凤凰网科技讯 2月9日，飞捷科思智能科技（Fysics AI）联合复旦大学认知智能技术实验室（CITLab）正式发布了全球首个面向真实物理世界的全模态物理AI基础模型——OmniFysics。该模型旨在解决当前生成式AI普遍存在的“物理盲”问题，即虽然能够生成高质量图像或对话，但在处理涉及重力、材质、密度等物理规律时常出现违背常识的“幻觉”。
不同于传统大模型依赖海量视觉数据进行模式匹配的路径，OmniFysics在仅有3B参数量的轻量化架构下，引入了物理感知与因果推理机制。通过“静态中枢（FysicsAny）”与“动态中枢（FysicsOmniCap）”两大独创数据生态，该模型能够识别物体的物理属性（如陶瓷的硬度、水的流动性）并理解视听结合下的物理因果（如撞击声与材质的关联）。这种机制使得AI不仅仅停留在像素层面的生成，而是深入到了物理参数的反演，能够精准预测如密度、杨氏模量等仿真参数。
物理数据中枢示意图
在技术架构上，OmniFysics采用了四阶段渐进式训练法，先独立训练单模态感知，再进行全模态深度融合，有效平衡了单一任务的专业性与跨模态的协同能力。为验证模型的实际物理理解水平，团队同步推出了FysicsEval评测基准。
OmniFyscis模型框架示意图
OmniFysics的四阶段训练流程
这是一套涵盖物理属性预测、物理逻辑推理及跨模态一致性判断的综合评估体系，旨在考核AI是否具备识破“水往高处流”等违反物理常识现象的能力，为具身智能从语义理解迈向物理交互提供了量化标尺。
