根據麻省理工學院電腦科學與人工智慧實驗室（MIT CSAIL）與中國清華大學研究團隊於本月份發表的最新成果，一種名為「GeoPT」的新型預訓練方法，讓AI模型在3D物理模擬的訓練效率上直接翻倍，同時還能省下最多六成的標註資料。這不只是速度的提升，而是讓機器第一次真正「懂得」物體怎麼碰撞、怎麼流動、怎麼受力——在接觸任何真實數據之前，就先具備了物理直覺。

先懂物理再學標註：GeoPT打破AI模擬的天花板

傳統的AI物理模擬一直卡在一個很尷尬的瓶頸：你要它預測風阻、水流或撞擊，就得先餵它吃下海量的標註數據，然後再花上極長的訓練時間讓它慢慢摸索。但GeoPT走了一條完全不同的路。研究團隊設計了一套「合成動態」（Synthetic Dynamics）訓練機制，先用了130萬筆虛擬樣本，讓模型反覆觀看小球以不同速度和角度撞上複雜3D結構後停下來的方式。這就像讓一個學物理的學生在進實驗室之前，就先在腦海裡把牛頓力學跑過千百遍。

根據MIT CSAIL公布的基準測試結果，GeoPT在達到最佳峰值表現的速度上，比現有領先模型快了大約一倍。更驚人的是，它對標註資料的需求最多可以減少60%。換句話說，過去需要十筆資料才能學會的東西，現在四筆就夠了，而且學得更好。

極端環境才是真戰場：船體同時抗風阻與海浪，資料省六成、速度快四倍

如果只是模擬一顆球在平地上滾，那當然不足以說服人。GeoPT真正的價值，是在那些「複合式」的極端環境中展現出來的。研究團隊特別測試了一個船體同時承受空氣風阻與海浪衝擊的場景——這種情況下，物理方程式複雜到傳統數值方法得跑上老半天。

結果GeoPT僅用了減少60%的資料，就以快上四倍的速度達到了最高精確度。這不是漸進式的改善，是量級上的跳躍。

這項能力直接擊中了工程設計領域長期以來的痛點：你要驗證一架戰機的氣動力設計，或是一輛新車的碰撞安全性，過去不是靠昂貴的實體實驗，就是得等數值模擬跑到天荒地老。GeoPT的出現，等於讓工程師多了一個「即時物理顧問」。

秒級運算1億個網格點：從模擬工具升級為物理基礎模型

MIT博士生兼共同第一作者郭明昊指出，研究團隊的願景是把物理當作繼文字與像素之後的「第三種AI模態」。這不是一個華麗的口號，而是有實質技術支撐的戰略定位。共同第一作者吳海旭則補充了一個關鍵數字：GeoPT能在秒級時間內完成超過1億個網格點的高保真模擬。

過去要做到這種規模的運算，你得有超級電腦、有耐心的團隊、還有一個不會崩潰的預算。但GeoPT把這道門檻直接砍掉了一大半。對於那些想在設計階段就快速驗證車輛、船舶或飛機性能的工程師來說，這不是「方便」，是「可能」與「不可能」的差別。

從產業面來看，GeoPT的真正衝擊不在於它今天能做什麼，而在於它預示了「物理基礎模型」這個新典範的誕生。過去AI在語言和影像領域已經證明了「大規模預訓練＋微調」這條路走得通，現在物理模擬也踏上了相同的軌跡。接下來兩年，我們很可能會看到更多垂直領域的物理基礎模型出現——從氣象預測到材料科學，從電動車電池散熱到半導體製程流體模擬。對臺灣的製造業和半導體產業來說，這不是「要不要關注」的問題，而是「什麼時候導入」的競爭問題。誰先用這種工具縮短設計驗證週期，誰就有機會在產品迭代速度上拉開差距。

從模擬到預測：天氣、新材料、高真實度影片都是下一步

GeoPT目前專注在固體力學與流體力學的範疇，但研究團隊已經明確點出未來的擴展方向：天氣模式預測、新材料測試、以及高真實度的影片生成。這三個領域有一個共同點——它們都涉及極大量的物理運算，而且傳統方法都已經碰到了效率的瓶頸。

以天氣預測為例，現行的數值天氣預報模型需要動用超級電腦進行長時間的積分運算，而且誤差會隨著時間快速累積。如果AI能夠先具備物理直覺，再針對觀測數據進行微調，那預測的準確度和速度都有機會大幅提升。GeoPT證明了這條路不是天方夜譚，而是已經有初步成果的可行方向。

數據背後的啟示

GeoPT的130萬筆虛擬樣本、60%的資料節省、4倍的速度提升、以及超過1億個網格點的秒級運算，這些數字加在一起，指向一個明確的結論：AI物理模擬已經從「能不能做」進入到「能不能用」的階段。過去這項技術只存在於頂尖實驗室的論文中，但GeoPT的效率和資料需求門檻，已經讓它離實際工程應用越來越近。

當然，GeoPT目前仍有其限制。它的訓練形狀和物理現象範疇還在擴展中，距離真正通用的物理基礎模型還有一段路要走。但這項研究證明了物理模擬可以循著語言模型和影像模型的成功路徑前進——先大規模預訓練，再針對特定任務微調。方向已經確立，剩下的只是時間問題。

對於臺灣的讀者來說，這個趨勢離我們並不遙遠。從半導體製程的流體模擬、電動車電池的熱管理、到離岸風電的結構受力分析，這些都是GeoPT這類技術可以直接應用的場景。當全球的工程師開始用「物理直覺AI」來加速產品開發時，台灣的產業能否跟上這個節奏，將是接下來幾年值得密切觀察的課題。

本文改寫整理自公開新聞來源，原始報導由科技新報發布。

常見問題 FAQ

GeoPT和現有的AI物理模擬方法有什麼不同？

最大的不同在於GeoPT在接觸真實標註數據之前，先透過130萬筆虛擬樣本學習了基本的物理互動規律，建立起「物理直覺」，因此訓練效率翻倍、資料需求減少六成。

GeoPT可以應用在哪些實際產業？

目前主要適用在車輛碰撞變形、船舶與戰機的風阻與流體分析、表面壓力分佈評估等工程設計領域，未來也規劃延伸至天氣預測、新材料測試和影片生成。

GeoPT的運算速度到底有多快？

根據研究團隊數據，GeoPT能在秒級時間內完成超過1億個網格點的高保真模擬，比現有領先模型在某些極端環境測試中快上四倍。

這項技術什麼時候會普及？

目前GeoPT仍處於研究階段，團隊正在擴大可訓練的形狀與物理現象範疇。從實驗室到商業化落地，預估還需要一到三年的時間，但技術方向已經明確。

※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。