当图纸不会说话，制造业的“老师傅”正在成为最昂贵的数据资产

一家汽车制造商通常要为一款新车经历约二十轮设计评审。问题往往不在第一轮就暴露，而是等到原型车下线、模具开好、产线调试完成之后，才有人发现某个支架和另一款车上的零件本可以共用，某个公差标注在真实装配中根本达不到。加藤勇志郎（Yushiro Kato）把这种现象归因于一个被反复忽视的事实：制造业中超过80%的工作流程知识从未被记录在任何系统里。为什么选这家供应商而不是另一家，为什么这个零件要这样设计而不是那样，这些决策逻辑存在于有经验的工程师头脑中，随着他们退休、跳槽或转岗而消失。

CADDi试图用AI把这些“沉默的知识”从图纸、CAD文件和工程师的隐性判断中提取出来。这家总部横跨东京和芝加哥的公司，最初的产品叫CADDi Drawer，功能直指一个具体而普遍的问题：制造企业从不同供应商那里采购了太多相似零件。系统读取技术图纸，在客户自己的数据库中搜索相似或完全相同的零件，同时提供缺陷率信息，让采购和工程团队判断是使用现有库存、向现有供应商复购，还是另寻新供应商。这个切入点的聪明之处在于，它不要求制造商改变任何生产流程，只要求他们把已有的图纸喂给系统，就能在采购环节看到可量化的成本节约。

2026年9月15日，CADDi宣布完成1.14亿美元D轮融资，估值达到12亿美元。这个数字较2025年3月的4.7亿美元估值翻了一倍多，总融资额累计至2.34亿美元。八家新老投资方参与本轮，包括Moore Strategic Ventures、Coreline Ventures、丰田成长基金Woven Capital、Recruit Holdings旗下HR Tech Fund，以及既有股东Atomico、Globis Capital Partners和日本邮政银行子公司管理的JPS Growth funds。公司称还有一位新投资者未披露身份。

字段 内容
公司 CADDi Inc.
轮次 D轮
金额 1.14亿美元
投资方 Moore Strategic Ventures、Coreline Ventures、Woven Capital、HR Tech Fund、Atomico、Globis Capital Partners、JPS Growth funds，另有一位未披露的新投资者
总部 东京和芝加哥
创始人 Yushiro Kato、Aki Kobashi
官网 https://caddi.com

从“找相似零件”到“AI数据平台”：产品扩张的边界在哪里

CADDi Drawer的初始功能本质上是一个基于图像检索和相似度匹配的采购优化工具。但在过去两年里，公司把产品线扩展成了一个它称之为“AI data platform for manufacturing”的体系。CADDi Drawer更名为CADDi Explorer，新增了CADDi Agent——一个据公司称用于帮助制造企业做零件标准化决策和质量影响评估的AI代理。所谓质量影响评估，是分析某个设计变更将如何影响性能和安全性。此外，公司还推出了六个针对特定任务的“workflow”产品，其中CADDi Design Review的功能是基于过去相似零件的问题记录，标记新图纸和CAD模型中的潜在错误。

从产品架构看，CADDi的演进逻辑是从“检索已有数据”走向“结构化隐性知识”。前者解决的是“我们以前买过什么”的问题，后者试图回答“我们为什么这样设计，以及下一次应该怎么做”。加藤勇志郎对Fortune表示，CADDi使用自有专有AI模型分析图纸和CAD文件等产品数据，同时使用通用大语言模型处理文档和电子表格。他特别强调了一个观察：“我从未见过有人用大语言模型做设计评审，因为它不理解图纸或CAD。”这句话的潜台词是，CADDi的差异化不在于调用GPT或Claude的API，而在于拥有能够解析工程图形数据的自有模型层。

但这里需要区分公司口径与可验证事实。CADDi的自有模型在图纸理解上的准确率、召回率、跨行业泛化能力，均未披露。公司称其平台可以整合CAD文件、ERP软件、HR系统等多种数据源，并为人和AI代理结构化数据，但整合的深度、数据清洗的工作量、以及客户实际使用哪些模块，同样没有公开数据。从已披露的信息看，至少可以确认的是：产品线从单一工具扩展到了平台形态，公司称客户数量在增长，销售额据公司称逐年翻倍以上。但“平台”这个词在制造业软件领域经常被过度使用，真正的验证标准是客户是否在多个模块间形成数据闭环，而非仅仅购买了一个模块的许可证。

“物理瓶颈”叙事：一个值得认真对待的产业判断，还是一个融资故事

加藤勇志郎为CADDi的雄心构建了一个名为“物理瓶颈”的叙事框架。他的核心论点是：AI能力正在复合增长，但物理世界的变化速度几乎没有因为ChatGPT的出现而改变。今天AI可以在几小时内搭建一个电商网站，但开发一款新车从规划到交付仍然需要大约四年。他在CADDi官网上的一篇文章中写道：“即使AI让思考快一万倍、产生一万倍的理论，如果量产汽车仍然需要四年，AI的收益也会在物理世界中被稀释。”CADDi宣称的目标是到2035年将物理创新加速十倍——对汽车而言，这意味着从规划到交付压缩到四到五个月。

这个叙事的力量在于它把CADDi的软件生意放在了一个更大的产业变革语境中。它不是卖“AI搜索工具”，而是在卖“压缩物理世界迭代周期”的愿景。对于正在与中国竞争对手激烈竞争的汽车制造商和其他制造企业，缩短工程交付周期和降低直接材料成本是真实存在的压力。CADDi倾向于基于可衡量的客户回报进行营销，比如直接材料成本降低或工程交付周期缩短，这比卖“AI能力”要务实得多。

但“物理瓶颈”叙事也有其需要审视的一面。首先，汽车开发周期从四年压缩到四到五个月，涉及的不只是设计评审效率，还包括碰撞测试、耐久性验证、供应链爬坡、法规认证等大量不可压缩的物理和时间成本。AI可以加速图纸审查和知识复用，但无法替代实车测试和产线验证。其次，CADDi的十倍加速目标是一个到2035年的长期愿景，公司没有披露任何中间里程碑或已实现的客户案例来证明这一路径的可行性。从已披露的销售额翻倍增长和客户覆盖22个国家来看，CADDi确实在商业化上取得了进展，但“十倍加速物理创新”目前更接近一个组织使命陈述，而非可验证的产品能力。

估值翻倍的资本逻辑：从4.7亿到12亿美元，投资人在买什么

CADDi的估值在18个月内从4.7亿美元涨到12亿美元，涨幅超过155%。在2026年的AI投资环境中，这个涨幅并不算激进，但放在制造业软件赛道里，它意味着投资人给出的估值已经远超传统SaaS公司的收入倍数逻辑。CADDi拒绝披露收入和客户数量，这使得外部无法用常规的PS倍数来评估这轮估值的合理性。公司称销售额逐年翻倍以上，如果这一增速属实且基数不是极小，那么12亿美元的估值对应的是一个高增长但尚未公开规模的收入盘子。

投资方的构成值得拆解。Woven Capital是丰田的成长基金，它的参与意味着CADDi的客户群中至少有一家全球头部汽车制造商对其产品有足够兴趣，以至于丰田的资本愿意下注。HR Tech Fund是Recruit Holdings的企业风险投资部门，Recruit本身是日本人力资源和招聘巨头，它的参与可能指向CADDi在“隐性知识捕获”和“组织变革管理”方面的产品逻辑——这恰好是HR Tech Fund关注的人力资本议题。Moore Strategic Ventures和Coreline Ventures的参与则更多体现了财务投资人对制造业AI赛道的判断。值得注意的是，WSJ Pro的报道标题中提及Salesforce Ventures参与本轮，但Fortune的投资者名单中并未列出该机构，这一冲突目前无法从公开材料中解决。公司称有一位新投资者未披露身份，Salesforce Ventures是否就是这位未披露的投资者，或者WSJ Pro的标题存在误差，均未得到确认。

从资本结构看，这轮融资的用途指向四个方向：扩大产品线、构建理解制造业特定数据（如3D CAD文件和2D图纸）的AI模型、以北美为中心的全球扩张、以及招聘。其中“构建制造业特定AI模型”意味着CADDi需要持续投入自有模型研发，而非仅仅在通用大模型之上做应用层封装。这解释了为什么估值逻辑更接近“AI基础设施+垂直应用”的混合体，而非单纯的垂直SaaS。

客户成功团队超过销售团队：制造业AI的真正门槛不是模型，是组织

CADDi的创始人加藤勇志郎把采用的最大障碍归结为变革管理。让工人改变他们传统的工作方式需要手把手的帮助，这解释了为什么CADDi雇佣了超过100名客户成功员工，人数超过其销售人员。公司还开始招聘“forward deployed engineers”——一种在AI公司中越来越常见的角色，负责深入客户现场帮助其有效使用AI。加藤勇志郎说：“目标是改变组织并创造业务影响。”

这个人员配置透露出的信息比任何技术白皮书都更能说明制造业AI的真实处境。制造业的软件采购决策链条长、涉及部门多、一线使用者的话语权有限。一个AI工具即使技术先进，如果采购部门不愿意改变供应商管理流程，如果资深工程师不信任系统给出的相似零件建议，如果IT部门担心数据安全而不愿开放CAD文件库，产品就无法产生价值。CADDi把客户成功团队放在销售团队之上，本质上是在承认：它的产品卖的不是软件许可证，而是组织行为改变。这既是护城河——一旦客户的组织流程围绕CADDi的平台重新设计，迁移成本极高——也是扩张速度的天然约束。超过100名客户成功员工服务22个国家的客户，意味着每个国家的深度服务能力有限，北美扩张需要大量招聘和培训，而这类人才的供给并不充裕。

竞争格局中的空白地带：CADDi的对手是谁，替代方案是什么

事实档案中没有列出CADDi的直接竞争对手。这并不意味着它没有竞争，而是说明制造业AI数据平台这个品类还处于早期定义阶段。从替代方案的角度看，CADDi面对的是几类不同的“对手”。第一类是制造企业内部的IT部门和数据团队，他们可能尝试用通用大语言模型加上内部数据仓库来自建类似的检索和知识管理能力。加藤勇志郎的“LLM不理解图纸”论断正是针对这一类替代方案：通用模型无法解析工程图纸的几何语义和公差逻辑，自建方案在图纸理解上会遇到瓶颈。

第二类是传统的PLM（产品生命周期管理）和ERP厂商，如西门子、达索、PTC、SAP。这些厂商拥有制造企业的核心工程和运营数据，也在积极嵌入AI能力。需要说明的是，这些厂商的AI能力是编辑基于其公开产品类别的分析，而非已确认的竞争事实；本次采集材料中未包含这些厂商与CADDi直接竞争的可核实信息。CADDi的差异化在于它从图纸检索和采购优化切入，而非从流程管理切入，数据整合的起点不同。但PLM厂商与CADDi的竞争关系、替代可能性以及共存条件，本次采集材料中均未提供可核实证据，无法做出有依据的判断。

第三类是垂直领域的AI初创公司，它们可能专注于某个具体任务，比如设计评审、质量预测或供应链优化。CADDi的六个workflow产品意味着它选择了一条平台化路线，试图覆盖多个任务场景。平台路线的风险在于每个workflow产品都需要在特定任务上做到足够好，否则客户可能选择更专注的单点工具。从已披露的信息看，CADDi没有公布任何一个workflow产品的独立客户数量或使用数据，这使得“平台”的实际采用深度无法判断。

资金用途背后的战略重心：北美市场与制造业特定模型的赛跑

CADDi明确表示本轮资金将用于以北美为中心的全球扩张。这是一个值得注意的战略选择。公司在日本市场的渗透率已经相当可观——据公司称，超过一半的日本100家最大制造商使用CADDi，该数据来自公司披露，尚无独立验证。日本是CADDi的创始市场，制造业密度高、客户关系深、品牌信任度强。但日本市场的天花板也相对有限，且增长空间正在收窄。北美制造业的规模更大，尤其是在汽车、航空航天和工业设备领域，而且北美制造企业对AI工具的付费意愿和预算空间通常高于日本企业。芝加哥作为第二总部的地理位置，也表明CADDi从一开始就把北美视为核心市场。

但北美扩张的挑战同样明显。首先，北美制造业的数据环境与日本不同，CAD文件标准、ERP系统生态、供应商网络结构都存在差异，CADDi的模型和workflow产品需要针对北美客户的数据特征进行调整。其次，北美市场的销售周期和决策模式与日本不同，客户成功团队的重度服务模式在北美能否以可接受的成本复制，是一个待验证的问题。第三，北美AI人才市场竞争激烈，构建制造业特定AI模型需要既懂深度学习又懂工程语义的复合型人才，这类人才在全球范围内都是稀缺的。

从资金分配的逻辑看，CADDi似乎在同时下注两件事：一是用自有模型建立技术壁垒，二是用客户成功团队建立组织嵌入壁垒。这两件事都需要大量资金，而且回报周期不同。模型研发的回报周期更长，但一旦形成技术代差，护城河更深；客户成功的回报周期更短，但边际成本递减有限。1.14亿美元能够支撑这两条线同时推进多久，取决于销售额翻倍的增速能否持续。

风险与待验证假设：从“翻倍增长”到“十倍加速”之间的距离

CADDi的故事中有几个关键的待验证假设。第一个假设是：销售额翻倍以上的增速能够在北美扩张和产品线扩展的过程中持续。公司没有披露收入的绝对规模，翻倍增长如果建立在一个较小的基数上，其意义有限。第二个假设是：自有AI模型对图纸和CAD文件的理解能力能够形成真正的技术壁垒，而不是被通用模型能力的快速提升所侵蚀。加藤勇志郎的“LLM不理解图纸”论断在2026年成立，但通用模型的多模态能力正在快速演进，CADDi需要证明自己的专有模型在工程语义理解上持续领先于通用模型的进步速度。

第三个假设是：客户成功团队的重度服务模式能够规模化。超过100名客户成功员工服务22个国家的客户，意味着每个客户获得的深度支持有限。如果北美扩张需要复制日本市场的服务密度，人力成本将大幅上升，而制造业客户对软件付费的意愿能否覆盖这种成本结构，尚未得到验证。第四个假设是：CADDi的workflow产品能够真正捕获和编码资深工程师的隐性知识，而不是仅仅把已有的图纸数据做了更好的检索。前者是“知识创造”，后者是“知识管理”，两者对客户的价值量级完全不同。

从已披露的事实看，CADDi在商业化上取得了可验证的进展：客户覆盖22个国家，日本头部制造商的渗透率据公司称超过一半，员工数从2025年初的600人增长到约900人，销售额据公司称翻倍以上。这些指标指向一个处于快速扩张期的公司。但“十倍加速物理创新”的愿景、自有模型的技术领先性、以及北美市场的可复制性，都还需要更长时间和更多数据来验证。12亿美元的估值已经把这些假设中的相当一部分提前定价了。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

  • 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
  • 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
  • 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：CADDi的融资故事里最值得关注的不是12亿美元估值，而是它把“客户成功团队超过销售团队”作为核心运营指标。在制造业AI这个赛道，模型能力决定下限，组织嵌入决定上限。当一家软件公司愿意在客户现场派驻比销售更多的工程师，它卖的东西已经从工具变成了工作方式的重新定义。但“物理瓶颈”的叙事也是一把双刃剑：如果AI确实能让思考快一万倍，而汽车仍然需要四年才能量产，那么CADDi的价值主张就取决于它能否证明自己在“思考”和“量产”之间架起了一座可测量的桥，而不是仅仅在桥的一端挂了一块更亮的招牌。