连融六轮，他要做“工业界Anthropic”
在欧洲的奔驰车间，一批制造装备的设计方案出自一家中国AI公司之手，北美特斯拉的超级工厂里也运转着它设计的设备。
这家AI公司叫设序科技，目标是做“工业界的Anthropic”——Anthropic教会了AI写代码，设序科技则要教AI造机器。名字可能听起来陌生，但已经完成了六轮融资，累计金额超3亿元，上半年刚完成B轮超亿元。
众所周知，Anthropic的Claude根据一句需求生成软件代码，设序科技的“则形AI”则会根据需求直接生成完整的工业设计方案。过去需要花费工程师几十个小时完成的方案，“则形AI”几分钟就能生成一版。
据悉，最新的B轮融资既有深产投、广发信德等新投资方加入，也有老股东涌铧投资的持续加码。回溯设序科技的股东名单，既有险峰长青、高榕创投、阿米巴资本等财务投资机构，也有字节跳动、联想创投、中芯聚源等产业资本——典型的“财务+产业”双轮驱动的组合。
但真正让投资人掏出真金白银的并非一个AI概念，而是实打实的业务。设序科技自2022年商业化以来年均营收增速一直在80%以上，今年合同额预计近2亿元，较去年基本翻番。
翻开设序科技的客户名单，既有头部的国央企如东风、中车、商飞，也有多家知名外资企业和数百家集成商和设计公司，总客户数量近1000家。
这些工业客户身后是一个庞大而沉默的群体——全球900万工业工程师。设序科技所瞄准的正是他们每年上万亿的设计产出。
AI改造硬件工程，万亿赛道爆发
设序科技要做的并非一款“更聪明的CAD工具”，而是一个“AI工业智能体”。两者的区别就像Anthropic的Claude和一款代码编辑器——前者卖的是“智能”，后者卖的是“工具”。
在设序科技的产品逻辑里，与其说客户是为软件license买单，不如说是为“生成即可用”的结果付费。类似于主流大模型按token计价的模式，公司软件和服务按照生成的方案和图纸数量定价，客户直接为结果买单。
这意味着，传统工业研发设计软件CAD、CAE的工具市场并非设序科技的目标，这些工具背后全球约900万工业工程师的硬件工程产出才是，每年规模超3.6万亿。仅在中国工业工程师就有200多万人，硬件工程的产出值至少在5000亿以上。
硬件工程即把工业品从想法变成实物的过程，涵盖工业设计、模拟仿真、工艺规划到生产制造的全流程。如果说写代码是告诉电脑“怎么想、怎么做”，那么硬件工程就是告诉工厂“一台机器该长什么样、该怎么造出来”。
今天，AI在国内硬件工程里的渗透率只有不到1%，在工业设计环节服务的市场不到50亿元。一旦渗透率爬坡到10%，市场的天花板就能达到500亿元——传统CAD市场的数倍。如果再把工艺规划、制造仿真一并打通，空间还会翻倍到千亿量级。
无疑，设序科技正站在这条渗透率曲线的起点，一场AI改造传统硬件工程的变革徐徐展开。
同济博士带队，要做“工业界Anthropic”
设序科技背后的掌舵人是一位同济校友。
吴泳荣，同济大学博士，研究方向是先进制造——一个人工智能与机械工程交叉的硬核学科。读博最后阶段，他到美国通用的底特律全球研发中心做了两年访问学者，期间天天泡在工厂里，见识了堪称全球最先进的自动化产线。
正是在那里，他产生了一个挥之不去的疑问：车间里的生产制造已被工业机器人扛下大半，但办公室的设计工程师们还在用CAD工具一个点、一条线地手工建模，效率低也毫无乐趣。
直觉告诉吴泳荣，也许能用AI改造传统的CAD工具。但当时AI技术还不成熟，美国工业数据又稀少，念头只能停在理论阶段。
2016年回国后，吴泳荣加入蔚来汽车，负责AI在工厂的应用，亲眼见识了制造工程师和设计工程师为制造环节的问题争执不下，最后只能发布一纸“设计变更”重做方案。“如果设计一开始就考虑制造就能避免反复修改。现有工具做不到，但AI能。”这个念头成了设序科技最原始的起点。
离开蔚来汽车后，吴泳荣于2020年创立了设序科技，将用AI生成工业设计的理念付诸实践，当年就拿下险峰长青、高榕资本、联想创投联合投资的数千万元天使轮。
“起初，我们只是想用AI把设计工程师从手工画图里解放出来，但越往工业场景深处做，越发现工业设计是硬件工程中一切数据的源头，牵一发动全身。后来团队下定决心，从整个硬件工程的角度来搭建数据结构、模型架构，以满足工业B端客户的要求。”吴泳荣坦言。
最初数年，设序科技完全凭借自研的AI模型和产品完成了商业化落地。“当时AI生成式工业设计在全球范围内还是一个全新的赛道，连研究paper都很少，只能摸着石头过河。”吴泳荣总结道。
真正让团队把定位从“做一款工具”升级为“时代机会”的是一个逐渐清晰的发现——工业设计对AI的要求和软件工程对AI的要求惊人地一致。
对此吴泳荣解释道：“Claude聚焦软件工程的B端服务，核心要求是结果精准、安全可控、可解释，这与工业客户对硬件设计的核心诉求完全一致。”原因很简单：图纸差0.1毫米就是几十万的报废，所以必须精准；方案要能直接落地，所以必须可控；出了问题要知道为什么，所以必须可解释。两者不谋而合。
Anthropic有条“宪法AI”：把价值观和安全准则像宪法一样原生嵌入模型训练底层，让输出始终被规则约束。这同样与设序科技自研多年的模型逻辑高度契合。团队做的是同一件事——把力学标准、工艺约束、装配规范，一条条写进工业模型的训练底层。
换言之，设序科技要做的正是像Anthropic重塑软件工程那样，用AI重塑硬件工程。
教AI造机器，比教AI写代码难在哪？
软件工程已经实现了代码生成，为什么硬件工程却迟迟没有迎来“Claude时刻”？
要回答这一问题，吴泳荣认为首先应明白二者的差异。Claude能够快速吃透软件代码，核心原因是代码逻辑与大模型训练的文本模态高度契合，属于离散Token逻辑，文本离散的Token生成范式完美适配代码。
而工业硬件设计完全是另一套逻辑。它不只是简单的尺寸几何建模，还需要同步完成物理性能判断、加工工艺适配等多维连续决策，天然不能把所有维度的数据全部类文本离散Token化。这也让工业AI的智能化难度远高于软件AI。
此外，二者面对的物理环境也不相同——软件代码运行在标准化虚拟环境中，规则统一、容错率高、试错成本极低，模型容易学习、快速迭代；工业设计面对的是真实物理世界，必须严格遵循力学、公差、装配、工艺等客观工程约束，几乎没有容错空间。图纸的微小误差都会直接导致加工报废、装配干涉、工期延误甚至安全隐患。
如果简单套用通用大模型，因其本身缺乏工业底层认知，极易产生“工业幻觉”，输出看似合理实则无法落地的方案。
针对通用大模型的短板，设序科技自研了实体几何物理基础模型。不同于通用模型“看图猜结构”，该模型从硬件实体模态出发，提前掌握零件公差、装配边界、加工条件等底层逻辑，从源头杜绝违背物理规律的无效设计，保障输出方案可直接落地。
“我们希望生成可以直接交付甚至加工制造的设计方案，而不是在投入大量token和等待时间后靠模型去猜。”吴泳荣表示。公司的硬件实体模态具备对制造要求和物理规律的理解，因此工程师只用提出需求而无须为模型兜底。
为搭建这套工业专属模型，团队建立了覆盖产品全生命周期的工业定义体系，囊括几何参数、尺寸公差、材料属性、加工基准、装配逻辑、力学标准等核心维度，为每类零件建立完整的工程“身份档案”。
所有规则与模型逻辑不依赖公开数据，全部依托真实工业项目反复校验、迭代打磨，彻底解决通用AI的幻觉问题，形成适配高端制造的成熟技术体系。
吴泳荣坦言：“这个过程极度磨人，非常考验团队对工业场景的深耕认知和AI技术的底层knowhow，不仅要精准拆解工业设计的各类核心维度，更要深入真实项目反复验证优化，吹尽狂沙始到金。”
经过多年全场景打磨，公司形成了成熟、可落地的模型与应用体系。模型架构搭建上，设序科技找到了高度适配的行业参照——Anthropic的“宪法AI”。
“我们早期自主迭代模型的核心逻辑与Anthropic宪法AI的底层理念高度契合。”吴泳荣表示，Claude聚焦软件工程B端服务，核心要求是结果精准、安全可控、可解释，这与工业客户对硬件设计的核心诉求完全一致。
基于此，设序科技打造出专属的工业版宪法AI，将力学标准、工艺约束、装配规范等工程准则原生嵌入模型训练底层，实现低幻觉、高稳定、强可控的工业AI设计能力。
每天数万张图纸，一个数据飞轮成型
模型之上，设序科技已经做出了真正的产品。
其基于“则形AI”打造的AI Agent已经覆盖了多家车企及其装备集成商，并逐步延伸到3C、能源、航空、轨道交通等更广泛的工业场景。据吴泳荣介绍，设序科技现有近千家B端用户，每天在云端生成的3D模型和2D图纸数以万计。
这些Agent真正的价值不止于“帮客户画图”，更在于反过来喂养了模型。
正如吴泳荣介绍，工业数据是用出来的。单向的数据采集不可持续，真实性和完整性也无法验证。只有让AI Agent真正跑在客户的生产流程里，才会源源不断地产生带“真值”的工业数据——几何、物理、工艺信息，连同真实制造偏差、接触微变形等客观误差一起沉淀下来。“数年积累下来，我们可能是目前拥有工业真值数据最多的企业。”
拿到数据后还需经过处理才能供模型学习和推理使用。为此，设序科技搭建了一套标准化的工业数据转化管道，将真实设计场景中产生的工业真值数据统一清洗、校验、模态对齐，进一步提高数据的使用效率。
如此形成一个数据飞轮——产品用得越多、数据越多，数据越多、模型越强，模型越强、能接的场景越通用，客户用得就越多。这是一条“场景使用→数据积累→模型认知升级”的永久正向循环。
AI硬件工程时代，拉开序幕
这是数十年一遇的行业变革机遇。
设序科技下一阶段的商业重点，是尽快将AI在硬件工程里的渗透率曲线拉起来：既要提升行业渗透率，让更多企业用上AI设计，也要提升使用者的智能渗透率，让工程师把更多设计环节交给AI。
“我们核心关注的是两个北极星指标：一是AI在设计中的参与度，二是使用AI生成工业设计的数量。前者目标是三年内提升到80%以上，后者目标是每年翻一到两倍。”
吴泳荣的判断是，一旦AI的设计能力突破某个参与度的“奇点”，设计这件事的成本会呈指数级下降，需求则会迎来爆发式增长——一个参照是Claude之于软件工程。
而这条路也正好踩在国家战略的方向上——“十五五”规划已经把工业软件列为科技自立自强的核心，工信部首次把“基于大模型的零部件设计软件”、“结构仿真智能软件”列入了揭榜攻关方向。政策明确提出聚焦“AI+设计”，推进“AI+工业设计”与高端装备制造等相关产业融合创新。
长期身处AI和工业产业一线，吴泳荣始终认为，下一代的AI工业设计软件应该由中国企业来定义和搭建。“中国有全世界最大的工业产能、最齐全的工业场景、最丰富的工业数据，但使用的传统工业软件都是西方定义和提供的。这一次，AI技术的进步提供了一个绝佳的时代机遇。”
如果说Claude是AI软件工程的经典范式，设序科技想要交出的，就是AI硬件工程的中国答案。
本文来自微信公众号“投资界”（ID：pedaily2012），作者：余梦莹，36氪经授权发布。