36氪首發 | 同濟博士做幾何、物理AI重構設計製造，累計獲超3億元融資

# 36氪首发 | 同濟博士創業幾何與物理AI，設序科技累計融資超3億元，Agent化產品重塑工業設計

工業AI設計研發解決方案供應商「設序科技」近日宣布完成B輪超億元融資，累計融資額已超過3億元人民幣。本輪融資由深產投、合鼎共聯合領投，老股東涌鏵投資持續跟投。所籌資金將主要用於全球市場開拓，尤其是海外業務的推進，以及核心工業世界模型的技術迭代與產品研發。 設序科技成立於2020年，核心團隊來自頂尖製造業與學術背景。創始人兼CEO吳泳榮為同濟大學先進製造方向博士，曾擔任通用先進製造實驗室研究員、蔚來汽車智能製造專家，在工業軟件與AI融合領域積累深厚。公司旗下核心產品「則形AI」，是一款基於自研工業世界模型與自然語言大模型封裝而成的硬件工程設計研發智能體平台，旨在為工程師提供雲端架構下的3D設計方案與2D工程圖紙智能生成能力。 ## 從幾何生成到物理求解，AI重構設計製造閉環

相較於去年，設序原有的3D生成與2D生成兩大產品線已全面完成Agent化升級。目前，基於幾何AI的3D Agent與基於製造AI的2D Agent已經在實際應用中幫助工程師用戶創造了更高的價值。更值得關注的是，連接幾何AI與製造AI的物理AI也已經進入技術研發與POC（概念驗證）階段。吳泳榮向36氪詳細解釋了這一產品演進的內在邏輯：「我們希望打造一個面向硬件工程的通用AI入口。用戶告訴AI需求之後，AI分三步執行——先由幾何AI根據需求設計出精確的幾何形狀，再由物理AI求解這個幾何形狀的強度、剛度或流場、磁場等物理性能，最後由製造AI判斷其可製造性。

」這一閉環實現了三者的高效協同，使得傳統工程設計中反覆迭代的冗長流程大幅簡化。他特別強調，物理AI並不只是具身智能領域的專利，結合工業機理對特定物理場進行工業級精確求解的物理AI，在設計製造領域同樣具有革命性意義。設序在此方向的佈局，將使其在與傳統工業軟件的競爭中佔據更大主動權。## 業績高速增長，RAAS模式成新增長極

設序科技商業化進展迅速。2026年上半年，公司合同額同比增長約70%，全年預計接近2億元，較去年接近翻倍。其中，RAAS（Result as a Service）交付模式已成為重要增長引擎，貢獻全年營收約三分之一。該模式的核心是讓客戶按結果付費，而非按軟件授權或使用時長，這一模式更直接體現AI創造的價值。 目前，「則形AI」產品已廣泛應用於汽車、3C、能源等核心行業，並逐步拓展至商業航天、具身智能等新興領域。主要客戶包括本田、東風、中汽工程、宇通、中車等國內外頭部製造企業，產品在複雜工況下的穩定表現贏得了行業口碑。 ## 出海元年鎖定歐洲，2026年加速國際化

2026年被設序科技定義為出海元年，重點市場位於歐洲。公司已在首站德國簽下種子客戶，上半年完成歐盟數據合規等前期準備工作，下半年將力爭首批約10個客戶落地。明年計劃在歐洲全面放量，同時籌備日本、韓國及東南亞市場的拓展。 吳泳榮表示，海外客戶對工業AI的接受度正在快速提升，這與國內市場的趨勢一致。他認為，AI工具正在從「可選項」變成「必選項」，尤其是在製造業面臨勞動力短缺和設計效率瓶頸的背景下，AI提供的價值已經無法忽視。 ## 客戶態度激進化：AI不再被視為「不可能」

談及行業變化，吳泳榮觀察到一個明顯趨勢：過去非常保守的客戶，現在甚至變得有些「激進」。這種變化不僅體現在預算投入上，更體現在心態上。「原來很多客戶覺得『這個場景用AI幾乎不可能』，現在不等場景成熟就主動來做POC，甚至願意為POC單獨撥預算。」

他分析，驅動因素主要有三個：一是基礎大模型在通用領域的持續進步每天都「教育」著行業；二是工程師在實際工作中確實存在大量低效重複勞動的痛點；三是設序等先行者在已落地場景中用AI創造出的價值厚度，已經讓客戶看到了實實在在的回報。 ## 取代工程師？不會用AI的工程師才會被取代

對於「工業AI最終是否會取代工程師」這一熱門話題，吳泳榮給出了明確回答：「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。」他進一步指出，工程師的核心價值從來不是「操作軟件」，而是「做專業判斷」——包括選什麼基準、定什麼公差、如何平衡成本與性能。 這些決策需要基於經驗、場景以及硬件產品從設計研發到生產加工再到維護保養的完整上下文，短期內AI尚無法勝任。理想的狀態是：AI完成80%的重複勞動，工程師將精力集中到20%的創造性判斷和異常處理上，從而實現效率與質量的雙重提升。 ## 工業世界模型的「GPT時刻」：3到5年內或將到來

對於工業AI何時迎來類似GPT的爆發節點，吳泳榮給出了相對樂觀的判斷：最多3到5年。他認為判斷標準是智能水平能否達到無人駕駛領域所謂的L4或L5。「一旦L2或L3能夠大規模量產，通過量產拿到高質量數據反哺更高級別的模型，速度就會非常快。」

他強調，工業場景與自然語言、圖片視頻在AI的第一性原理維度上是一致的——當數據量積累到一定程度，加上合適的模型技術，就會出現特定模態下的高水平智能。真正的難點依然在於數據獲取、模型技術突破以及量產業務的推進，因為量產不僅能打磨模型技術，更能形成數據飛輪。吳泳榮表示，設序科技在這條路上已經走得很靠前，未來將持續加碼核心技術，力爭率先叩開工業AGI的大門。