2024年在首尔成立的Comfo Labs，于2026年8月6日完成一轮金额未披露的种子轮融资。本轮融资由Prodigy Investment领投。根据金融数据平台PitchBook的记录，韩国Tech Incubator Program for Startup也可能出现在其资本表上，但Comfo Labs未就此进行公开说明。其他来源材料未提及该项投资，因此该机构参与的时间、金额与具体条款均未披露。
Comfo Labs由Wonsup Lee创立，旗下拥有两款产品。旗舰产品doodll是一个AI驱动的产品开发平台，利用超过15万份人体扫描数据和3D人物技术，将产品规划、设计、工程与工效学验证融入统一数字管线，目标是用虚拟仿真替代反复物理打样。公司同时提供另一套人体数据解决方案，名为sizelab，但关于该产品的定位、独立商业化策略以及与doodll平台的数据协同方式，公开资料中尚未提供更多细节。
公司将自己定位为面向制造业、家具、服装、可穿戴设备和扩展现实XR等行业的B2B SaaS服务商。创始团队在工效学与产品设计领域积累了超过15年的项目经验，曾为三星电子、LG电子、现代汽车、韩国航空航天工业、Warby Parker、罗技和Bose等品牌提供过服务。这一背景在Prodigy Investment的投资逻辑中构成了关键权重。
| 公司 | Comfo Labs |
| 轮次 | 种子轮 |
| 金额 | 未披露 |
| 投资方 | Prodigy Investment |
| 总部 | 韩国首尔 |
| 创始人 | Wonsup Lee |
| 成立时间 | 2024年 |
| 官网 | https://comfolabs.com/ |
| 产品 | doodll: AI驱动产品开发平台; sizelab: 人体数据解决方案 |
| 商业模式 | B2B SaaS，面向制造业、家具、服装、可穿戴设备、XR等行业 |
| 技术资产 | 超过15万份人体扫描数据库、3D人物技术、虚拟工效学验证 |
doodll与sizelab：藏着两套产品的公司
在Comfo Labs的商业叙事中，doodll平台占据了绝对的主角位置，但公司从一开始就手握两张牌：一是面向产品开发流程的doodll，二是名为sizelab的独立人体数据解决方案。关于sizelab的表述在所有公开材料中都非常简略，仅出现在公司简介的产品列表里。这种信息不对称本身释放了一个信号：在当前阶段，公司可能选择将叙事资源和产品迭代重点集中在doodll上，而sizelab要么处于更早期的技术储备状态，要么被规划为面向特定数据需求场景的轻量级入口。
从技术资产来看，两者的根基是同一套超过15万份的人体扫描数据库。doodll调用这些数据来生成3D虚拟人物并进行工效学验证，而sizelab则可能以更直接的方式输出人体测量数据或提供数据分析能力。如果sizelab能够独立获取客户，它有可能成为Comfo Labs进入那些尚不需要完整产品开发管线、但急需人体数据支撑的细分市场的抓手。但截至目前，sizelab是否已有付费客户、是否被整合进doodll的订阅套餐、还是作为独立SKU存在，公司均未披露。这意味着，sizelab的商业化路径仍然是一个待观察的变量，它的存在既可能是未来收入多元化的储备，也可能是资源分散的风险点。
藏在15万次扫描背后的数据质量
Comfo Labs的整个产品构想，似乎都建立在数据库里那超过15万份人体扫描之上。在doodll的工作流里，这些数据并不是一份静态的参考报告，而是被直接用来生成带有具体体态特征的3D虚拟人物。设计师在平台上画草图时，能直接看到产品在虚拟人身上的映射——椅子坐垫的弧度是否能贴合不同腰椎曲度、眼镜耳挂的弯折角度会不会压迫颞骨、头盔内衬的间隙是否能容纳不同头型。这背后的工作逻辑，是把原本需要等到实物打样阶段才能进行的压力点测试、贴合度判断，提前到设计线条还在被拖拽修改的那一刻。
不过，这15万份扫描究竟覆盖了哪些人群，目前外界知道得很少。公司未披露这些数据对应的人口统计学构成，比如地域分布、年龄段、性别比例、职业特征，也没有说明数据是否包含特定姿态下的扫描结果，比如前倾骑行、仰卧或深蹲，还是仅限于静态站姿。采集这些数据所用的硬件设备型号、精度标准，以及不同批次数据之间的标准化处理流程，同样未被公开。
这些信息缺失不一定意味着数据不可靠，但它直接关联到doodll能否兑现跨品类、跨市场的工效学验证承诺。如果Comfo Labs想把doodll卖给需要为北美市场设计汽车座椅的供应商，或者为欧洲用户开发可穿戴设备的品牌，那么数据库里亚洲中年男性的腰椎曲度数据能不能代表北美青少年的骑行姿势、韩国女性头型数据能不能覆盖北欧用户的尺寸范围，就会变成一个决定购买决策的核心问题。虚拟验证的可靠性上限，决定了物理打样能从流程中被替代到什么程度。如果目标用户群体的代表数据在数据库中占比偏低，那么验证结论的价值就可能打折扣。这是Comfo Labs在进行国际市场拓展时可能需要优先回答的问题。
虚拟验证离实物测试还差多少互证
与数据覆盖率直接关联的另一个待验证问题，是虚拟工效学报告到底有多接近实物测试。创始团队虽然在工效学和产品设计领域积累了超过15年的行业经验，但这并不等同于doodll平台本身的虚拟验证能力已经被系统性地校准过。截止目前，公司并未发布过任何一份将虚拟验证结论与实物测试结果进行交叉对比的数据。
无论是椅子靠背压力分布、眼镜夹持力测试、还是头盔内衬的冲击模拟，都没有公开的案例研究来说明“系统说合格”和“实物测试通过”之间的距离。这种缺失在制造业里尤其敏感。制造企业对于放弃物理打样这件事的接受门槛天然就很高，因为它们承担的是真实的退货、召回和安全责任。如果doodll的虚拟验证给一个耳机头梁设计打了“舒适度通过”的结论，但首批量产样品在实际佩戴测试中被反馈存在压迫感，那么信任成本就会迅速累积。
对于正在考虑是否要用虚拟验证来压缩开发周期的品牌而言，这段距离可能就是信任与观望之间的全部落差。公司可能需要积累足够多的品类案例，逐一证明平台输出结果与实际物理表现之间的偏差可以被控制在可接受范围内。这个过程没有捷径，它需要的是时间和公开的对比数据。这也意味着，虚拟验证准确率的验证本身，可能是Comfo Labs在种子轮之后最核心的产品任务之一——它比增加新的生成功能更根本。
竞争维度：在生成工具与仿真软件之间寻找坐标
Comfo Labs没有在公开材料中列出直接竞争对手，但把doodll的功能拆开来看，它的能力范围同时触达了几个不同的软件品类，每一个都有各自的成熟玩家和新兴挑战者。
“草图转3D”这个环节，与当前参数化CAD工具里不断融合的生成式设计模块有重叠，也和一批利用扩散模型从二维图像直接生成立体模型的AI工具处于相近的赛道上。这些工具普遍在走一条更低门槛的路线，让没有建模经验的用户也能输出可打印的3D文件。这类AI原生的生成工具正在快速降低3D内容创作的门槛，并且在设计社区和中小型工作室中积累了可观的用户基础。相比之下，doodll并不只是生成一个好看的模型，它的输出结果还需要经过下一道工序——被放到虚拟人体上进行工效学判断。这意味着doodll的生成功能不是为了在视觉还原度或风格丰富度上与那些纯粹的AI建模工具竞争，而是为后续的验证环节服务。
这正是第二个功能重合区域：虚拟工效学验证。这一功能原本是专业仿真软件的领地，通常需要专职工程师设定参数、划分网格、等待计算。这部分软件面对的是研发预算充足的大型制造企业，它们的学习曲线陡峭，价格不菲。doodll的做法是把生成和验证放到同一个管线里，并且用自有的3D人物数据库直接给出拟合结果。对于没有专职仿真工程师的中小团队，这可能意味着不必把模型导出到另一个仿真软件，也不需要自己采集体数据。
但是省掉中间步骤，也意味着责任集中。如果验证结论出现错误，那么原因可能出在生成阶段对产品结构的还原不够准确，也可能出在人体数据库与真实用户群体的偏差，还可能是因为工效学分析算法本身对特定姿势或体态的处理存在盲区。在没有公开交叉对比数据的情况下，中小企业是否愿意把这种集中的决策风险交给一个尚未披露验证准确率的平台，仍然是一个需要观察的问题。doodll试图占据的这条“生成与验证一体化”的中间地带，在理论上具有差异化优势，但在实践层面仍需要通过客户案例来证明两端的衔接不会出现断裂。
Prodigy Investment的下注逻辑：与时间成本对赌
Prodigy Investment公开表示，这笔投资基于Comfo Labs团队在人体数据和产品设计领域的深厚专业知识以及丰富的行业经验，认为该平台有潜力成长为真正用于产品开发和验证的AI解决方案。在金额未披露的种子轮里作出这样的表述，透露出这笔下注的锚点并不在某一项技术突破上，而是在团队的复合积累上。
这是一个押注稀缺性的逻辑。初创公司的技术架构可能被复制，但超过15万份人体扫描数据的采集和清洗，本身就是一个需要时间和资金投入的过程。这些数据的收集可能涉及与合作机构的协调、不同扫描设备的交叉校准、以及数据质量的一致性控制。与此同时，创始团队在15年以上工效学项目里积累的经验，以及在为三星、现代、Warby Parker等品牌服务时形成的对产品开发痛点的具体理解，这三样东西叠加在一起的时间成本，确实难以被后来的竞争者快速压缩。
Prodigy Investment领投这笔种子轮，看起来是在赌这段积累能转化为一个既有数据壁垒又有行业信任的软件产品。但风险同样集中于此：如果这段积累无法被快速转化为标准化的平台能力，或者转化过程中出现产品与市场需求的错位，那么时间成本的壁垒就会从优势变成自耗。团队过去15年的经验是为大品牌做项目，而doodll要面对的是那些可能没有专职工效学工程师的中型企业，这两种服务对象的需求表达方式和付费逻辑可能完全不同。资方对团队的认可与市场对产品的认可之间，仍需一次有效的对接。
同期制造业AI投资的并行信号
Comfo Labs的融资并不是孤立事件。在它完成种子轮的同期，NeoArcRobotics获得了33.2万美元种子轮资金，用于开发船厂和建筑工地的机器人自动化；SnapScale也完成了未公开金额的种子轮融资，聚焦AI驱动的工厂设计自动化，投资方包括KAIST YE Investment Holdings、POSTECH Holdings和Bass Ventures。
把这三笔交易放在一起看，资本在制造业里的投资路径呈现出明显的价值链分工特征。NeoArcRobotics切的是生产现场的体力替代，解决船厂和工地这类重体力劳动场景中的人力缺口；SnapScale切的是工厂布局的早期规划，用AI来优化产线、设备和物流动线的空间关系；而Comfo Labs切的则是更前端的产品开发阶段——连工厂图纸都还没出来的时候，产品本身的形态和与人体的关系就应该被确定。这三个节点分处价值链的不同环节：前端产品定义、中端工厂规划、后端生产执行。
这种从价值链不同环节同时布局的特征，说明制造业AI投资正在寻找不同层级的效率洼地，而不是集中押注某一个环节。资本似乎在判断，制造和工业领域里有多个可以被AI重构的效率断点，每一个都对应着不同的技术壁垒和客户决策链。对于Comfo Labs而言，这意味着它所处的“前端产品开发”这个细分领域，正在被资本单独拎出来审视，而非作为整个工业软件大市场的附庸。这可能在后续融资中提供更好的赛道辨识度，但也意味着它需要更快地证明这一环节确实值得被独立重构。
从1000名Maker开始的生态实验
除了向企业销售的SaaS主线，Comfo Labs还试图培育一条横向生态。公司主办了名为Makeathon的共创赛事，目前已吸引超过1000名参与者。这个活动可能不是一个单纯的品牌宣传活动，而是被设计成一种产品创意的筛选漏斗：参与者用doodll平台完成初步的设计和验证，Comfo Labs则从中观察哪些场景和品类最需要虚拟打样，哪些设计逻辑是现有功能还覆盖不到的。在一个尚未公布付费客户的阶段，1000名参与者带来的使用数据和反馈，本身就是产品迭代的重要输入。
公司公开表示，计划将Makeathon扩展为与企业和地方政府合作的商业模式，把创意筛选、验证、生产和上市串联起来。从表述来看，这似乎指向一种基于平台的开放式产品开发服务：外部合作方提出需求和场景，Comfo Labs提供工具和人体数据，Maker社区贡献设计原型。公司发言人称：“我们旨在构建一个产品开发生态系统，让多样化的想法能够成为进入市场的创新产品。”
但目前，闭环还没有被证明。公司尚未公布由Makeathon产生的具体落地产品，也没有披露是否有地方政府或企业为此付费。在B2B主线和社区生态之间，Comfo Labs或许仍需要在资源分配上做出权衡。如果Makeathon变成成本中心而缺乏收入模型，那么它可能更接近于研发反馈管道，而非独立商业模式。但反过来，如果Makeathon能在特定品类中验证出可以直接商业化的设计原型，或者吸引到愿意为“创意筛选服务”付费的企业合作方，那么它就有可能从创新活动演进为平台交易入口。这种生态路径在中国和韩国的硬件创业社区中已有先例，但能否与B2B SaaS的业务逻辑形成正反馈，仍需观察至少2-3轮Makeathon的转化数据。
资金用途里的战略重心与市场验证
Comfo Labs明确表示，这笔资金将用于强化doodll的草图转3D生成和3D人物工效学验证功能，同时扩建B2B销售团队。这个安排本身透露出一个判断：公司可能认为生成功能的技术门槛正在被大模型和开源工具拉平，而真正需要自己构建护城河的是验证环节。
草图转3D的确正在成为一个越来越拥挤的领域。随着视觉生成模型不断演进，把一张潦草的线条图变成三维模型的能力已经不再是独家优势。但是让这些模型在虚拟人体的皮肤和骨骼上预测压力点、舒适度乃至长期磨损风险，需要的不是大模型，而是大量实测对照和领域特定的调校。Prodigy Investment的这笔资金，可能正是在帮助Comfo Labs构筑平台最核心的信任基石——虚拟验证结论的可靠性。在生成功能日益商品化的趋势下，验证环节的专业壁垒反而可能变得更加珍贵。
至于B2B销售团队的扩建，意味着Comfo Labs正在从产品打磨期步入市场验证期。公司发言人表示：“通过doodll，我们将帮助企业在数据与AI的基础上更快、更有信心地开发产品。”但截至目前，公司尚未公开任何付费企业客户名单，也未披露任何与现有工具的对标测试结果。制造业SaaS的销售周期通常不短，从初次接触到年度合同签订，中间往往需要经过小范围试点、结果验证、采购审批等多个环节，对于已经习惯于传统协作方式的制造企业来说尤其如此。Comfo Labs能否在资金支持下把这个周期跑通，以及在什么时间节点公布首批可披露的客户案例，仍然是接下来最关键的观察变量。资金到位只是完成了燃料补给，真正的测试是从第一笔订单开始。
RecodeX 极客视：Comfo Labs已获得Prodigy Investment领投的种子轮融资，金额未披露。其doodll平台利用超过15万份人体扫描数据，在开模前完成工效学虚拟验证，替代反复物理打样。创始团队超过15年的工效学与产品设计经验——曾服务三星、现代、Warby Parker等品牌——是资方看重的核心要素。Makeathon活动已吸引超千名参与者，但与企业和地方政府合作的商业化路径尚未形成闭环。公司旗下另一产品sizelab的独立商业化策略尚不明确。公司在公开材料中未披露人体数据的人口统计学构成、动态姿态覆盖范围以及虚拟验证与实物测试的交叉对比数据，这些信息缺口可能成为其向海外市场和更多产品品类拓展时的关键制约因素。Comfo Labs的难题不是生成3D模型，而是让虚拟验证的结论获得工厂信任，这需要每一次与实际测试吻合的结果来积累。在生成功能日益商品化的背景下，验证环节的专业壁垒能否转化为真正的护城河，仍取决于团队能否系统性地缩小虚拟与实物之间的互证距离。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。