🏭 工业 AI · 融资首发
设序科技 B 轮再获超亿元：同济博士的「几何+物理+制造」三步闭环，要重构硬件设计制造
行业媒体获悉，工业 AI 设计研发方案商「设序科技」近日完成 B 轮超亿元融资，累计融资超 3 亿元。旗下「则形AI」不满足于替工程师画图——它要打通 几何设计 → 物理求解 → 制造判断 的完整闭环，并已在商业化上给出硬数字：上半年合同额同比增长约 70%，全年预计接近 2 亿元，其中约 1/3 来自「按结果付费」的 RAAS 模式。
来源：公开报道•
2026-07-23•
全文约 3 分钟读完
#设序科技
#则形AI
#工业AI
#B轮融资
#RAAS
3 亿+
累计融资（人民币）· 本轮 B 轮超亿元
+70%
2026 上半年合同额同比增速（公司口径）
≈1/3
RAAS「按结果付费」占全年营收比例
⚡ 30 秒速览
- 谁投的钱：深产投、合鼎共及老股东涌铧投资等；B 轮超亿元、累计超 3 亿元，投向市场开拓（含出海）与核心模型技术研发。
- 做的是什么：「则形AI」——面向硬件工程的设计研发智能体平台：几何 AI 设计精确形状 → 物理 AI 求解强度/刚度/流场/磁场 → 制造 AI 判断可制造性。
- 怎么赚钱：RAAS（Result as a Service，按结果付费）成为重要增长引擎，占全年营收约 1/3；全年合同额预计接近 2 亿元，较去年接近翻倍。
- 客户是谁：本田、东风、中汽工程、宇通、中车等头部企业，覆盖汽车、3C、能源，并拓展至商业航天、具身智能。
- 下一站在哪：2026 定为「出海元年」，首站德国已签种子客户，下半年争取约 10 个欧洲客户落地。
- 阅读提示：全文数据均为公司单方披露口径，请先读下方「编辑视角」，戴好眼镜再往下看。
🧭 编辑视角 · 来源与立场提示
- 这是典型的「首发通稿 + 创始人访谈」结构：行业媒体首发栏目稿件，信息几乎全部来自公司单方披露与CEO吴泳荣的受访内容，无第三方独立佐证。客户名单、合作深度均按公司说法呈现。
- 关键数字未经审计：合同额 +70%、全年预期近 2 亿、RAAS 占比 1/3 均为公司口径；「较去年接近翻倍」未披露上年基数，建议自行打折理解。
- 「三步闭环」目前是路线图，不是现状：承上启下的物理 AI 仍处于研发与 POC 验证阶段，当前实际创造收入的是几何 AI（3D Agent）与制造 AI（2D Agent）两端。
- 但有一个趋势判断大概率成立：「客户主动带预算做 POC」与「按结果付费跑通」两个信号相互印证——工业 AI 正从试点玩具变成企业的正式预算科目。这一点，即便对数字打折，也值得采信。
01融资与公司底档 钱从哪来，花到哪去
本轮融资
B 轮，超亿元，近日正式完成；累计融资已超 3 亿元。
公司
设序科技，成立于 2020 年，定位工业 AI 设计研发解决方案供应商。
核心产品
「则形AI」——基于自研工业世界模型与自然语言大模型封装的设计研发智能体平台，云架构下提供 3D 设计方案与 2D 工程图纸的智能生成。
创始人
吴泳荣，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。
02它在造什么 从「画图」到「判断可制造性」的三步闭环
① 几何 AI · 设计精确形状→② 物理 AI · 求解物理性能→③ 制造 AI · 判断可制造性
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。 —— 吴泳荣
三步各自的技术状态并不相同，这是理解这家公司当前真实水位最关键的一张表：
3D Agent（基于几何 AI）：由去年的 3D 生成产品线深度 Agent 化升级而来，已完成技术改造，正在帮助工程师用户创造「更厚价值」。
已落地创收
2D Agent（基于制造 AI）：2D 工程图纸生成同步完成 Agent 化改造，面向制造环节。
已落地创收
物理 AI：连接几何与制造的中间层，负责工业级精确求解，目前处于技术研发与 POC 验证阶段。
POC 验证中
概念澄清：物理 AI 并非具身智能领域的独有概念——结合工业机理，对强度、刚度、流场、磁场等特定物理场做工业级精确求解，同样属于物理 AI，且在工业场景中同等重要。
03商业化 最硬的信号是 RAAS
≈2 亿全年合同额预期（元）
+70%上半年合同额同比
≈1/3RAAS 占全年营收
5 家披露的头部客户代表
RAAS（Result as a Service）即按结果付费：客户不为软件授权买单，而是为 AI 交付的设计结果买单。官方称该模式已成为「重要增长引擎」。客户层面，则形AI 已应用于汽车、3C、能源等核心行业，代表客户包括本田、东风、中汽工程、宇通、中车，并拓展至商业航天、具身智能等新兴领域。
注：合同额、营收结构与同比增速均为公司单方披露口径，未经审计；「较去年接近翻倍」未公开上年基数，请据此判断数字成色。
编辑核心判断
客户敢按「结果」付钱，意味着 AI 交付物已经通过了客户内部的验收关——这个 1/3，比 3 亿融资额更能说明工业 AI 的真实水位。
04出海路线图 2026 定为「出海元年」，首站德国
2026 H1打地基：合规 + 种子客户
完成欧盟数据合规等前期工作；首站德国已签下种子客户。
2026 H2首批约 10 个客户落地
下半年目标：争取第一批 10 个左右的欧洲客户真正落地。
2027欧洲市场放量
计划明年在欧洲规模化复制；同期筹备日韩与东南亚市场。
出海是本轮融资的明确用途之一——欧洲路线的推进速度，是检验这轮融资使用效率的直接窗口。
05创始人吴泳荣的三个判断 访谈实录（经编辑）
判断一客户对工业 AI 的态度变了吗？
原来非常保守的客户，现在被教育得甚至有些「激进」……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。
- 变化不仅体现在预算投入上，更体现在心态上——从「这场景用 AI 几乎不可能」到主动付费验证。
- 三个驱动因素：①每天被基础大模型的进步教育；②实际工作中确实存在诸多痛点；③实实在在看到已落地场景中 AI 创造的价值厚度。
判断二工业 AI 最终会取代工程师吗？
在AGI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：选什么基准、定什么公差、怎么平衡成本和性能。
- 这些决策依赖经验、场景和硬件产品「设计研发→生产加工→维护保养」的完整上下文，AI 短期内做不到。
- 短期理想分工：AI 完成 80% 的重复劳动，工程师聚焦 20% 的创造性判断与异常处理。
判断三工业世界模型的「GPT 时刻」什么时候到？
最多3到5年。判断标准是在智能水平上做到无人驾驶所谓的L4或L5。
- 路径类比自动驾驶：L2/L3 先大规模量产，通过量产拿到数据反哺更高级别模型，迭代速度会非常快。
- 第一性原理上，工业场景与自然语言、图片视频的 AI 演进一致——数据量积累到一定程度，加上合适的模型技术，就会出现该模态下的高水平智能。
- 难点在三处：数据、模型技术、量产业务的推进（量产既打磨模型也产生数据飞轮）。吴泳荣自称「我们已经走得很靠前了」——此为创始人自述，供参考。
▶后续盯什么 三个可公开验证的信号
- 12026 下半年，德国首批约 10 个客户能否如期落地——出海故事的第一块试金石。
- 22026 全年，合同额能否兑现「接近 2 亿元、较去年接近翻倍」的预期。
- 3物理 AI 的 POC 验证能否转化为可收费的产品模块——三步闭环能否真正合拢。
原文未附产品体验地址、官网或开源仓库链接，故本页不硬凑入口。以上三个锚点均来自公司自己在报道中立下的承诺，适合作为长期跟踪坐标。