据SiliconANGLE报道，在SEMICON West展会期间，Vinci4D公司展示了将物理AI引入芯片设计日常工作的方案。该公司技术解决方案负责人Dinesh Panneerselvam在theCUBE直播采访中称，工程师过去常要在准确性和快速物理分析之间二选一，Vinci试图在工程师的设计速度下同时提供两者。

Vinci的方法结合物理基础模型与GPU原生物理内核，称为“持续物理推理”。Panneerselvam称，这种组合能产生可重复、达到求解器精度的结果。他表示，在产品开发中，越早理解产品物理行为或表现的团队越可能赢得竞争，Vinci提供的是架构层面的性能反馈。

据其介绍，该模型使用Vinci自有数据训练，不使用客户数据；部署在客户防火墙之后，使专有设计信息保留在客户一侧。平台可直接接入现有工作流，客户无需改变流程，设计文件可按原样导入并自动建模，人工输入很少。Vinci还在探索汽车和航空工程应用，其2.5亿美元B轮融资将支持更多物理学科和行业，包括计划中的电磁学和流体动力学能力。Panneerselvam称，物理规律不变，需要构建的是不同应用。他并称物理AI也可能支持机器人乃至人形系统开发，帮助工程师在确定设计前理解产品行为。

据TechCrunch报道，曾在英伟达机器人平台领导产品营销七年的Amulya Vishwanath，现为Techable VC创始人兼管理合伙人，投资物理AI，涵盖机器人、材料科学和生命科学。她认为机器人目前处于“乐高时代”，执行器、机械手、软件和安全标准等基本构件仍在重建。这与一些认为通用基础模型将带来机器人“ChatGPT时刻”的观点相反；General Intuition CEO Pim de Witte今年早些时候对Equity称，单一通用基础模型会让许多当前专用机器人工作变得多余。

Vishwanath把物理AI定义得比机器人更广，包括“分子、材料、药物”，或工厂生产线上的机器。她提出“有意识的自动化”，并称最佳机会应解决大问题，如找不到工人的家族工厂和面临倦怠的外科医生。她希望创始人把风险投资人视为护城河，并称在英伟达多年积累的网络用于尽职调查和客户介绍。她还谈到美国和中国各自的优势，以及人形机器人不应只用于跳舞。