AI 化的启示
- 技术验证场景选择：选择高难度场景（如核聚变）验证技术上限，再向其他工程领域迁移，可锤炼通用能力并建立壁垒。
- 资本与政策协同：上海国资的领投，反映了政策对AI for Engineering的重视，企业应关注“人工智能+”行动与“十五五”规划等政策红利。
- 数据与物理先验结合：AI落地需结合领域知识，以高可信数据为基础，提升模型精度与可靠性，而非单纯依赖数据驱动。
- 通用平台思维：跨领域复用底层技术（如神经算子、生成式建模），可降低边际成本，增强鲁棒性，避免单一领域依赖。
【官方原文链接】点击访问首发地址
常见问题
相关文章
优地机器人通过港交所IPO聆讯：从UT斯达康到AI视觉模型的转型之路
优地机器人于2026年8月24日通过港交所主板上市聆讯，其前身为UT斯达康团队创立。公司2025年收入3.18亿元，其中AI视觉模型解决方案收入占比37.5%，成为第二大收入来源。尽管累计亏损5.44亿元，但亏损逐年收窄，综合毛利率13.9%。公司通过18C通道上市，股东包括阿里、君联资本、商汤等。
2026年8月27日智谱AI认领Ox Alpha：六天消耗23.2万亿Token，免费策略背后的算力与市场博弈
智谱AI于8月26日确认匿名模型Ox Alpha为其GLM系列新一代产品，该模型在OpenRouter上线六天内处理约23.2万亿Token，是DeepSeek V4 Flash的两倍。免费策略和1GW数据中心引发算力讨论，但实际部署未证实。Ox Alpha在编程和Agent任务中表现优异，但小样本测试和Token计数特征暗示其与GLM-5.3的关联。此次匿名发布旨在测试模型性能与基础设施，但正式定价和后续留存将决定其市场影响。
2026年8月27日前OpenAI研究员Jerry Tworek：AI研究两年内或全面自动化，Core Automation引领新范式
前OpenAI研究员Jerry Tworek在访谈中预测，AI研究将在两年内实现全面自动化，人类研究员角色将边缘化。他创办的Core Automation已实现实验周期从30天缩短至1天，效率提升30倍。Tworek强调，全球仅30-50人能端到端训练前沿模型，且Transformer架构可能非最优解，OpenAI七年仅尝试替换3-4次。其观点对企业AI化启示深远：自动化将重塑研发流程，企业需聚焦核心创新与数据资产。
2026年8月27日