"PhysicsX telah membuktikan bahwa model berbasis prinsip fisika bisa menandingi bahkan melampaui arsitektur neural network konvensional dalam simulasi kompleks — tanpa harus mengorbankan akurasi atau interpretabilitas." Pernyataan itu bukan dari press release internal, melainkan intisari presentasi CEO PhysicsX di konferensi AI for Science di Zurich awal tahun ini — dan kini menjadi landasan nyata bagi pendanaan $300 juta yang dipimpin Temasek.
Apa yang Berubah di Balik Angka $300 Juta
Pendanaan ini tidak hanya angka besar. Ini adalah salah satu putaran terbesar yang pernah diterima startup berfokus pada 'physics-informed AI' — sebutan teknis untuk sistem yang memasakkan hukum konservasi energi, persamaan Navier-Stokes, atau prinsip kuantum langsung ke dalam arsitektur model, bukan hanya sebagai post-processing. Menurut TechInAsia, putaran ini menempatkan PhysicsX di posisi unik: bukan hanya sebagai pelengkap infrastruktur AI generatif, tapi sebagai fondasi baru untuk simulasi ilmiah dan rekayasa presisi tinggi.
investor baru Intrepid Growth Partners dan M&G Catalyst tidak masuk sebagai penonton pasif. Keduanya memiliki rekam jejak investasi di sektor manufaktur canggih dan energi bersih — bidang yang sangat bergantung pada simulasi fluida, termal, dan material skala atom. Artinya, uang ini bukan untuk eksperimen akademis, tapi untuk integrasi langsung ke pabrik semikonduktor, turbin angin generasi berikutnya, dan desain baterai solid-state.
Baca juga: SpaceX Capai $18,7 Miliar di 2025 — Tapi Jalan ke $1 Triliun Bukan Soal Roket Saja
Nvidia dan Applied Materials Tetap Bertahan — Tanda Bahwa Ini Bukan Mode Sementara
Nvidia dan Applied Materials tidak hanya nama prestisius di daftar investor. Keduanya adalah mitra operasional aktif. Nvidia menyediakan akselerasi hardware khusus lewat chip Hopper dan Blackwell, sementara Applied Materials menggunakan platform PhysicsX untuk mensimulasikan deposisi lapisan atomik dalam proses fabrikasi chip 2-nanometer. Dilansir TechInAsia, kolaborasi ini sudah menghasilkan pengurangan 40% waktu validasi proses di tiga fasilitas produksi global milik Applied Materials — angka yang dikonfirmasi dalam laporan kuartalan perusahaan tersebut.
Keputusan kedua raksasa itu untuk tidak hanya bertahan, tapi juga meningkatkan komitmen, menunjukkan bahwa mereka melihat PhysicsX bukan sebagai alternatif AI, tapi juga sebagai lapisan kritis yang mengisi celah antara 'apa yang bisa dihasilkan model' dan 'apa yang bisa diverifikasi secara fisika'. Di tengah gelombang kekhawatiran tentang hallucination model generatif, PhysicsX menawarkan jaminan matematis — bukan hanya prediksi, tapi solusi yang memenuhi syarat konservasi massa, momentum, dan energi.
Baca juga: EU Gelontorkan 10 Miliar Euro untuk Pabrik AI — Tapi Indonesia Masih Impor Model
Di Indonesia, dampaknya belum terasa langsung. Namun, industri seperti pertambangan (simulasi aliran fluida di reservoir), energi terbarukan (optimasi turbin angin di wilayah berangin tidak stabil), dan bahkan riset nuklir di BATAN bisa memanfaatkan pendekatan serupa — asalkan ada akses ke platform yang terjangkau dan lokalizable. Sayangnya, saat ini PhysicsX masih fokus pada pasar AS, Eropa, dan Asia Timur; belum ada roadmap resmi untuk ekspansi ke ASEAN.
Yang juga patut dicatat: tidak ada satu pun bank atau sovereign wealth fund Asia Tenggara selain Temasek dalam daftar investor. Ini menguatkan asumsi bahwa kapasitas evaluasi teknis tingkat tinggi — khususnya di bidang AI berbasis prinsip ilmiah — masih sangat terkonsentrasi di Singapura dan beberapa pusat riset Jepang-Korea. Untuk Indonesia, ini tidak hanya soal keterbatasan modal, tapi juga juga kelangkaan talenta yang mampu membaca, memvalidasi, dan mengadaptasi model semacam ini ke konteks lokal.
Rangkuman dampak langsung dari pendanaan ini jelas: PhysicsX kini memiliki sumber daya untuk mempercepat komersialisasi platformnya di sektor industri berat dan ilmu material; Nvidia dan Applied Materials memperkuat posisi mereka sebagai arsitek infrastruktur AI-fisika dunia. Dan Temasek menegaskan strategi investasinya bukan pada aplikasi permukaan AI, tapi pada lapisan fundamental yang menopang keandalan sistem cerdas masa depan.