张立华（左一）与团队成员在优化模型。
（受访者供图）
">
张立华（左一）与团队成员在优化模型。
（受访者供图）
不久前，在上海举办的2026全球开发者先锋大会中，可微分物理仿真引擎Fysics被正式发布，这个引擎为具身智能产业，为人形机器人产业，为自动驾驶等产业，加快走向规模化落地，提供了有力支撑。
那个叫张立华的项目负责人，曾在海外科技企业长时间供职，十五年前回到国内开始创业，如今担任复旦大学智能机器人与先进制造创新学院的副院长。在一场有关“物理世界模拟”的自主技术突围里，从游戏世界中的“裙尾摆动”，到具身智能所需要的“高精度接触解算”，张立华正引领着团队达成更多的突破。
给数字世界赋予“物理规律”
二零零零年，张立华从清华大学毕业，而后前往海外深造、工作。在国际知名科技企业任职的时候，他专心致力于物理仿真和异构计算技术研究。可以这么讲，要是没有异构计算技术的发展，那么包括深度学习和大模型在内的人工智能技术是很难达到如今这般水平的。然而在那个时候，国内掌握异构计算技术的专业人才数量并不多，这也为他多年之后回国创业埋下了伏笔。
曾有一回，我返回母校跟同学们交流，那时全场仅有两三名学生举手表明熟悉该领域，我当时就察觉到，其中蕴含的创业潜力异常大。正是这份对技术差距的认知，促使他产生了归国的念头。
在2011年的时候，张立华放弃了海外的工作决定，先后在北京以及长春两地展开创业行动，将重点聚焦于异构计算以及人工智能技术的研发转化方面。到了2017年，他受到邀请参与复旦大学的新工科建设工作，参与创建了智能机器人研究院、卓越工程师学院等多个兼具科研与人才培养作用的平台。
在今年三月下旬的时候，有一家名为飞捷科思智能科技（上海）有限公司的公司，这家公司的创始人是他，该公司正式发布了一款叫做可微分物理仿真引擎Fysics的产品，并且同时推出了一套全栈物理AI技术基座体系，这套体系涵盖了仿真训练平台、基础模型以及评测基准等方面。
有关物理仿真引擎所说的究竟是什么呢？张立华借助一个形象的事例作出解释，说道：“就好比在游戏当中存在人物跳舞的画面，其中衣服的摆动情况，裙摆的飘动状况，布料的褶皱情形等等都需要特别逼真并且自然。电影里面的爆炸特效，看上去也要跟现实世界当中呈现出来的毫无二致。这些绝不是实拍画面这般所能体现的，也不会是动画师事先设计好的动画效果，而是凭借物理仿真引擎在虚拟世界里依照现实世界中的物理规律计算得出的结果。”。
精度不够，训练再好也可能“失灵”
张立华表示，物理引擎解决的是“物理真实”的问题，一个是视觉真实，即通过GPU渲染画面，使光影效果更为逼真，另一个是物理真实，也就是让物体运动契合力学等真实物理规律，两者相加，数字世界方能更趋近现实世界，从3D游戏、电影特效至虚拟现实、数字孪生、自动驾驶训练，物理仿真技术始终起着关键作用。拿自动驾驶来说，厂商会构建虚拟仿真训练场，智能驾驶汽车会在虚拟环境里行驶几千万乃至上亿公里，以此来测试那些现实里边很难重现的长尾危险场景，进而能够有效提升算法的鲁棒性跟安全性。
但是，在产业界把更多的目光朝着具身智能以及人形机器人投去之时有相当一部分人认为，怎样能够使得虚实迁移的问题得到更佳的解决，这是难点内容的其中一项。对于研究机器人而言，仿真平台是无法规避的。
处于普遍状态的大家，面临着这样一个难题，这难题是，当把那在虚拟场景之中训练的机器人的算法，迁移到真实的机器人身上的时候发现，它没那么灵，学界把这称为“仿真到现实迁移”问题，张立华说。
致使这一问题出现的缘由相当多，其中的一个便是物理引擎自身的仿真精准度欠缺。张立华作出解释：“要是物理引擎模拟得出的物理规律和现实世界存有偏差，那么训练而成的机器人自然而然地难以适配真实环境。”。
比方说，要是接触建模精准度不足，那么就非常不容易训练出高精度的灵巧操作，而这恰恰是限制行业发展的瓶颈当中的一个。不管是工厂作业，还是家庭服务，机器人的落地应用都离不开灵巧手跟物体、和人体的接触操作，此项情况对传统物理引擎在接触建模时的仿真精度给出了极其高的要求。
正是看准了这一让人苦恼的关键问题，张立华团队所研发出来的可微分物理仿真引擎Fysics，把“高仿真精度”当作核心的能够突破困境的要点之一。
为具身智能落地提供更好支撑
有人叫张立华，其介绍称，大语言模型所运用的文本数据，或者是音视频数据，这属于“观察者视角”的数据，然而具身智能所需要的却是“交互者视角”的数据。有一个符合训练要求的抓取动作数据，它不仅仅要涵盖视觉信息，而且还应当包含实时的力反馈，以及触觉感知，还有电机扭矩的连续变化。他说道：“目前在互联网上，很少存在现成的、能够直接映射到机器人感知与控制链路上的‘多模态指令—动作’数据集，这恰恰是现阶段我们所面临的主要挑战。”。
就技术层面而言，张立华和团队渴望Fysics引擎达成更高精准度的接触解算，进而给具身智能落地予以更优支撑。
能够如此去理解，传统的物理引擎恰如一类纯物理计算系统，一旦给予输入，它便会计算得出下一个时刻的状态，然而可微分物理引擎能够告知人工智能，你适才的输入致使你距离目标更远还是更近了。张立华进行介绍，借助梯度反向传播，能够使学习系统明晰何处出现错误、应当怎样去修正，进而显著提升模型训练效率。
现实世界存在着软体、流体等各式各样的材质，当下有的引擎在达成不同材质之间的交互之际，常常针对不同材质分别去建模、求解，而后才去实现耦合传递，这样做既不精准，也不稳定。在这样的一种背景状况之下，张立华团队运用统一的求解框架来处理多种物理材质，以此提高系统的稳定性以及计算的可靠性。
在上海历经多年发展，张立华对这儿的科研环境有着颇深感触。上海的新兴产业政策，兼顾了前瞻性以及连续性，为科研跟产业的融合，提供了优质土壤。我们所从事的，并非仅仅是新一代可微分物理引擎，还期望能够为国产GPU打造出一套更为自主可控的生态体系。张立华如此说道。
