設(shè)序科技B輪超億元、年合同額翻番

設(shè)序科技B輪超億元、年合同額翻番

7月23日，工業(yè)AI設(shè)計研發(fā)解決方案供應(yīng)商設(shè)序科技宣布完成B輪超億元融資，投資方包括深產(chǎn)投、合鼎共及老股東涌鏵投資等，累計融資規(guī)模超3億元。本輪資金將用于市場開拓（含出海）及核心模型技術(shù)研發(fā)。這是設(shè)序科技自2020年成立以來完成的第4輪融資，在工業(yè)AI賽道資本趨于理性的當(dāng)下，超億元B輪融資并不常見。

但擺在這家同濟(jì)博士創(chuàng)辦的公司面前的，仍是工業(yè)AI從“POC驗證”走向“規(guī)模化量產(chǎn)”的經(jīng)典難題。設(shè)序科技今年上半年合同額同比增長約70%，全年預(yù)計接近2億元，較去年接近翻倍——這個增速在硬科技創(chuàng)業(yè)公司中并不低，但RAAS（Result as a Service）交付模式占全年營收約1/3，意味著仍有近七成收入來自傳統(tǒng)項目制交付，離真正的平臺化、SaaS化商業(yè)模式還有距離。創(chuàng)始人吳泳榮預(yù)判工業(yè)世界模型的“GPT時刻”還有3到5年，這段窗口期內(nèi)，設(shè)序能否在數(shù)據(jù)飛輪轉(zhuǎn)起來之前穩(wěn)住客戶續(xù)約和收入質(zhì)量，是核心考驗。

設(shè)序科技的核心產(chǎn)品是“則形AI”，一個基于自研工業(yè)世界模型與自然語言大模型封裝的面向硬件工程的設(shè)計研發(fā)智能體平臺。其核心邏輯是三步閉環(huán)：幾何AI根據(jù)需求設(shè)計精確的幾何形狀（3D方案生成），物理AI求解該形狀的強(qiáng)度、剛度、流場、磁場等物理性能（物理場精確求解），最后制造AI判斷其可制造性（2D工程圖紙生成）。這套“幾何—物理—制造”三段式架構(gòu)，區(qū)別于當(dāng)前多數(shù)工業(yè)AI只做單點工具（如CAD輔助繪圖、CAE仿真加速）的思路，試圖打通從設(shè)計到制造的完整鏈路。

與去年相比，設(shè)序原有的3D生成與2D生成兩大產(chǎn)品線經(jīng)歷了深度的Agent化升級：基于幾何AI的3D Agent和基于制造AI的2D Agent已完成技術(shù)改造，連接兩者的物理AI也已投入技術(shù)研發(fā)與POC驗證階段。吳泳榮強(qiáng)調(diào)，物理AI并非具身智能領(lǐng)域的獨(dú)有概念，結(jié)合工業(yè)機(jī)理對特定物理場進(jìn)行工業(yè)級精確求解的物理AI同樣重要——這恰恰是工業(yè)AI區(qū)別于通用大模型的核心壁壘所在：不是“能生成”，而是“算得準(zhǔn)”。

從落地情況看，則形AI已應(yīng)用于汽車、3C、能源等核心行業(yè)，并拓展至商業(yè)航天、具身智能等新興領(lǐng)域，主要客戶包括本田、東風(fēng)、中汽工程、宇通、中車等頭部企業(yè)。吳泳榮觀察到客戶態(tài)度的顯著變化：原來非常保守的客戶，現(xiàn)在被教育得甚至有些“激進(jìn)”——原來覺得“這場景用AI幾乎不可能”，現(xiàn)在不等場景成熟就主動來做POC，甚至主動給預(yù)算。驅(qū)動因素來自三方面：基礎(chǔ)大模型的持續(xù)進(jìn)步在做市場教育、工程師日常工作中確實存在大量重復(fù)性痛點、以及設(shè)序在已落地場景創(chuàng)造的價值厚度有目共睹。

出海是設(shè)序科技今年的關(guān)鍵增量。公司將2026年定為出海元年，首站瞄準(zhǔn)歐洲，已在德國簽下種子客戶，上半年主要完成了歐盟數(shù)據(jù)合規(guī)等前期工作，下半年爭取首批10個左右客戶落地，明年計劃在歐洲放量，同時準(zhǔn)備日韓和東南亞市場。選擇德國作為出海首站，邏輯在于德國是全球高端制造業(yè)聚集地，汽車、精密機(jī)械等行業(yè)對工業(yè)設(shè)計軟件需求旺盛，且付費(fèi)意愿和客單價顯著高于國內(nèi)市場。但海外工業(yè)軟件市場長期被達(dá)索、西門子、PTC等巨頭壟斷，國產(chǎn)工業(yè)AI工具要在海外市場站穩(wěn)腳跟，產(chǎn)品成熟度、數(shù)據(jù)安全合規(guī)和本地化服務(wù)能力缺一不可。

在“AI是否會取代工程師”這個問題上，吳泳榮的判斷相對務(wù)實：在AGI到來之前，人不會被取代，但不會用AI的工程師會被會用AI的工程師取代。工程師的核心價值從來不是“操作軟件”，而是“做專業(yè)判斷”——選什么基準(zhǔn)、定什么公差、怎么平衡成本和性能，這些決策需要基于經(jīng)驗、場景和產(chǎn)品全生命周期的完整上下文，AI短期內(nèi)做不到。短期內(nèi)理想狀態(tài)是AI完成80%的重復(fù)勞動，工程師把精力放到20%的創(chuàng)造性判斷和異常處理上。這個判斷，也基本框定了則形AI的產(chǎn)品定位：不是替代工程師，而是把工程師從重復(fù)的繪圖、仿真、出圖中解放出來。

從團(tuán)隊背景看，創(chuàng)始人兼CEO吳泳榮為同濟(jì)大學(xué)先進(jìn)制造方向博士，曾任通用先進(jìn)制造實驗室研究員、蔚來汽車智能制造專家，兼具學(xué)術(shù)背景和整車廠一線制造經(jīng)驗，這在工業(yè)AI創(chuàng)業(yè)團(tuán)隊中屬于相對稀缺的復(fù)合背景。投資方陣容中，涌鏵投資為老股東持續(xù)加注，新進(jìn)的深產(chǎn)投和合鼎共則分別代表深圳國資產(chǎn)業(yè)資本和市場化資金，機(jī)構(gòu)對工業(yè)AI賽道的持續(xù)投入態(tài)度明確。

工業(yè)AI賽道正處在一個微妙的節(jié)點。據(jù)賽迪顧問等機(jī)構(gòu)數(shù)據(jù)，中國工業(yè)軟件市場規(guī)模已超2000億元，但國產(chǎn)化率仍不足20%，CAD/CAE等核心設(shè)計軟件長期被達(dá)索、西門子、歐特克等海外巨頭壟斷。AI大模型的到來，為國產(chǎn)工業(yè)軟件提供了“換道超車”的可能性——如果AI能讓工程師的設(shè)計效率提升數(shù)倍、甚至打通從設(shè)計到制造的智能閉環(huán)，那么國產(chǎn)工業(yè)AI工具有望在巨頭的夾縫中撕開缺口。但這個窗口期不會太長，3到5年的判斷如果成立，留給設(shè)序科技們的時間并不充裕。幾何—物理—制造的三步閉環(huán)能否在量產(chǎn)中跑通、海外首年能否拿到標(biāo)桿客戶、RAAS模式收入占比能否持續(xù)提升，將是決定這家公司能否從“POC明星”成長為真正工業(yè)AI平臺的關(guān)鍵變量。