全球 AI 原生 CAD 技术与融资周报

本周重点事件全景

本周通过公司官网、原始融资公告、GitHub 发布记录和学术论文确认了多项值得纳入研究数据库的进展。其中，Neural Concept 发布 MCP Bridge、PTC 正式推出 Jetstream、Mach9 完成融资，以及两项 CAD 工程验证研究，构成了本期最重要的观察线索。

2.1 本周事件总表

上述事件均有对应原始资料。本期没有将新闻转载日期误认为产品首次发布日期，也没有将战略合作计入融资统计。Neural Concept

本周最重要的技术事件：Neural Concept MCP Bridge

从 Physics AI 进入跨厂商工程智能体执行层

2026 年 10 月 19 日，Neural Concept 正式发布 MCP Bridge。

Neural Concept 官方发布公告

在此前的研究中，Neural Concept 主要被归类为 Physics AI、工程代理模型和生成式工程优化公司。

此次发布表明，它正在向一个更广泛的市场延伸：让 AI 智能体直接操作既有商业 CAD、网格处理和 CAE 软件。

按照公司披露，MCP Bridge 已支持以下专业工具：

公司明确表示，该系统基于开放的 Model Context Protocol（MCP），可以连接企业 Windows 工作站与 Linux 计算集群，并按照具体工程任务选择适合的 AI 模型。

这一点尤其重要，因为复杂工程软件通常不是运行在同一个技术环境中的。

例如，设计工程师可能使用 Windows 工作站中的 NX，而仿真计算运行在 Linux HPC 集群上。两者之间还涉及 CAD 数据清理、网格划分、边界条件、求解器设置和结果处理等多个环节。

MCP Bridge 尝试解决的正是这些软件之间的操作断点。Neural Concept

这与传统 CAD Copilot 有什么区别？

传统 CAD Copilot 通常围绕单一应用提供帮助，例如查询命令、辅助草绘、推荐建模操作或自动生成局部特征。

Neural Concept 的新路线则试图将智能体提升到跨应用工作流层。

工业应用证据

Neural Concept 在公告中披露，一个客户案例中，工程师使用 MCP Bridge 清理轮辋几何，所需时间从传统人工流程约一天缩短到约三分钟。

这一结果值得关注，但目前属于公司披露的特定客户案例，不应直接推广为所有 CAD 几何清理任务的平均效率。

公司还披露，Volvo Cars、TRATON 和 OPmobility 等企业已经在不同程度上使用或探索相关工程智能体能力。Neural Concept

产业研究判断

Neural Concept 的进展提示我们，未来 AI 工程软件市场可能形成一种新的独立产品层：

Engineering Intelligence & Execution Layer，即工程智能与执行层。

这一层并不必然拥有自己的几何内核，也不一定需要替代 NX、CATIA 或 Abaqus。

它可以通过连接成熟工业软件，协调工程任务、自动执行重复操作，并将工程结果反馈给设计人员。

但这种路线的壁垒也并不低。

成熟商业软件的接口兼容性、模型版本、许可证管理、任务状态、错误恢复、数据安全和工程验证，都会影响智能体能否在企业环境中长期稳定运行。

因此，跨厂商工程智能体不是一个简单的 API 聚合器，而可能成为一种新的工业软件基础设施。

本周资本市场：Mach9 与 PataBid

Mach9：3400 万美元融资的真正意义

融资公告日期：2026 年 10 月 21 日

Mach9 官方融资公告

Mach9 最初探索机器人与现实环境数据采集，后来将业务重点转向自动化工程制图软件。

这条发展路径具有很强的研究价值。

它说明创业企业并不一定需要从零开发一个与 AutoCAD、Civil 3D 或 MicroStation 功能完全相同的系统，而可以选择某个高度重复、专业性强、商业价值明确的工程环节作为突破口。

产品工作流程

Mach9 的典型工作流程可以概括为：

现实环境扫描 → 点云与图像数据处理 → AI 识别工程对象 → 自动生成 CAD 图纸 → 专业人员审查与修改 → 工程交付。

其 AI 可以识别路缘、交通标志、杆塔、车道标线和线缆等基础设施对象。

公司披露，其产品已应用于美国全部 50 个州的超过 2500 个项目，处理的基础设施线路累计超过 10 万英里。

公司还声称，相比传统流程，其软件在部分任务中能够实现最高约十倍的处理速度和约五分之一的成本。以上均属于企业披露数据，尚不能作为全行业普遍绩效使用。Mach9

为什么这是一家值得研究的 AI CAD 公司？

Mach9 的价值不在于提供复杂的机械零件特征树，而在于将非结构化现实世界数据转化为结构化工程对象。

对于 CAD 技术研究而言，它代表了另一条重要路线：

Reality-to-CAD。

与 Text-to-CAD、Image-to-CAD、Mesh-to-CAD 相比，Reality-to-CAD 更强调从现实环境中提取可以测量、编辑和交付的工程数据。

其技术难点包括对象识别、空间精度、拓扑连续性、行业图层与符号规则，以及最终成果的人工审核责任。

这类技术未来也可能与机械设备逆向工程、工厂数字孪生、资产维护和工程数据重建产生交集。

不过，Mach9 的土木工程制图能力不能直接等同于机械 CAD 的参数化特征重建能力。

PataBid：AI 正在把工程图纸连接到供应链采购

融资公告日期：2026 年 10 月 20 日

PataBid 官方融资公告

这里需要特别说明，企业公告写的是“$2 million”，但没有明确标注 USD 或 CAD。因此，本期暂不将其直接折算成美元融资额。

PataBid 的 Quantify 平台可以从建筑机电工程图纸中识别工程量，结合供应商价格生成估算，并进一步支持材料订购。

公司披露，目前已有超过 200 家承包商使用该平台，累计处理的投标项目金额超过 20 亿。

正在开发的 Newton 智能体将支持自然语言查询工程图纸、识别投标风险，以及分析材料和人工成本变化。该产品仍处于测试阶段，计划于 2027 年正式商业化。PataBid

对工业软件产业链研究的启示

这家公司的技术路径值得与机械行业中的 DFX、BOM、供应链采购和报价系统进行比较。

在机械设计领域，一个潜在的对应流程是：

CAD 模型 → 零件识别 → BOM → 制造工艺分析 → 供应商匹配 → 价格与交期 → 采购执行。

PataBid 的应用发生在建筑机电工程领域，不能直接证明这一流程已经在机械制造行业完整实现。

但它提供了一个可观察的商业案例：工程数据智能可以直接延伸到采购交易，而不仅停留在设计辅助环节。

本周融资统计

本周确认的相邻赛道融资为两笔。

其中，已明确美元币种的融资金额为 3400 万美元；PataBid 的 200 万因币种未明确，单独列示，不进行直接加总。

这一统计是本轮公开资料检索得到的已确认事件集 合，并非全球全部交易的穷尽统计。

本周学术进展：从生成几何到验证工程功能

本周出现了两项与下一代 AI CAD 技术评价密切相关的研究。

它们共同指向一个重要问题：

生成一个看起来正确的 CAD 模型，与生成一个能够真正工作的工程产品，是两个不同的技术目标。

FunCAD-Harness：用物理仿真验证 AI 设计的机械机构

论文首次提交：2026 年 10 月 19 日

Can It Actually Work? Synthesizing Functional CAD Mechanisms

研究提出 FunCAD-Harness 和 FunCADBench，尝试解决 AI 生成机械装配体时的功能正确性问题。

其基本思路是，先由智能体根据设计要求构建机械机构，再生成适合该机构的物理测试，通过仿真结果发现问题并指导后续修改。

研究中的 FunCADBench 涵盖 46 类机械机构，重点测试多零件协同、运动过程和功能约束。

技术贡献

研究报告称，这种方法能够发现单纯视觉检查难以识别的机械缺陷，并提高部分测试任务的功能成功率。

不过，这仍是学术研究结果，不能据此认定现有 AI Agent 已经具备独立设计复杂工业装备的能力。

产业判断

这一方向对 CAD、CAE 与机器人设计的结合具有重要意义。

它意味着 AI CAD 的评价体系可能从几何正确性继续扩展到功能正确性。

未来，一个能够生成复杂装配体的智能体，除了要满足零件几何约束，还需要通过运动学、动力学、碰撞和其他物理条件的验证。

这也进一步说明，CAD 与 CAE 的关系可能在 AI 工程智能体中变得更加紧密。

MUSE v3：装配结构和接口几何成为评价重点

论文更新日期：2026 年 10 月 19 日

MUSE v3 原始论文

MUSE 研究于 2026 年 5 月首次提交，本周更新至 v3。

新版本重点讨论多组件 Text-to-CAD 生成中的装配结构与接口几何问题。

研究提出 Structure and Interface Evaluation（SIE），结合 Physical Assembly Graph 和 B-Rep 几何分析，对模型进行更细致的评价。

其评价维度包括：

研究指出，代码能够成功运行，并不意味着生成的装配结构或接口几何一定正确。arXiv

这一发现对于评估 AI 原生 CAD 创业企业尤其重要。

例如，一个智能体可能成功生成十个零件，但其中两个零件的装配面选择错误，或者孔轴间隙不符合要求。即使最终模型可以显示，也不意味着它能够制造或装配。

因此，未来对 AI CAD 的测试应当逐步引入装配图、接口约束、运动学验证和设计功能检查，而不是只比较生成外形。

传统工业软件厂商的最新战略动作

PTC Jetstream：把产品协作与工程决策纳入 AI 系统

正式推出日期：2026 年 10 月 21 日

PTC Jetstream 官方公告

PTC 本周正式推出 Jetstream。

这一产品此前已在 2026 年 6 月的产品创新公告中介绍，因此 10 月 21 日应记录为正式推出事件，而不是首次提出产品概念。

Jetstream 主要面向企业内部设计、制造、供应商和其他利益相关者之间的产品协作。

其主要能力包括：

从技术定位看，Jetstream 并不是几何建模内核，也不是 AI 原生机械 CAD 平台。

它的价值在于将工程协作产生的信息与产品数据关联起来。

这意味着 CAD 模型之外的讨论、审查意见、设计决策及其历史，也可以成为企业工程数据体系的一部分。

战略意义

成熟工业软件平台的竞争优势，不仅包括几何内核和专业设计工具，还包括企业长期积累的工程数据、产品流程和组织协作关系。

PTC Jetstream 体现的正是后一类能力。

对于未来的工程智能体，这些数据可能帮助系统理解为什么设计发生变化、哪些要求已经得到批准，以及某项工程修改需要哪些部门参与。

但目前不能把 AI 协作摘要等同于能够自动执行完整工程变更。

Dassault Systèmes 与 Vertiv：AI 工厂的模型驱动设计

合作公告日期：2026 年 10 月 22 日

Dassault Systèmes 与 Vertiv 官方合作公告

双方宣布将 Dassault Systèmes 的 3DEXPERIENCE 平台、虚拟孪生和系统工程能力，与 Vertiv 的数据中心供电、制冷及基础设施技术结合，用于 AI 工厂的设计、配置和部署前验证。

合作涉及 NVIDIA DSX AI Factory 参考设计及相关基础设施模型。

这不是一项 CAD 创业融资事件，但对理解 AI 时代工业软件平台的商业价值具有参考意义。

因为数据中心并不是由单一机械设备构成，而是涉及电力、制冷、控制、网络、计算和建筑等多个工程领域。

这些系统之间存在大量相互约束。

双方提出通过统一的模型驱动工程环境，实现配置修改、跨学科影响分析和系统级验证。Dassault Systèmes

商业效果应如何理解？

公告提出了设计配置和基础设施部署效率方面的目标，包括在特定模型假设下缩短部署周期。

但公告同时明确，这些结果属于建模情景下的预期收益，而不是已经实现的客户运营绩效。

因此，本期不将相关效率数字作为实际生产验证结果。

产业判断

这项合作说明，AI 时代工业软件的价值并不局限于 CAD 软件本身。

成熟平台能够连接产品设计、系统工程、物理仿真和项目交付，并利用长期积累的行业模型支持复杂基础设施建设。

这也是 AI 原生 CAD 创业企业在评估市场空间时必须考虑的竞争环境。

Neural Concept 与 Leonardo：工程 AI 的商业化证据

合作进展披露日期：2026 年 10 月 21 日

Neural Concept × Leonardo 官方案例

Neural Concept 披露，其与 Leonardo 的合作始于 2023 年，最初围绕直升机气动声学工程应用展开。

目前合作已经扩展至 Helicopters、Aeronautics 和 Digital Solutions 等业务部门。

公司介绍，相关工作使用 NVIDIA A100 GPU，并开始结合 Omniverse 技术开展几何和仿真结果的联合可视化。

在 Aeronautics 业务中，合作已涉及二维和三维几何的多学科优化，以及 Leonardo 自有高性能计算基础设施上的部署工作。Neural Concept

这一案例的研究价值在于，它提供了工程 AI 从实验性项目向多个业务部门扩展的证据。

不过，公告披露的接受培训工程师数量仍然有限，不能简单推断为整个企业已经完成全面部署。

从商业化研究角度，后续更值得追踪的是：项目是否形成可重复使用的工程流程、是否覆盖多个产品项目，以及 AI 生成结果能否通过企业既有的工程审查与认证体系。

开源 CAD 与几何内核技术进展

 FreeCAD：10 月 21 日发布新的开发构建

FreeCAD 官方 GitHub Releases

本周，FreeCAD 发布了 weekly-2026.10.21 开发构建。

此前，FreeCAD 已在 10 月 18 日发布 26.3 Release Candidate 2。

因此，本周的新事件是开发构建更新，而不是 26.3 正式稳定版发布。

官方明确提示，开发构建主要用于测试修复和新功能，不应直接用于生产环境。GitHub

为什么需要持续关注 FreeCAD？

FreeCAD 已具备开源参数化 CAD 的重要基础，包括：

• • Open CASCADE 几何内核；
• • 二维草绘与几何约束；
• • 参数化设计历史；
• • Python 自动化接口；
• • 三维实体建模与工程图功能。

这些能力使它能够成为 AI Agent 执行工程建模任务的现成基础。

但 FreeCAD 的存在，并不意味着 AI 智能体已经解决复杂工业模型的设计意图理解、装配约束和稳定修改问题。

未来值得关注的是，开发者是否能够在 FreeCAD 上建立可靠的 AI 工程任务执行和自动验证体系。

8.2 text-to-cad：本周更新至 v0.7.26

text-to-cad 官方发布记录

本周，该项目在 10 月 20 日先后发布了 v0.7.25 和 v0.7.26。

主要变化包括：

项目此前已经具备通过智能体生成 STEP、STL、GLB、3MF 等文件的能力，并提供与工程图、制造可行性检查相关的工具。

本周的变化主要属于功能完善与工程可用性改进，而不是几何内核的重大突破。GitHub

NVIDIA USD BRep：保持重点观察，但不重复记录发布

NVIDIA USD BRep GitHub

USD BRep 于 10 月 8 日发布 v1.0.0。

本周检索到的公开 Release 页面没有显示新的正式版本，因此不能将该项目再次记录为本周新品发布。

值得补充的是，其官方仓库明确披露了 SMLib 内核支持的能力，包括布尔运算、圆角、扫掠、偏移、几何修复和有效性检查，并提供与 Open CASCADE 的转换工具。

此外，仓库还包含面向代码智能体的操作说明和开发指导。GitHub

这说明它并不只是一个简单的 B-Rep 数据格式转换器，而是包含实体建模操作的开放几何技术体系。

但仍需通过工业级测试验证其复杂曲面、布尔运算鲁棒性、拓扑稳定性和大模型处理能力。

本周开源观察结论

开源 CAD 与 AI Agent 的结合正在沿两条路线发展。

一条是利用成熟的开源几何内核和参数化建模系统，为 AI 提供可靠的执行工具。

另一条是重新设计几何数据接口、建模语言和智能体操作协议，使工程软件更容易被 AI 系统调用。

目前没有足够证据表明新发布的开源几何内核已经全面替代成熟商业内核。

中国、日本及其他重点企业持续跟踪

中国 AI 原生 CAD 企业

本周继续监测设序科技、比特无限、九韶智能等企业。

设序科技官网显示，其产品已覆盖 AI 驱动的三维设计和二维工程图生成，并披露了 2026 年 B 轮融资信息。

比特无限的 Pre-A 轮融资可通过专业投资媒体核查，但其部分技术竞赛成绩仍需要结合原始竞赛记录和评测规则独立分析。设计序

本周中国市场的结论不是“没有进展”，而是本轮公开检索尚未发现这些核心观察企业在 10 月 19—25 日披露、达到核验标准的重大新事件。

日本 AI CAD 企业

本期继续观察 Tokoshié、WOGO 和其他日本制造业设计自动化企业。

其中，WOGO 的 Hacadly 产品体系值得长期关注。

其技术路线包括三维 CAD 自动检图、二维工程图生成、设计知识利用和 CAD 设计自动化。

公司在 10 月 6 日披露了二维自动制图产品的后续功能规划，重点面向钣金和切削零件，并计划于 2027 年 4 月正式提供相关产品。

该公告不属于本周事件，但有助于理解日本 AI CAD 企业的技术路线。株式会社WOGO

与重新开发 CAD 平台的企业相比，WOGO 更接近从制造企业的高频工程任务切入，逐步扩展自动化能力。

这是一条具有现实商业化基础的创业路径。

全球重点企业监测矩阵

以下矩阵用于维持连续观察，不将历史融资或历史产品发布重复计入本周统计。

这里的“未发现重大新公告”仅针对本轮检索，不等于企业没有进行研发、客户交付或未公开融资。

产业战略判断

工程智能体的竞争正在进入真实软件环境

Neural Concept MCP Bridge 是本周最重要的技术信号之一。

它说明，AI 工程智能体正在从单一 CAD 建模操作，进一步向多软件、多阶段工程任务扩展。

这种技术路线有可能降低工程师在几何清理、网格准备、仿真设置和结果回传方面的重复劳动。

但其实际商业价值需要通过任务成功率、人工干预次数、错误恢复能力、软件兼容性和部署成本来验证。

工程数据正在成为新的商业化入口

Mach9 和 PataBid 分别从两个不同方向展示了工程数据智能的商业潜力。

Mach9 将现实扫描数据转化为 CAD 图纸。

PataBid 将工程图纸转化为工程量、价格和采购信息。

两者都没有直接挑战成熟机械 CAD 的全部建模能力，却可以围绕特定工程环节形成独立产品和客户价值。

这说明 AI+CAD 市场不能只按 CAD 软件许可证或传统建模功能划分。

未来需要研究从设计需求、几何模型、工程图纸、仿真结果到供应链执行的完整价值链。

AI 原生 CAD 的技术评价必须升级

FunCAD-Harness 和 MUSE v3 的研究表明，AI CAD 的评价正在从几何生成扩展到装配结构、接口几何和物理功能。

建议未来建立以下六层评价体系：

对于投资研究，这六个层级应与融资金额、客户数量、收入和研发投入分别记录，不能将产品演示效果直接视为技术成熟度。

 传统工业软件平台仍拥有重要的系统性优势

PTC Jetstream 与 Dassault Systèmes、Vertiv 的合作，展示了成熟工业软件厂商在产品数据、系统工程、仿真和跨组织协作方面的能力。

这些能力来自长期的软件研发、客户流程、工程数据和行业知识积累。

AI 可能降低某些工具的使用门槛，但也可能增强成熟平台已有数据和生态的价值。

因此，未来的竞争不应简单理解为 AI 创业企业与传统 CAD 厂商之间的单向替代。

更值得研究的是不同技术层之间的竞争、合作与价值分配。

未来观察清单

下阶段重点跟踪的事项如下。

本周结论

2026 年 10 月 19—25 日，全球 AI+CAD 领域最值得关注的变化，可以归纳为三个相互关联的方向。

第一，AI 开始更深入地操作真实工程软件。 Neural Concept MCP Bridge 将 CAD、网格和仿真软件连接到工程智能体，代表了跨厂商工程执行层的重要探索。

第二，AI 工程软件的商业化正在沿专业工作流展开。 Mach9 的融资说明，自动化工程制图与现实数据重建已经能够吸引专业风险资本，而不必先实现对成熟机械 CAD 的全面替代。

第三，AI CAD 的技术评价正在走向工程功能。 FunCAD-Harness 与 MUSE v3 将物理功能、装配结构和接口几何纳入评价体系，为判断 AI 原生 CAD 的真实技术能力提供了更严格的研究方向。

这些变化共同表明，AI+CAD 的发展不应仅以模型生成速度或视觉效果衡量，而应进一步考察工程对象的可编辑性、约束一致性、物理正确性和跨软件执行可靠性。

对于产业投资而言，未来最有价值的研究对象，可能不仅是拥有新型几何生成模型的公司，还包括能够把既有工业软件、工程数据和专业工作流连接起来，并实现可验证工程结果的企业。

原始资料与核查来源

统计说明： 本报告采用公开披露口径，区分融资、产品发布、商业合作、代码更新和学术研究。未核实的交易不计入确认融资统计；企业披露的效率、客户使用情况和技术能力，除特别注明外，均未经过本报告独立测试。