一件设计草图从创意部门走到工厂裁床,中间要经过技术平面图、结构细节、物料清单、尺寸表和工艺说明的反复转换。这些文件看似只是把创意“翻译”成生产语言,实际却决定了样衣能否一次做对、大货会不会在某个缝份或拉链规格上出错。对很多时装品牌来说,这段从设计到生产的距离仍然靠熟练技师手工完成,周期以周计算。Fermat 想用生成式 AI 压缩的,正是这一段少见于消费端叙事、却直接吃掉毛利与交期的环节。

2026 年 11 月 17 日,这家总部位于西班牙巴塞罗那的公司宣布完成 800万美元种子轮融资,由 Kibo Ventures 与 Lunar Ventures 联合领投,PROfounders Capital、Masia Ventures、Blue Wire Capital、Common Magic、Betaworks 以及 Dídac Lee 参投。据 The SaaS News 报道,Fermat 计划把这笔钱用于在纽约开设办公室,并把软件能力从设计工具扩展为完整的服装生产平台。

这轮融资的规模在生成式 AI 创业公司里不算大,但资金用途指向了一个更重的方向:从“帮助设计师画图”走向“参与服装生产”。Fermat 同步推出的 Techpacks 工具,据公司通稿称,能够把草图转化为工厂可用的技术规格。这个说法如果成立,意味着 AI 不再只是停留在灵感板或概念图层面,而是进入了对尺寸、工艺和物料有硬约束的生产文档系统。

字段 内容
公司 Fermat
轮次 种子轮
金额 800万美元
投资方 Kibo Ventures、Lunar Ventures 联合领投;PROfounders Capital、Masia Ventures、Blue Wire Capital、Common Magic、Betaworks、Dídac Lee 参投
总部 西班牙巴塞罗那
创始人 Pol Baladas、Uri、Oscar
官网 https://fermat.app

技术规格不是另一张效果图,而是工厂执行的合同

Fermat 的产品逻辑建立在时装行业一个长期存在的断裂带上:设计师使用的视觉语言与工厂使用的生产语言并不相同。前者关心轮廓、垂坠、色彩和风格,后者需要缝型、公差、辅料编号、面料幅宽和每码用量。据 The SaaS News 报道,Fermat 成立于 2022 年,提供生成式 AI 平台,帮助设计师创建工厂可用的技术规格,将产品开发所需时间从数周缩短至数分钟。公司通稿还称,其软件可嵌入现有产品开发流程,用于制作技术平面图、结构细节与物料清单。

把“数周缩短至数分钟”放在真实生产链条里看,它的含义并不只是速度。技术包一旦出错,样衣就要重做,面辅料可能已经采购,交期随之顺延。因此,工厂可用的技术规格本质上是一种可执行文件,而不是一张更清晰的设计图。Fermat 能否稳定生成这种文件,取决于它是否理解服装结构、工艺约束和物料属性,而不是只完成图像到图像的风格迁移。本次来源没有披露 Fermat 在真实工厂环境中的错误率、返工率或人工修改比例,因此“工厂可用”目前仍是公司单方面口径,尚无独立第三方验证。

Techpacks 工具的推出,是这轮融资中最具体的产品信号。据公司通稿称,该工具用于把草图转化为工厂可用的规格。从产品形态看,它可能把技术平面图、结构细节和物料清单整合进同一个生成流程。但来源没有说明 Techpacks 是独立模块还是原有平台的升级,也没有披露它支持哪些服装品类。如果只能处理 T 恤、卫衣等结构简单的品类,其“完整服装生产平台”的定位就需要更长时间验证;如果能够覆盖西装、外套、连衣裙等复杂品类,那将触及更核心的工艺知识。

嵌入工作流比单点工具更难,也更容易形成切换成本

Fermat 强调其软件可以嵌入现有产品开发流程,而不是要求设计师切换到另一个独立应用。这个选择在商业上合理,因为时装公司的设计团队通常已经习惯 Adobe Illustrator、CLO 3D 或 PLM 系统中的既有路径。一个独立的 AI 画图工具很容易被当作玩具试用,但很难进入日常生产链路。嵌入现有流程,意味着 Fermat 需要与这些工具争夺接口、文件格式和用户习惯。

从已披露信息看,Fermat 的软件能力包括技术平面图、结构细节和物料清单,这三类输出恰好对应传统技术设计师的核心工作。如果生成结果能够直接进入 PLM 或 ERP 系统,Fermat 就可能在品牌内部形成数据沉淀;如果只是导出 PDF 或图片,那它的价值仍然停留在文档生成层面。本次来源没有披露 Fermat 与任何 PLM、ERP 或设计软件的原生集成,因此其“嵌入现有产品开发流程”的具体深度尚不明确。

商业模式同样未披露。Fermat 可能采用按席位订阅、按生成次数收费,或按品牌客户年度合同收费。对于面向品牌和设计师的 B2B 软件,收费方式会直接影响扩张速度。按席位订阅容易计算,但天花板受制于设计团队规模;按生成量收费与使用频率挂钩,却可能让客户在旺季成本激增。没有定价信息,就无法判断其收入三倍增长的标题说法究竟对应多小的基数,也无法评估纽约办公室的投入是否与现金流匹配。

Asos 与 New Look 出现在标题里,但合作深度仍是一个黑箱

Retail Technology Innovation Hub 的报道标题称,Fermat 的客户包括 Asos 与 New Look。这是本次融资信息中最具商业分量的线索,因为两家都是规模可观的英国时装零售商。如果它们真的在生产流程中使用 Fermat,至少说明产品通过了大型零售商的初步筛选。但该报道正文未能取得,标题之外没有合作范围、使用部门、付费金额或上线时间等细节。

Tech Funding News 的标题则称,Fermat 作为 AI 时装平台收入增长至三倍,并准备纽约扩张。该说法同样只停留在标题层面,正文抓取结果仅为 Cookie 同意页面,无法核对收入增长的统计期间、基数、确认口径或是否包含一次性项目。对一家 2022 年成立、2026 年才完成种子轮的公司来说,收入增长三倍可能意味着从很小基数起步,也可能包含试点项目的非经常性收入。因此,这一增长信号目前只能作为媒体报道标题存在,不能作为已验证的经营事实。

把客户名称与收入增长放在一起看,Fermat 的商业化故事存在一个明显的信息缺口:它没有披露任何可公开核验的客户案例。Asos 与 New Look 是否只是早期试点、是否付费、是否在核心品类上使用,都未披露。对于一家声称要把产品嵌入生产流程的公司,客户名单的含金量不在于品牌知名度,而在于使用深度。一个品牌在一个小团队里试用三个月,与把某个品类全线技术包迁移到新平台,是完全不同的商业验证。

从巴塞罗那到纽约,地理扩张背后是销售结构的选择

Fermat 把本轮资金的一部分用于在纽约开设办公室。这个选择值得放在时装产业的采购地理中理解。巴塞罗那所在的欧洲市场拥有大量中小品牌和制造商,但美国市场聚集了更多大型品牌总部、采购决策中心和风险资本。纽约办公室如果用于销售与客户成功,意味着 Fermat 要从欧洲的产品驱动增长转向美国的企业销售驱动增长。

这种转变的成本通常高于创始团队预期。企业销售需要行业背景的销售团队、更长的采购周期和更重的实施支持。Fermat 的创始团队中,Pol Baladas 有完整姓名,但 Uri 和 Oscar 仅有名字,来源未给出完整履历。团队是否具备时装供应链或企业软件销售经验,是判断纽约扩张能否奏效的关键变量之一。本次来源没有披露创始团队背景,也没有披露纽约办公室的招聘计划或销售负责人。

从资金规模看,800万美元种子轮要同时支撑产品从设计工具向生产平台扩展、纽约办公室设立以及可能的销售团队建设,预算并不宽裕。如果 Fermat 选择先验证欧洲客户的使用深度,再进入美国市场,资金压力会更小;如果同步推进产品扩张与地理扩张,执行风险会显著上升。公司通稿没有说明纽约办公室的具体职能,也没有披露本轮资金在不同用途之间的分配比例。

投资方组合偏早期,尚未出现产业资本或供应链背景机构

本轮投资方包括 Kibo Ventures、Lunar Ventures、PROfounders Capital、Masia Ventures、Blue Wire Capital、Common Magic、Betaworks 和 Dídac Lee。从公开信息看,这是一组以早期科技投资为主的机构组合,没有出现大型时装集团、制造商或供应链软件公司的战略投资。对于一家声称要连接设计与生产的公司,产业资本缺席本身不是负面信号,但意味着 Fermat 在供应链端的验证需要依靠客户而非股东资源完成。

Kibo Ventures 与 Lunar Ventures 联合领投,说明两家机构对 Fermat 的 AI 时装设计方向有基本共识。但投资逻辑目前只能从交易结构推断:联合领投通常意味着没有单一机构愿意承担全部领投风险,或者创始团队希望保持更分散的股东结构。PROfounders Capital 与 Betaworks 的参与,则可能带来欧洲与美国两端的早期网络资源。Dídac Lee 以个人身份参投,其背景和与 Fermat 的关系未在来源中披露。

这轮融资没有披露估值、稀释比例或是否包含可转换票据。对于种子轮公司,估值信息通常比金额更能反映市场对团队的定价。没有估值,就无法判断 800万美元对应多少股权出让,也无法评估投资方对 Fermat 的期望回报。来源仅披露了融资总额与投资方名单,其余财务条款均未披露。

生成式 AI 进入生产文档,真正的对手可能是现有 PLM 与外包技术团队

Fermat 的竞争格局在本次来源中未披露,但可以从其产品定位推断出几类替代方案。第一类是传统 PLM 系统,它们已经管理着技术包、物料清单和供应商协同,只是生成能力较弱。第二类是品牌内部的技术设计团队或外包技术包服务商,它们以人工方式完成 Fermat 声称可以自动化的部分。第三类是通用生成式 AI 工具,设计师可以用它们生成图像,但无法直接产出工厂可用的规格文件。

Fermat 的差异化在于把生成结果指向生产执行,而不是视觉表达。这个定位如果成立,它面临的竞争就不只是其他 AI 设计工具,而是现有 PLM 厂商在其系统内增加生成功能。PLM 厂商拥有客户数据、流程入口和供应商网络,一旦它们集成生成式 AI,Fermat 的独立工具属性可能被削弱。反过来,如果 Fermat 能够更快地形成高质量技术包数据飞轮,它也可能成为 PLM 厂商的收购标的或被集成对象。

从已披露信息看,Fermat 尚未公开任何与 PLM 厂商的竞争或合作关系,也没有披露其技术包数据的来源与规模。生成式 AI 在服装技术规格上的表现,高度依赖训练数据中是否包含真实工厂反馈。如果 Fermat 的数据主要来自设计端而非生产端,它生成的规格可能在视觉上合理,却在缝制、水洗或后整环节出现问题。这是其“工厂可用”主张中最需要验证的部分。

资金用途清晰,但验证路径仍然模糊

Fermat 本轮资金用途明确:开设纽约办公室,将软件从设计工具扩展为完整服装生产平台,并推出 Techpacks 工具。这三个方向在逻辑上一致,都指向从设计端向生产端延伸。但“完整服装生产平台”是一个宽泛的表述,来源没有说明它是否包括供应商管理、报价、订单跟踪或质量控制。如果只是把技术包生成做得更完整,那仍然是一个设计工具;如果要覆盖生产协同,那需要完全不同的产品架构和行业资源。

从已披露的“数周缩短至数分钟”看,Fermat 的价值主张集中在时间节省。但时间节省能否转化为付费意愿,取决于客户是否把技术包制作视为瓶颈。对大型品牌,技术包制作可能已经外包或由专门团队完成,瓶颈更多在供应商交期和品控;对中小品牌,技术包制作可能确实耗时,但付费能力有限。Fermat 没有披露其目标客户是大型品牌、中小品牌还是制造商,这使“数周缩短至数分钟”的商业价值难以评估。

风险同样集中在验证路径上。Fermat 需要证明三件事:生成的技术规格能被工厂直接使用;客户愿意为这种能力持续付费;收入增长可以支撑纽约扩张的成本。目前,第一件事只有公司通稿的单方面说法,第二件事没有定价或续约数据,第三件事只有一条无法核对的收入增长标题。三者叠加,意味着 Fermat 仍处于产品与商业化的双重验证期。

本次融资的公开信息边界需要集中说明。The SaaS News 是唯一提供完整正文的一手来源,其关于金额、轮次、投资方、总部、成立年份、创始人和资金用途的陈述,可作为公司通稿口径转述,但仍是单方声明,未经独立第三方核验。Tech Funding News 的正文抓取结果为 Cookie 同意页面,收入三倍增长仅见于标题,无法核对统计口径与期间。Retail Technology Innovation Hub 关于 Asos 与 New Look 的客户信息同样仅见于标题,正文未取得。Tech.eu 与 Dealroom 仅取得 Google News 标题摘要。创始人 Uri 与 Oscar 的完整姓名、具体商业模式与收费方式、竞争对手信息均未在来源中披露。因此,本文中所有关于产品能力、客户关系与经营增长的表述,都只能停留在公司通稿或媒体报道标题的归因层面,不能视为已验证事实。

RecodeX 极客视:Fermat 的故事真正值得追踪的,不是 800万美元种子轮本身,而是它把生成式 AI 从“画得好看”推进到“工厂能用”的验证难度。技术规格是服装生产中最不性感却最昂贵的文档之一,谁能让 AI 在这里稳定输出,谁就摸到了时装供应链数字化的真正入口。但入口与护城河之间,还隔着真实工厂的错误率、客户的使用深度和一套尚未披露的定价模型。

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。