他从英伟达辞职，投身祖国科技事业，2017年起任教复旦大学，积极参与学校新工科建设，取得一系列突出成绩。他深耕物理仿真领域二十余年，是英伟达上一代引擎的核心研发者，2024年创办飞捷科思智能科技（以下简称飞捷科思）并担任董事长，研制高精度物理仿真引擎，打造物理AI国产化关键技术底座，达到业内领先水平。他以立德树人为己任，培养了一批优秀毕业生，在人工智能领域顶刊上发表多篇文章，所带学生入选华为“天才少年”等科技企业人才计划。
他就是复旦大学长聘特聘教授、智能机器人与先进制造创新学院副院长张立华。
从复旦教授，到科技创业者
就在几天后，2026世界人工智能大会（WAIC）将在上海举办。会上，张立华将发起物理智能创新生态论坛，正式发布新一代物理世界模型Fysiverse，推进构建自主可控、开放共享的物理智能产业生态。
扎根物理智能领域20余年，从海外工程师到复旦大学教授，再到创业者，张立华走出了一条独特的科创轨迹。
时间倒回到21世纪初，随着公司被英伟达收购，张立华参与了英伟达旗下物理引擎的全程研发。彼时的英伟达发展稳定，但是他感到“技术上没有挑战了”。因此，当张立华敏锐地意识到领域内有新的机会时，他选择辞去工作、毅然回国。
回国后，他因缘结识了在交叉学科深耕多年的教授黄大年。黄大年带给了张立华很多启发，让他看到学科交叉在重大科学问题和工程问题上的价值。之后，当复旦大学智能机器人研究院院长甘中学邀请他加入正在筹划成立的智能机器人研究院时，他欣然接受，投身到复旦新工科建设中。
张立华团队学生
进入高校后，张立华始终在思考一个问题：当AI从数字空间走向物理世界，需要什么样的底层支撑？2021到2022年元宇宙升温，物理引擎的重要性重新浮现。“原来做的引擎服务于游戏，但到了虚拟现实和元宇宙时代，它恰恰能发挥更大的作用。除了服务于游戏、影视，它还可以服务数字医学、教学培训等。”
他带着理念四处奔走，却发现“说法太超前了”，那时候具身智能和物理AI还未成为热门概念。因此，他决定自己创业，根据真实场景的应用需求，以企业形式做研发。
2024年，飞捷科思成立。公司的名字从“Physics”单词出发，结合复旦特色，PH被改成F，诞生了“Fysics”。中文名“飞捷科思”也经过精心构思，“飞”寄予了一飞冲天的美好期望，“捷”是快速、敏捷的意思，“科思”代表用科学思维推进企业和技术的发展。
当被问到做物理引擎工程量巨大，为什么要从这里切入时，张立华坦言，这的确是基础设施建设工程，然而，这份工作是有必要的。在张立华看来，机器人需要的是“物理真实”，要完成精细化操作，机器人在精度不够的虚拟世界练得再好，一进真实世界就会乱套。
“未来具身智能和物理AI需要的场景范围更大，要不断发展物理引擎的能力，支撑更多物理材质模拟和特殊行业需求，这个工作本身就很有创新空间。”张立华说。更重要的是，中国需要打造出属于自己的物理AI生态体系。
如今，飞捷科思已完成Pre-A轮融资。从工程师到教授再到创业者，他始终在同一个领域深耕。下一步，他将持续打磨已发布和正在研发的技术产品、解决方案，真正解决产业链上下游的真实需求。同时，公司将联合芯片、算力、应用场景、机器人等企业，打造物理AI的生态合作伙伴体系
创办飞捷科思，打造物理AI关键技术支撑体系
“在未来，为什么需要物理引擎？因为我们希望在数字世界里对现实世界的物理规律进行更加准确、客观的反映。”张立华表示。
回国前，张立华曾带领跨国团队研发了英伟达物理智能技术体系的关键支撑底座——PhysX物理仿真引擎。这一物理仿真引擎重点服务于游戏和影视特效，游戏里一块石头落地会弹跳、布料随风飘动，这些看起来真实的效果，背后靠的就是PhysX。它能够让画面视觉上“感觉像真的”，追求的是“视觉真实”。
而在具身智能发展的浪潮下，人工智能要走入现实世界，依靠“视觉真实”并不够，更需要“物理真实”，这也是新一代物理引擎所追求的目标。
基于二十余年来的深厚积淀，2024年，张立华自主创业，聚焦新一代可微分物理引擎自主研发，攻坚行业技术短板，全力打造物理AI国产化关键技术底座。
飞捷科思围绕物理仿真引擎、智能仿真训练平台、物理AI基础模型进行体系化布局，聚焦具身智能行业仿真适配、数据供给、模型迭代、场景落地全链条痛点，助推具身智能与人形机器人技术研发提速、应用场景规模化落地。
今年3月，飞捷科思发布会上，张立华身为创始人发布了Fysics可微分物理仿真引擎。“Fysics引擎是面向物理AI时代、面向具身智能和机器人时代的新一代引擎。”这一成果实现物理AI底层核心技术自主突破性攻关，一举填补国内可微分物理引擎领域空白，成功打破海外技术长期垄断，为产业国产化替代筑牢根基。
不止于引擎，针对产业链的不同需求，公司打造了“Mozisim”具身智能机器人仿真训练平台。该平台以引擎为基座，加上高精度渲染，为视觉传感器等提供逼真的虚拟环境，做到既物理真实又视觉真实，破解数据短缺、场景覆盖不足等行业困境。
此前，他们于今年2月发布了全模态物理模型“OmniFysics”。跟全模态大语言模型不同，它可以非常好地感知现实环境里各类物体的材质、物理参数、物理属性，甚至做物理层面的推理和预测。这个基座可以为机器人的“大脑”提供物理认知能力，帮助它做实时决策判断。
从Fysics可微分物理仿真引擎，到Mozisim具身智能机器人仿真训练平台，再到OmniFysics全模态物理模型，在张立华看来，这些都是机器人本体研发和场景落地必不可少的关键技术，也可以叫“基础设施”。
公司的定位，正是成为行业关键技术供应商。作为国内为数不多具备技术底层能力研发的企业，公司不做具身智能本体，但利用从引擎、平台、模型到全栈式数据管控平台的特色能力，为具身智能下游的产业和企业提供支撑。
“物理AI，远不止具身智能和机器人”
一般而言，机器人在进入物理世界前，会在“仿真环境”的虚拟世界里训练。传统仿真环境，应用的物理引擎精度不足，复杂的物理规律被大量压缩。
因此，如果想让机器人真正服务人类社会，而不只是完成跳舞、空翻这类动作，它就必须与现实世界接触，在真实物理规则下完成交互，进而用灵巧手去接触各类物体，完成各项精细化操作。
“在传统物理引擎下训练，机器人能学会一个大致的动作，完成很多简单任务。但一旦要让它完成精巧操作，就必须考虑真实物理规则，计算灵巧手和物体之间的各种精细碰撞和接触。”张立华认为，高精度的接触操作是未来机器人真正走入物理现实空间、解决实际问题的关键支撑能力。
借助物理仿真引擎，研究人员可以在虚拟世界里对机器人、自动驾驶汽车等做更真实的模拟仿真，完成高精度的操作任务；此外，还可以减少对实体训练的依赖，同时在1万个、10万个甚至千万个场景里让机器人试验各种任务，大大提高研发效率。
正是在这一背景下，张立华下决心完善新一代物理仿真引擎。“物理AI远不止具身智能和机器人。”张立华看到了物理AI的未来，他坚信在物理AI时代，需要物理仿真引擎提供关键的技术支撑。
在他看来，物理仿真引擎还能帮助科研机构和企业更好地利用虚实融合的技术红利，极大提升研发和生产效率。“这个技术本身很有挑战性，值得一直做下去。”
