PhysicsX تجمع 300 مليون دولار: كيف يُحوّل الذكاء الاصطناعي الفيزيائي أياماً من المحاكاة إلى ثوانٍ

حين يحتاج المهندسون في إحدى شركات الفضاء الجوي الكبرى إلى اختبار سلوك تدفق الهواء حول تصميم جناح جديد، يقتضي النهج الكلاسيكي إعداد محلل ديناميكيات الموائع الحسابية (CFD)، ثم الانتظار ساعاتٍ أو أياماً حتى تتقارب المحاكاة، ومراجعة النتائج، وضبط المعاملات، ثم تشغيل المحلل مجدداً. اضرب هذه الدورة في عشرات التصاميم المتباينة، وستختفي أشهرٌ كاملة قبل أن تُبنى نماذج أولية واحدة.

PhysicsX، الشركة الناشئة المتخصصة في الذكاء الاصطناعي ومقرها لندن، تأسست عام 2019، وبنت منصةً تُقلّص تلك العملية من أيام إلى ثوانٍ — وفي الثامن من يونيو 2026، أعلنت عن جولة تمويل Series C بقيمة 300 مليون دولار بقيادة صندوق Temasek السيادي السنغافوري، محققةً تقييماً يبلغ نحو 2.4 مليار دولار. تُشير هذه الجولة إلى أن “الذكاء الاصطناعي الفيزيائي” — أي تدريب الشبكات العصبية العميقة على المعادلات الفيزيائية التي تحكم ديناميكيات الهواء، ونقل الحرارة، والميكانيكا الإنشائية، وسلوك أشباه الموصلات — بات يُرسّخ نفسه باعتباره القطاع الرأسي الكبير التالي في مجال التقنية العميقة للمؤسسات، متميزاً عن ثورة النماذج اللغوية الكبيرة (LLM) ومستلهماً منها في آنٍ واحد.

من ملاعب الفورمولا 1 إلى منصة بتقييم 2.4 مليار دولار

شارك في تأسيس PhysicsX كلٌّ من Jacomo Corbo، الذي بنى سابقاً قسم QuantumBlack للذكاء الاصطناعي في McKinsey، وRobin Tuluie، الذي أمضى سنواتٍ رئيساً للبحث والتطوير في فريق Renault Alpine للفورمولا 1 ومديراً لتقنيات المركبات في Bentley Motors. يُمثّل عالم الفورمولا 1 بيئة اختبار بالغة الصرامة للمحاكاة: تُجري الفرق آلاف المحاكاة الهوائية أسبوعياً لاكتساب ميلي ثانية على كل جولة. هنا عايش المؤسسان بأم أعيُنهما كيف تتحول خطوط أنابيب المحاكاة الكلاسيكية — القوية لكن البطيئة — إلى عنق الزجاجة الذي يُقيّد الإبداع الهندسي.

خرجت الشركة من مرحلة الخفاء عام 2023 بعد جمع 32 مليون دولار في جولة Series A بقيادة General Catalyst. وقد حققت جولة Series B، التي اكتملت قبل أقل من عام من هذه الجولة الأخيرة، تقييماً يبلغ نحو مليار دولار. القفزة إلى تقييم 2.4 مليار دولار في أقل من اثني عشر شهراً — مقرونةً بتضاعف الإيرادات المُدرجة ثلاثة أضعاف، ومضاعفة الإيرادات المعترف بها، ومضاعفة عدد العملاء، ونمو أعداد الموظفين من 150 إلى أكثر من 350 — تُروي قصة جذب مؤسسي حقيقي، لا مجرد حماسة مستثمرين.

ما الذي تبني PhysicsX فعلياً: نماذج الفيزياء الكبيرة

المنتج الأساسي للشركة هو ما تسمّيه منصة هندسية قائمة على الذكاء الاصطناعي بطبيعتها، مبنية حول “نماذج الفيزياء الكبيرة” (LPMs) — تشبيهٌ صريح بالنماذج اللغوية الكبيرة، لكنها مُدرَّبة على المعادلات الحاكمة للأنظمة الفيزيائية بدلاً من النصوص. في حين يتعلم نموذج المحوّل (Transformer) الأنماط الإحصائية عبر مليارات الكلمات، يتعلم نموذج الفيزياء الكبير الرياضيات الكامنة وراء كيفية تبدّد الحرارة عبر ريشة توربين، أو انتشار الإجهاد عبر هيكل سيارة تحت الصدمة، أو توزع المجالات الكهرومغناطيسية داخل علبة أشباه موصلات.

النتيجة العملية صارخة: بدلاً من تشغيل محلل التحليل بالعناصر المحدودة (FEA) ست ساعات للحصول على خريطة إجهاد لمكوّن من سبيكة جديدة، يستعلم المهندس من نموذج PhysicsX المُدرَّب ويتلقى توقعاً عالي الدقة في ثوانٍ. صُمّمت المنصة لتندمج في سير العمل الهندسي القائم بدلاً من استبداله كلياً — فهي تعمل جنباً إلى جنب مع أدوات مثل ANSYS وCOMSOL، مُسرِّعةً الخطوات الكثيفة بالمحاكاة مع الحفاظ على مراجعة المهندس وحكمه.

تمتد القطاعات المستهدفة للمنصة عبر الفضاء الجوي والدفاع، وأشباه الموصلات، والآلات الصناعية، والسيارات، والطاقة، وتصنيع المواد. وتطبيق الفضاء الجوي موثّق بشكل خاص: أثبتت الشركة أنها تُقلّص دورات تصميم الطائرات من أشهر إلى أيام، مما يُتيح لفرق الهندسة تقييم آلاف المتغيرات حيث كانت تُدير حفنةً منها سابقاً.

وتمتد المنصة بعد التصميم الأولي لتشمل التوائم الرقمية التشغيلية — نماذج ذكاء اصطناعي دائمة تعكس المعدات في العالم الحقيقي وتتنبأ بسلوكها في ظروف التشغيل المباشر، مما يُتيح الصيانة التنبؤية والتحسين الفوري. يُميّز هذا النهج الدوري — من التصميم المبكر حتى المراقبة أثناء الخدمة — PhysicsX عن المنافسين ذوي الحلول النقطية الذين يستهدفون مرحلة واحدة فقط.

من موّل الجولة ولماذا يهم ذلك

قاد Temasek، صندوق الثروة السيادي السنغافوري، جولة Series C — إشارةٌ بالغة الدلالة. تُدير Temasek أصولاً تتجاوز 280 مليار دولار وليست معروفة بالرهانات الاستثمارية التكهنية؛ مشاركتها تدل عادةً على الثقة بالنضج التجاري. كما يُلمّح تركيز الصندوق على التحول الصناعي في منطقة آسيا والمحيط الهادئ إلى التوسع المخطط لـ PhysicsX في مكتب سنغافورة الذي سيكون مقرها الآسيوي.

انضم مشاركون جدد هم M&G Investments وIntrepid Growth Partners إلى جانب المستثمرين الحاليين الذين رفعوا حصصهم: NVIDIA وApplied Materials وAtomico وGeneral Catalyst وSiemens وNGP وJuly Fund وRadius. حضور NVIDIA وApplied Materials — وهما شركتان تعتمد إيراداتهما مباشرةً على سلسلة توريد أشباه الموصلات — أمرٌ جدير بالملاحظة. كلاهما لديه حوافز قوية لرؤية محاكاة تصميم الرقائق وتصنيعها تصبح أسرع بكثير: فذلك يُسرّع مباشرةً دورات منتجات عملائهما.

أما Siemens، العملاق التقليدي منذ عقود في برمجيات المحاكاة الصناعية، فاستثماره في شركة ناشئة مجاورة للمنافسة يعكس ديناميكية صناعية أوسع: بات بائعو الهندسة بمساعدة الحاسوب (CAE) التقليديون يستثمرون بشكل متزايد في اللاعبين الذين تقوم منتجاتهم على الذكاء الاصطناعي بطبيعتها أو يستحوذون عليهم، بدلاً من محاولة بناء الذكاء الاصطناعي الفيزيائي داخلياً.

ستُموّل الـ 300 مليون دولار ثلاثة أهداف رئيسية: التوسع العالمي (بما يشمل مكتب سنغافورة الجديد والنمو الأمريكي المتسارع)، وقدرات المنصة الأوسع، والبحث الحدودي في نماذج ذكاء اصطناعي فيزيائي أكبر وأكثر قدرةً — موازياً مباشراً لطريقة استثمار OpenAI وAnthropic لرؤوس أموالهما في توسيع الحوسبة وأبحاث النماذج.

أطروحة الذكاء الاصطناعي الفيزيائي: لماذا هذه اللحظة تحديداً؟

شكّلت برمجيات المحاكاة الكلاسيكية العمود الفقري للهندسة الميكانيكية لخمسين عاماً. أدوات مثل ANSYS وCOMSOL وNASTRAN وOpenFOAM بالغة القدرة لكنها مُكلفة حسابياً: تُقسّم المجالات الفيزيائية إلى ملايين العناصر الشبكية وتحل المعادلات التفاضلية المترابطة تكرارياً، مما يستلزم مجموعات حوسبة عالية الأداء متخصصة وخبرة عميقة لتشغيلها.

ثلاثة اتجاهات متقاربة تهيّئ الظروف لتحل الذكاء الاصطناعي الفيزيائي محل هذه الأدوات — أو بدقة أكبر: تُعزّزها بصورة جذرية:

أولاً، وفرة بيانات التدريب. أنتجت عقود من تشغيلات CFD وFEA مجموعات بيانات ضخمة من نتائج المحاكاة. هذه المجموعات، التي ظلت سابقاً خاملة على خوادم هندسية، باتت الآن الإشارة التدريبية لنماذج الذكاء الاصطناعي الفيزيائية. تتعلم النماذج محاكاة مخرجات المحلل دون إعادة تشغيل الحساب الكامل.

ثانياً، البنية التحتية للوحدات الرسومية (GPU). منظومات GPU ذاتها المبنية لتدريب النماذج اللغوية الكبيرة قابلة للتطبيق على الذكاء الاصطناعي الفيزيائي. استثمار NVIDIA في PhysicsX ليس مصادفة — أجهزة الشركة هي الركيزة الحسابية لكلا النوعين من النماذج.

ثالثاً، موجة اعتماد الذكاء الاصطناعي المؤسسي. المنظمات الهندسية التي أمضت 2023–2025 تجريب النماذج اللغوية الكبيرة في التوثيق وتوليد الأكواد باتت تسأل الآن عمّا يمكن للذكاء الاصطناعي فعله في سير عملها التقني الجوهري. المحاكاة هي الهدف الأعلى قيمةً: تسريعها بمراتب من حجم يُترجَم مباشرةً إلى دورات تطوير منتجات أقصر، وتكاليف حوسبة أدنى، وفي الصناعات الحرجة للسلامة — استكشافٍ تصميمي أشمل قبل الاختبار الفيزيائي.

تضاعف إيرادات الشركة أكثر من أربعة أضعاف خلال عامين، في هذا السياق، يُشير إلى بلوغها التوافق بين المنتج والسوق على نطاق واسع.

المشهد التنافسي وعوامل الخطر

PhysicsX لا تعمل في فراغ. Ansys (المستحوَذ عليها مؤخراً من Synopsys في صفقة بـ 35 مليار دولار) وCadence Design Systems وSiemens Digital Industries جميعها لديها برامج محاكاة مُعزَّزة بالذكاء الاصطناعي نشطة. وثمة عدد من الشركات الناشئة جيدة التمويل — بما فيها Luminary Cloud (تركّز على CFD السحابي عالي الأداء)، وMonolith AI (نماذج بديلة مدفوعة ببيانات الاختبار)، وPasteur Labs (تعلم الآلة العلمي) — تسعى إلى مواقع مجاورة.

المميّز الجوهري الذي تُبرزه PhysicsX هو بنيتها “القائمة على الذكاء الاصطناعي بطبيعتها”: بدلاً من إضافة الذكاء الاصطناعي فوق محلل كلاسيكي، تُدرّب نماذج مُؤسَّسة على الفيزياء من البداية. كذلك يُهيّئ مصطلح “نماذج الفيزياء الكبيرة” الشركة لمستقبل محتمل تتحول فيه هذه النماذج إلى بنية تحتية أساسية كالنماذج اللغوية الكبيرة — مما يُتيح منظومة منصة لتطبيقات طرف ثالث، ونماذج مجالية مُضبَّطة، وتكاملات واجهة برمجة التطبيقات (API).

تشمل عوامل الخطر صعوبة إقناع الصناعات المنظَّمة بصرامة (الفضاء الجوي، والدفاع، والطاقة) بالوثوق بتنبؤات الذكاء الاصطناعي في قرارات التصميم الحرجة للسلامة، والحاجة إلى الحفاظ على دقة المحاكاة ضمن تفاوتات هندسية ضيقة، والتنافس على المواهب النادرة من المهندسين الجامعين بين خبرة التعلم الآلي المعمّق والمعرفة المجالية الفيزيائية.

ما الذي ينبغي للفرق الهندسية فعله

1. حدّد محاكاتك الأعلى تكلفةً وقِس عنق الزجاجة

قبل تقييم منصات الذكاء الاصطناعي الفيزيائي، ينبغي لقادة الهندسة بناء مراجعة داخلية لمواقع تركّز وقت المحاكاة الفعلي. في معظم المنظمات، تستهلك 20% من تشغيلات المحاكاة 80% من وقت الحوسبة — وهي عادةً الحلول عالية الدقة على مستوى النظام الكامل التي تحدث في مرحلة متأخرة من دورة التصميم. هذه هي الأهداف الأعلى رافعةً للتسريع بالذكاء الاصطناعي. قِس كلاً من تكلفة الحوسبة وزمن التقويم: تشغيل CFD لست ساعات على مجموعة 128 معالجاً يُكلّف أموالاً حقيقية، لكن التكلفة الحقيقية هي سرعة التكرار الهندسي التي يُقيّدها. تمنحك هذه المراجعة حجةً تجارية لتجريب الذكاء الاصطناعي الفيزيائي ومعياراً واضحاً للنجاح.

2. جرّب أداة ذكاء اصطناعي فيزيائية جنباً إلى جنب مع أدوات FEA/CFD الكلاسيكية الحالية

بدلاً من استبدال أدوات المحاكاة الكلاسيكية، ابدأ بمسار موازٍ: شغّل سيناريوهات التصميم ذاتها عبر محلّلك الحالي ونموذج ذكاء اصطناعي فيزيائي بديل في آنٍ واحد، وقِس مقايضات الدقة مقابل السرعة. صُمّمت PhysicsX ومنصات مماثلة للاندماج في سير العمل القائم، لا لإلزامك باستبدال كامل للمنظومة. تجربة مدتها ثلاثة أشهر على نظام فرعي غير حرج للسلامة — كإدارة الحرارة في وحدة إلكترونيات القدرة أو التنبؤ بمقاومة الهواء على مكوّن داخلي — تُولّد بيانات ملموسة حول ما إذا كانت الدقة ضمن تفاوتاتك الهندسية. تُوصل معظم المنظمات إلى أنه في استكشاف التصميم المبكر (حيث تحتاج إجابات صحيحة الاتجاه بسرعة)، يكون الذكاء الاصطناعي الفيزيائي مقنعاً بالفعل؛ أما لمحاكاة التوقيع النهائي فتبقى الأدوات الكلاسيكية المعيار.

3. ابنِ خبرة التعلم الآلي الداخلية في مجالات المحاكاة الآن، قبل أن تتسع فجوة المهارات

المهندسون القادرون على تدريب نماذج الذكاء الاصطناعي الفيزيائية والتحقق منها ونشرها شحيحون اليوم وسيزيدون شُحّاً مع تسارع الاعتماد. المنظمات الهندسية التي تنتظر حتى يثبت الذكاء الاصطناعي الفيزيائي على نطاق واسع ستجد نفسها تتنافس على المواهب في مواجهة الشركات الراسخة الجيدة التمويل. الاستثمار العملي متواضع: حدّد اثنين أو ثلاثة من المهندسين ممن يجمعون المعرفة المجالية (CFD وFEA والكهرومغناطيسية) وإلمامهم بـ Python والتعلم الآلي، وامنحهم وقتاً مخصصاً لتجريب أطر تعلم الآلة العلمي مفتوحة المصدر (مثل JAX القائم على PyTorch وDeepXDE وNVIDIA Modulus)، وابنِ الكفاءة الداخلية قبل النشر التجاري الكامل. ينبغي للجامعات في الاقتصادات الكثيفة بالهندسة البدء بتضمين تعلم الآلة المُعلَّم بالفيزياء في مناهجها كذلك.

الصورة الأكبر: الذكاء الاصطناعي الفيزيائي بوصفه الموجة التقنية العميقة التالية

أثبتت موجة النماذج اللغوية الكبيرة 2022–2025 أن تدريب شبكات عصبية ضخمة على بيانات خاصة بمجال معين يُنتج قدرات تُفاجئ حتى خبراء المجال. الذكاء الاصطناعي الفيزيائي هو التطبيق التالي لتلك الرؤية على العالم المادي: بدلاً من التنبؤ بالكلمة التالية، تتنبأ النماذج بالحالة التالية لنظام فيزيائي.

تمتد التداعيات بعيداً عن مجرد تسريع المحاكاة. مع توسّع نماذج الفيزياء الكبيرة، قد تُتيح تحسين التصميم عبر فضاءات بحث يتعذّر حالياً حسابها — باكتشاف أشكال هندسية مبتكرة للأجنحة، أو تراكيب مواد، أو بنى رقائق يُعجز المهندسين البشريين عن استكشافها يدوياً. وفي التصنيع، قد تُشغّل التوائم الرقمية الفورية آلاف سيناريوهات “ماذا لو” أثناء تشغيل خط الإنتاج، معدّلةً المعاملات لتعظيم الإنتاجية دون توقف.

يضع تقييم 2.4 مليار دولار لـ PhysicsX في جولة Series C الشركةَ في مصافّ عدد محدود من الشركات الناشئة في التقنية العميقة التي بلغت حجماً مؤسسياً حقيقياً في مجال منتج واحد. إلى جانب لاعبي الحوسبة الكمية والشركات الناشئة في الروبوتيات المتقدمة، يُمثّل ذلك نضج الذكاء الاصطناعي بعيداً عن البرمجيات وباتجاه هندسة الأشياء المادية — وهو في نهاية المطاف المكان الذي تُنتَج فيه معظم القيمة الاقتصادية للعالم.

بالنسبة للمستثمرين، الإشارة واضحة: منصات الذكاء الاصطناعي الرأسية التي تتعمق في مجال تقني محدد، وتبني حصوناً من بيانات التدريب الاحتكارية، وتندمج في سير العمل المؤسسي عالي القيمة، هي أكثر أعمال الذكاء الاصطناعي قابليةً للدفاع في العقد القادم. يبدو أن PhysicsX قد نجحت في الجمع بين الثلاثة.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• والقراءات الإضافية
• PhysicsX تُعلن عن جولة Series C بقيمة 300 مليون دولار لتسريع الذكاء الاصطناعي الفيزيائي للهندسة الصناعية — غرفة أخبار PhysicsX
• Temasek تقود تمويل Series C بقيمة 300 مليون دولار لشركة PhysicsX البريطانية للذكاء الاصطناعي — TechNode Global
• PhysicsX وTemasek في Series C بقيمة 300 مليون دولار: محاكاة بالذكاء الاصطناعي — The Next Web
• PhysicsX تجمع 300 مليون دولار في Series C — The SaaS News