中国政策档案 Governance Archive HOLDINGS 228,518 · FONDS 117
Record · 欧雪 ACC. 900068371

36Kr Exclusive | Tongji PhD Uses Geometric and Physical AI to Redesign Manufacturing, Secures Over 300 Million Yuan in Total Financing

36氪首发 | 同济博士做几何、物理AI重构设计制造,累计获超3亿元融资

Issuer
欧雪
Date
2026-07-23
Instrument
other
Cited by
0
This media exclusive reports that Shexu Technology, an industrial AI design and R&D solutions provider, has completed a Series B financing round of over 100 million yuan, bringing total funding to over 300 million yuan. The company's AI platform, Zexing AI, integrates geometric AI, physical AI, and manufacturing AI to automate 3D design and 2D engineering drawing generation for hardware engineering.
Full text · 原文 1,571 字
图源/企业<br> 本文约1400字,建议阅读3分钟<br> 作者丨欧雪<br> 编辑丨袁斯来<br> 硬氪获悉,工业AI设计研发解决方案供应商「设序科技」于近日正式完成B轮超亿元融资,累计获超3亿元融资,投资方包括深产投、合鼎共及老股东涌铧投资等。融资将用于市场开拓(含出海)及核心模型技术研发。<br> 设序科技成立于2020年,旗下产品“则形AI”是基于自研工业世界模型与自然语言大模型封装的面向硬件工程的设计研发智能体平台,提供云架构下的3D设计方案与2D工程图纸智能生成功能。创始人兼CEO吴泳荣为同济大学先进制造方向博士,曾任通用先进制造实验室研究员、蔚来汽车智能制造专家。<br> 相比去年,设序原有的3D生成与2D生成两大产品线经历了深度的Agent化升级。目前,基于几何AI的3D Agent和基于制造AI的2D Agent已完成技术改造并迅速帮助工程师用户们创造了更厚价值。连接几何AI与制造AI的物理AI也已经投入技术研发与POC验证阶段。实际上,物理AI并不是具身智能领域的独有概念,结合工业机理对特定物理场进行工业级精确求解的物理AI同样重要。<br> 吴泳荣向硬氪解释了这一演变的内在逻辑:“我们想打造一个面向硬件工程的通用AI入口。用户告诉AI需求,AI分三步执行——几何AI先根据需求设计出精确的几何形状,然后物理AI求解这个几何形状的强度、刚度或流场、磁场等物理性能,最后制造AI判断其可制造性。”<br> 业绩方面,设序科技今年上半年合同额同比增长约70%,全年预计接近2亿元,较去年接近翻倍。RAAS(Result as a Service)交付模式已成为重要增长引擎,占全年营收约1/3。<br> 目前则形AI产品已应用于汽车、3C、能源等核心行业,并拓展至商业航天、具身智能等新兴领域,主要客户包括本田、东风、中汽工程、宇通、中车等头部企业。<br> 出海方面,设序科技将2026年定为出海元年,重点为欧洲,已在首站德国签下种子客户,上半年主要完成了欧盟数据合规等前期工作,下半年将争取首批10个左右客户落地,明年计划在欧洲放量,同时准备日韩和东南亚市场。<br> 以下为硬氪与公司创始人吴泳荣的部分访谈实录(经编辑):<br> 硬氪:客户对工业AI的态度这两年有什么变化?<br> 吴泳荣:原来非常保守的客户,现在被教育得甚至有些“激进”。这体现在预算投入上,更体现在心态上。原来很多客户觉得“这场景用AI几乎不可能”,现在不等场景成熟就主动来做POC,甚至给预算做POC都是很常见的。驱动因素主要有三个:一是每天被基础大模型的进步教育,二是实际工作中确实存在诸多痛点,三是实实在在看到我们在已落地场景用AI创造的价值厚度。<br> 硬氪:工业AI最终会取代工程师吗?<br> 吴泳荣:我们内部反复强调一个观点:在AGI(Artificial General Intelligence)到来之前,人不会被取代,但不会用AI的工程师会被会用AI的工程师取代。工程师的核心价值从来不是“操作软件”,而是“做专业判断”,包括选什么基准、定什么公差、怎么平衡成本和性能。<br> 这些决策需要基于经验、场景和硬件产品从设计研发到生产加工到维护保养的完整上下文,AI短期内做不到。短期内理想的状态是:AI完成80%的重复劳动,工程师把精力放到20%的创造性判断和异常处理上。<br> 硬氪:您判断工业世界模型的“GPT时刻”什么时候会到?判断标准是什么?<br> 吴泳荣:最多3到5年。判断标准是在智能水平上能做到无人驾驶所谓的L4或L5。L2或L3能大规模量产,通过量产拿到数据反哺更高级别的模型,速度就非常快了。工业场景和自然语言、图片视频在AI第一性原理维度是一致的,数据量积累到一定程度,加上合适的模型技术,就会出现模态下的高水平智能。难点还是数据、模型技术以及量产业务的推进(因为它不仅能打磨模型技术也能产生数据飞轮),我们已经走得很靠前了。