若要以有意义的保真度模拟现实世界，传统技术正阻碍汽车和航空航天公司的设计团队。BeyondMath 通过引入人工智能革新世界模拟方式，有望为设计团队节省数天甚至数周的等待时间。
“与语言不同，物理学领域拥有描述规律的数学模型。机器学习在计算方面表现出色，而不仅仅是模式识别。”联合创始人达伦·加维（Darren Garvey）表示。
计算流体力学的瓶颈与突破
BeyondMath 的首个切入点是被誉为计算流体力学（CFD）的领域。尽管预测气流等能力不断进步，但相关方程极其复杂，计算量巨大且依赖超级计算机或 GPU 集群，导致设计过程中存在大量等待时间。
设计师提出方案后运行模拟，往往需次日才能获取结果并进行验证，随后还需经历风洞测试。若测试结果与模拟不符，则需重新回到设计阶段，循环往复。
BeyondMath 旨在加速数字化设计环节，缩短从创意产生到可行性验证的延迟。加维指出：“如果模拟耗时缩短至几秒或几分钟，设计师在六个月内可能运行一百万次更改，而非仅20次尝试。”
以真实世界数据替代纯模拟训练
实现该目标的方法倾向于使用机器学习，而非单纯增加 GPU 算力。其首款产品“数字风洞”能对复杂表面气流进行近乎实时的模拟，保真度媲美传统方法数百倍的耗时。
不同于拥有海量现成数据的天气系统模型，CFD 缺乏类似大语言模型的互联网级训练基础。为此，BeyondMath 并未依赖现有模拟数据，而是构建了既理解风洞理论又掌握现实观测结果的模型。
“我们试图近似的不是模拟结果，而是真实世界，因此必须引入真实世界的数据。”一旦模型理解系统行为，便能像图像生成模型一样，成为设计过程中的积极参与者。
F1赛车领域的落地与融资进展
F1 赛车是 BeyondMath 的首批目标市场之一。作为 CFD 重度用户，部分车队正利用该软件加速空气动力学和车辆设计流程。加维表示，公司正与多支 F1 车队紧密合作，即将推出能切实提升赛车性能的平台。
公司预计六个月内证明模型已从概念验证进入实际应用阶段。为此，BeyondMath 刚完成由 UP.Partners 领投、Insight Partners 和 InMotion Ventures 参投的 850万美元种子轮融资。
新资金将用于团队规模翻倍及扩充算力，包括采购 Nvidia DGX 200 服务器并探索其硬件潜力。尽管 F1 社区竞争激烈且资金雄厚，BeyondMath 仍视其为优质客户群体。
关于未来规划，加维坦言：“从服务特定物体到通用解决方案是一段旅程。目前我们专注于服务顶级客户以实现自我造血和产品市场契合，这是初创企业成长的必经之路。”