十二年资本账：中国工业软件投融资全景复盘：AI原生工程软件资本新周期
第十章｜AI原生工程软件资本新周期：AI CAD、Physics AI、Engineering Agent与下一代工业软件创业生态
《十二年资本账：中国工业软件投融资全景复盘（2015—2026）》
副标题：从工程软件智能化、几何生成、物理基础模型与科学智能，到工业智能体、开源内核和新一代工程计算基础设施
研究时间窗口：2020年1月1日至2026年10月24日
资本数据统计重点：2026年1月1日至10月24日新增融资，历史融资单独列示。
引言｜AI时代，工业软件资本市场正在投资什么？
2026年6月8日，英国PhysicsX宣布完成3亿美元C轮融资，估值约24亿美元。
该轮融资由淡马锡领投，参与者包括英伟达、西门子、Applied Materials、General Catalyst等多家机构与产业投资者。
一个多月后，中国的设序科技宣布完成超亿元B轮融资。
它并不打算简单地为传统CAD增加一个对话窗口，而是围绕机械工程设计流程，探索利用AI生成、编辑三维模型和二维工程图纸。
8月，蜂巢互联宣布数月内连续完成两轮合计12亿元融资，资金将用于仿真技术底座、物理AI以及工程软件工具链。
10月，成立仅数月的南京观复芯获得高瓴创投、力合算芯等机构投资，切入芯片研发智能体。
这些资本交易指向一个共同变化。
过去，工业软件投资主要围绕成熟的软件产品、核心算法、研发团队及其客户市场展开。
现在，一部分资本开始寻找新的技术组织形式。
企业可以利用AI辅助构建几何模型。
利用专业智能体调用CAD、CAE和EDA工具。
通过物理机器学习模型加快工程性能预测。
通过自动化工作流把设计、仿真、优化和结果验证连接起来。
通过新一代计算基础设施降低大规模工程探索的时间与成本。
工业软件的价值链因此出现了新的进入位置。
但需要明确：
AI原生工业软件并不是一个统一的技术门类，也不能将所有应用AI的企业都归入AI Native Engineering。
一家使用大模型进行客户问答的PLM企业，与一家开发几何生成模型的CAD创业公司，其技术风险完全不同。
一家利用机器学习构建流体仿真代理模型的公司，与一家研发GPU原生Navier–Stokes求解器的企业，也不应该采用同一种技术评价框架。
同样，AI辅助设计和AI替代成熟设计软件，在技术上更不是同一个命题。
如果把这些项目全部汇总为“AI工业软件融资”，就会丢失产业研究最重要的技术颗粒度。
因此，本章首先要建立一个更加清晰的技术分类。
然后分别研究资本流向、企业产品、投资机构、工程验证与商业化路径。
最后讨论AI究竟会在什么位置改变传统工业软件护城河，以及这种变化能够创造多大的新市场。
一、AI原生工程软件应该怎样分类？
要研究AI对工业软件的影响，不能简单沿用CAD、CAE、EDA和MES这些传统产品分类。
这些分类描述的是软件服务的工程活动。
而AI改变的可能是软件实现方式、计算方法、交互方式或者产业组织方式。
因此，应当把传统业务领域与AI技术路径进行交叉分类。
10.1 六条需要独立研究的技术路线
此外，还有一个横向技术层：
AI工程基础设施。
它包括模型训练框架、GPU计算、几何表示、工程数据、仿真数据生成、专业工具接口和高性能计算平台。
这类基础设施可能被上述多个软件领域共同使用。
从资本角度看，这种分类具有重要意义。
如果一家企业只是利用AI改善现有软件的用户体验，其资本需求可能主要来自产品研发和客户扩张。
如果一家企业研发基础物理模型，可能需要大量高质量训练数据、算力、物理验证和专业算法人才。
如果一家企业构建跨CAD、CAE、PLM和制造系统的智能体平台，则需要长期解决工具兼容、数据权限和执行可靠性问题。
不同技术路线的资本消耗和商业风险，存在显著差异。
10.2 “AI辅助”与“AI原生”究竟有什么区别？
2026年9月，工业和信息化部发布《“人工智能+软件”专项行动实施方案》。
官方政策解读明确区分两条工业软件智能化路径。
一条是AI辅助，即在既有软件架构上增加智能化功能。
另一条是AI原生，即模型参与软件核心能力的形成，并改变部分软件研发与运行逻辑。
这一分类具有政策和技术分析意义。
但实际产品并不是完全非黑即白。
例如，一家CAD企业可以保留成熟几何内核，同时使用AI自动生成建模指令。
它既包含传统CAD技术，也包含AI原生任务执行能力。
因此，评价企业时，不应仅根据营销名称中的“原生”一词划分。
更合理的做法是考察：
核心工程结果到底由什么技术生成？
哪些步骤依赖已有专业软件？
哪些能力由学习模型直接提供？
最终工程结果如何被验证？
软件客户购买的究竟是工具许可、模型能力，还是完整任务结果？
只有回答这些问题，才能正确理解新企业与成熟工业软件厂商之间的竞争关系。
二、2026年资本账：哪些中国AI工程软件企业真正获得了新增融资？
本章首先建立一个严格的2026年融资样本。
凡属于2025年或更早的融资，不计入2026年新增融资。
凡属于多轮累计披露，只记录其原始汇总口径，不拆成未经核实的独立金额。
凡涉及AI材料研发、自动化实验、工业互联网和科学智能的企业，则与狭义AI CAD、AI CAE、AI EDA分别归类。
10.3 2026年新增融资事件表
表10-1｜2026年中国AI原生工程及相邻科学软件代表性融资
数据依据公司公告、投资机构公告、交易法律服务机构披露及专业财经媒体。日期为首次公开披露日期或其明确标注的融资完成日期，不一定是资金实际到账日期。
这张表有三个重要限制。
第一，它不是全国全量AI工业软件融资清单。
第二，其中包含AI4Materials、工业运营AI等相邻领域企业，不能全部计入狭义CAD/CAE/EDA软件融资总额。
第三，不能将“累计融资近10亿元”“两轮合计12亿元”与对应历史融资或商业数据库拆分记录重复相加。
这一点需要特别关注蜂巢互联。
部分第三方融资数据库将2026年8月26日和27日分别生成12亿元融资事件。
但公司原始表述是“数月密集完成两轮总额12亿元”。
因此，准确研究口径应是2026年这两轮合计12亿元，而不是24亿元。
对于深度原理，同样不能把“累计融资近10亿元”全部视为2026年的新增资金。
该数字包含此前A系列融资。
最新A3轮的独立金额，需要进一步取得原始融资文件确认。
三、历史融资必须单独列账：2025年之前已经发生了什么？
AI原生工程软件的资本市场并不是2026年才出现。
一些技术方向在2020年以前就已经形成科研基础。
一部分企业在2020—2022年开始商业化。
2023—2025年，随着科学智能和工程模型技术发展，融资活动进一步扩展。
10.4 代表性历史融资
这里最容易误记的是深势科技。
深势科技超8亿元C轮融资的公开时间为2025年12月24日。
它应归入2025年历史融资。
不能将其列为2026年新增融资。
2026年开物纪、深度原理和材料AI创业公司的融资，也不应与深势科技历史融资重复计算。
这一时期发生了什么变化？
2020年前后，资本开始关注AI辅助软件、科学计算和工程智能化。
2023—2025年，Physics AI、AI for Science与AI工程设计开始受到更多投资机构关注。
到2026年，创业项目已经覆盖从工程交互、几何生成到物理模型、专业智能体和材料实验闭环的多个环节。
这说明资本投资对象确实在扩展。
但目前尚不能据此计算全国AI原生工程软件融资增长率。
原因在于2020—2026年间的企业分类、交易披露率和融资统计边界并不稳定。
如果简单把2026年的材料AI、工业SaaS和Physics AI全部纳入，而早期只统计AI CAD，就会人为扩大后期融资规模。
因此，真正的行业增长率还需要建立固定企业分类和连续年度交易数据库。
四、AI CAD：从“生成一个三维形状”到“完成可制造的工程设计”
CAD是AI影响工业软件最容易被公众观察到的领域之一。
用户输入一段文字，系统生成一个三维模型。
这样的演示具有很强的直观性。
但对专业工程师而言，生成三维形状只是设计工作的开始。
真正的工业设计，还需要明确几何精度、尺寸关系、设计约束、参数化结构、装配关系、材料、工艺和工程变更。
因此，AI CAD创业公司必须回答的问题，不是能不能生成一个看起来像产品的三维物体。
而是能否生成可编辑、可验证、可制造、可持续修改的工程模型。
10.5 AI生成的Mesh与工业CAD模型不是同一种资产
三角网格模型可以描述物体外观。
但成熟机械CAD还涉及边界表示、精确曲线曲面、拓扑关系、几何约束及参数化历史。
例如，一款AI工具可以生成外观正确的齿轮模型。
但如果其齿形参数、中心孔直径、配合公差和制造条件不能可靠修改，那么它仍然可能无法直接进入专业机械设计流程。
对资本而言，这一区别十分重要。
能够生成3D外观，不意味着已经替代成熟CAD。
如果创业公司希望进入高价值工程市场，就需要解决从外观生成到工程模型生成的转换。
AI CAD的四种实现路径
第一种是生成图像或网格，再将其转换为可编辑几何。
第二种是直接生成参数化建模操作或特征序列。
第三种是利用AI理解用户意图，再通过成熟几何内核与约束求解器执行操作。
第四种是通过工程智能体控制已有CAD软件，完成跨步骤设计任务。
这四条路径各有优势。
直接生成几何模型可能具有较高交互效率。
但如果缺乏可靠工程结构，后续修改可能困难。
通过已有几何内核生成模型，可以获得成熟数值计算与几何处理能力，但也可能形成对现有技术栈的依赖。
通过智能体控制成熟CAD，可以利用已有产品能力和客户工作流，但工具接口和执行可靠性可能成为限制因素。
因此，资本不能只看生成效果。
还要研究模型在真实工程链条中的可用性。
五、设序科技：2026年中国AI CAD资本市场的代表性案例
设序科技成立于2020年。
其官方资料显示，核心团队从2019年前后开始技术探索。
公司围绕工业AI生成式设计与工程工作流发展产品。
其发展路径从早期“闪设”逐步演进到2026年的“则形AI”。
2026年7月，公司宣布完成超亿元B轮融资。
投资机构包括深圳新产投、合鼎共资本及老股东涌铧投资等。
公司披露累计融资金额超过3亿元。
但“累计融资超过3亿元”包含此前历史轮次，不是2026年新增金额。
10.6 设序的产品到底在做什么？
根据企业官方资料，其产品方向包括：
通过自然语言与工程需求生成设计方案。
生成三维机械模型和二维工程图纸。
管理设计数据、项目权限和工程文件。
与既有CAD文件格式及相关设计工具进行兼容。
2026年7月13日，企业宣布推出“则形3D”内测版本。
其发展路线强调工业世界模型、几何AI、物理AI和制造AI。
不过，这些属于公司披露的技术路线。
不能据此认定企业已经拥有覆盖全部工业设计场景的成熟世界模型。
这家企业的创新切口在哪里？
传统CAD软件主要提供工程师进行设计和建模的工具环境。
设序试图把一部分设计任务转化为由AI辅助完成的工作流。
例如，工程师可以描述某个零部件设计要求，系统自动生成初始设计方案，并进一步形成模型和工程图纸。
这可能减少部分重复建模工作。
但其商业价值仍然取决于几个条件。
生成模型能否准确表达尺寸与约束？
工程师修改之后，模型能否持续保持设计意图？
能否与既有CAD工具和企业数据兼容？
是否支持装配与制造要求？
最终需要多少人工检查和返工？
如果AI只是降低初稿生成时间，却显著增加后续修正成本，那么实际经济价值可能有限。
反过来，如果AI能够稳定完成某些标准化机械设计任务，其商业价值就可能比较明确。
因此，设序的投资研究应重点考察单位设计任务成本和完成质量，而不仅是AI生成速度。
10.7 设序与传统CAD厂商是什么关系？
设序的潜在竞争对象包括两类公司。
第一类是既有CAD平台。
例如中望、浩辰、华天以及国际CAD厂商。
第二类是其他AI CAD及工程自动化创业公司。
但这里存在一种值得重视的竞争格局：
既有CAD公司可能拥有成熟几何内核、参数化系统、专业功能和长期客户。
AI创业公司可能拥有新的交互方式、自动化能力和产品开发架构。
两类企业并不必然相互排斥。
AI创业公司可以与成熟CAD工具合作。
成熟CAD公司也可以自行研发AI功能。
谁能够最终捕获客户价值，需要通过真实工程任务的完成质量、软件集成和持续收入验证。
六、Physics AI：AI究竟可以替代多少传统物理仿真计算？
相比AI CAD，Physics AI在技术上更加复杂。
它主要试图利用机器学习等方法，预测物理系统的行为。
传统CAE通常需要建立物理模型、划分网格、设置边界条件，并使用数值方法求解控制方程。
Physics AI则可能利用已有仿真数据、实验数据和物理约束训练模型，在特定任务中提供快速预测。
例如，通过学习大量外流场仿真结果，建立汽车气动性能预测模型。
工程师改变车辆几何后，可以利用训练好的模型快速预测部分气动指标。
这种方式可能显著提高设计空间探索效率。
但这并不意味着物理定律不再重要。
更不意味着所有数值求解器都已经可以被神经网络全面替代。
10.8 Physics AI主要有哪些技术形式？
一种是神经网络代理模型。
它通过训练数据学习输入与仿真结果之间的关系。
另一种是神经算子。
例如FNO等模型，通过学习函数或物理场之间的映射，尝试在一定条件下提高跨参数预测能力。
还有图神经网络和网格模型。
它们可以处理非规则几何、节点和单元之间的相互作用。
此外，还有物理信息神经网络、物理约束学习、降阶模型与传统求解器结合等路线。
这些技术的适用范围并不相同。
例如，某个模型可能在固定几何族、固定边界条件和特定参数范围内具有较高精度。
但一旦工程师改变拓扑结构、流动条件或物理模型，预测误差可能明显增加。
因此，Physics AI需要重点研究泛化能力和可信度。
Physics AI真正改变的可能是仿真经济学
传统工程仿真成本，往往受到模型准备、网格生成、求解时间、计算资源和后处理影响。
如果AI能够在已经验证的设计空间内快速预测性能，就可能降低大批量设计方案的探索成本。
这对优化设计尤其重要。
传统方式可能需要运行数百次或数千次数值仿真。
Physics AI可以在部分场景中减少重复计算。
但模型训练本身同样需要高质量数据和计算资源。
因此，不能只比较单次AI推理时间与单次传统求解时间，就宣称总体计算成本降低了多少倍。
应该同时计入：
训练数据生成成本。
模型训练成本。
模型更新成本。
预测误差验证成本。
部署和运维成本。
以及在真实设计任务中的人工工作量。
七、深势科技：科学智能与微观尺度工程软件的资本路径
深势科技成立于2018年。
其技术方向围绕AI for Science、分子模拟、材料计算和科学智能软件。
公司提出将机器学习、多尺度建模和高性能计算结合，建设新型科学计算和研发平台。
产品包括Bohrium、Hermite以及其他专业科学智能工具。
2023年，深势完成超过7亿元B+轮融资。
2025年12月，又完成超过8亿元C轮融资。
该轮投资方包括达晨财智、京国瑞基金、北京市人工智能产业投资基金、北京市医药健康产业投资基金、联想创投和元禾璞华等。
需要强调的是，这笔8亿元融资发生在2025年，而不是2026年。
10.9 深势为什么值得纳入工程软件研究？
因为微观尺度的科学计算和材料模拟，与工业研发存在联系。
传统工业仿真 主要服务宏观工程结构、流体、电磁与系统行为。
微观尺度计算则研究分子、原子、材料结构及相关物理化学过程。
这些技术可以为新材料、电池、能源、药物及其他产业研发提供工具。
因此，深势可以进入广义AI4S与科学工程软件资本图谱。
但不能把它简单归类为机械CAD或者通用CFD求解器企业。
这种分类差异十分重要。
如果把全部AI药物发现和生命科学创业公司都纳入工业软件融资总额，统计范围会显著扩大。
所以，对于深势，应采用“AI4S／科学计算相邻领域”标签，并与狭义工业软件进行分层汇总。
10.10 深势资本模式意味着什么？
其融资支持的可能不仅是软件研发，也包括模型、算力平台、专业科学数据及行业研发服务。
这种模式与传统CAD许可证销售存在差异。
投资者可能同时关注技术平台能力、科学模型准确性、科研客户和工业应用。
但由于产品涉及不同科学领域，其商业收入来源也可能十分多元。
因此，必须进一步识别软件订阅、科研服务、技术解决方案和其他业务收入，才能评价其资本效率。
八、蜂巢互联：12亿元融资背后，是物理AI创业还是工业软件平台整合？
蜂巢互联成立于2019年。
2026年7月完成股份制改造。
根据公司发展历程，早期主要从事工业数字化与平台业务。
2022—2025年逐步加强通用仿真技术底座、CAE工具链及工程数据管理产品布局。
2026年进一步提出物理AI仿真引擎的发展战略。
公司披露产品包括WeldingX、X-Forming以及相关仿真工具链与数据管理系统。
