宁德时代为何要投一家“让AI画图纸”的公司
制造业有一个长期被忽视的真相:当一条自动化产线以秒为单位吞吐零件时,上游的设计室里,工程师可能还在为一张装配图反复修改三天。生成式AI已经能写代码、做视频、生成营销文案,但一旦进入需要标注公差、定义配合关系、考虑材料应力的机械设计环节,大多数AI工具只能输出一个“看起来像”的三维外壳。这个外壳无法编辑、无法仿真、无法进入制造流程,对工程师而言更像一张精致的废纸。
2026年11月17日,AI工业研发平台子虔科技宣布完成新一轮融资,由宁德时代独家战略投资。这笔交易的特殊之处不在于金额——事实上,双方均未披露具体数字——而在于投资方是一家以电池制造为核心的重工业企业,而非财务投资机构。宁德时代2025年研发投入达221亿元人民币,研发人员约2.3万人,其新产品研发不仅涉及电芯本身,还牵动生产设备、工装夹具、结构件以及电池包箱体等配套环节。一家制造业巨头选择在此时押注AI设计软件,本身就是一个值得拆解的信号。
子虔科技成立于2020年,创始人龚敏彦是一名85后工业软件创业者。公司试图切入的环节,恰是生成式AI在制造业中最难啃的骨头:不是生成一张渲染图,而是生成一份可编辑、可仿真、可支撑后续制造流程的工程设计方案。公司将其称为“光速造物”。这个口号听起来像营销话术,但背后的技术路线选择,才是理解这笔投资的关键。
| 字段 | 内容 |
|---|---|
| 公司 | 子虔科技 |
| 轮次 | 战略投资 |
| 金额 | 未披露 |
| 投资方 | 宁德时代 |
| 总部 | 未披露 |
| 创始人 | 龚敏彦 |
| 官网 | https://www.zixel3d.com/ |
这笔投资之所以值得拆解,还在于它把生成式AI的讨论从“能否生成”推进到“能否进入工程闭环”。制造业对AI产出的验收标准不是视觉相似度,而是参数可追溯、约束可求解、模型可仿真。宁德时代作为投资方,其内部研发体系本身就构成一个高密度、多环节的验证场景,这可能比单纯的财务回报更接近这笔交易的实质。
从本体论到大模型:一条“不轻松”的技术路线
子虔科技的技术起点并不在AI,而在一个更冷门的领域:本体论。据该报道,团队最初选择通过本体论记录工程设计和验证过程,包括尺寸设定的依据、零件之间的配合关系,以及某项参数调整可能带来的连锁变化。项目当时被命名为Mechanical Design Automation,即机械设计自动化。这个选择意味着,子虔科技在2020年起步时,并未押注当时尚未爆发的生成式AI,而是试图先把“设计过程”本身结构化。
随着大模型技术发展,团队开始将此前积累的设计过程与AI结合。龚敏彦对此的表述是:“这个技术跟我们原来的技术本身就是天然对接的。”这句话的实质含义是:大模型擅长生成和推理,但缺乏对工程约束的理解;而本体论框架恰好提供了一套结构化的设计知识表示。两者结合的逻辑是自洽的,但前提是本体论框架本身必须足够完整和准确——这在工业场景中恰恰是最难的部分。
龚敏彦并不回避这条路的难度。工业设计涉及物理、数学、材料和制造工艺,也需要一整套工具链。“它不是一两个小天才就能搞定的。”他说。这句话既是对技术复杂度的承认,也暗含了对当前AI创业热潮中“轻模式”路径的批评。事实上,子虔科技选择的是一条重投入路线:自建CAD工具链,将AI能力与自主建模引擎结合。这意味着公司需要同时解决几何建模内核、参数化特征系统、装配约束求解和AI推理能力四个层面的问题,任何一层出现短板,整个产品都无法达到工业可用标准。
从技术演进看,本体论路线与生成式AI的结合并非简单叠加。本体论的价值在于把工程决策背后的依赖关系显式化,而大模型的价值在于降低用户表达需求的成本。两者结合后,系统可能从“工程师手动定义约束”逐步走向“从自然语言需求中推断约束”,但推断结果是否与真实工程规范一致,仍需通过仿真和制造反馈闭环验证。
zCAD.AI能做什么,不能做什么
2026年10月,子虔科技在海外推出zCAD.AI。据公司介绍,用户通过文字描述设计需求,即可生成带有配合关系的3D装配模型,并可将模型导入zCAD.Online继续修改和编辑。其AI能够直接调用平台底层建模引擎生成模型,而不必完全依赖传统软件界面进行操作。这一点是子虔科技与许多AI设计工具的核心差异:生成结果不是静态几何体,而是保留了特征树与参数关联的可编辑模型。
公司提供的内部测试案例显示,在行星减速器概念模型设计中,团队通过3至4轮对话,生成了包含壳体、输入轴、行星架和三组行星轮的装配模型,能够用于运动仿真,整个过程约20至30分钟。而专业机械设计师在没有图纸的情况下手工完成类似建模,约需3小时。另一项内部技术验证中,AI直接调用底层建模引擎,生成了一台四挡液力自动变速器的装配模型,涉及液力变矩器、多组行星齿轮和液压阀体等子系统。
这些案例展示了产品的能力边界:它们集中在概念设计阶段,而非详细工程图阶段。行星减速器和液力自动变速器都是结构相对标准化的机械系统,其设计规则可以被归纳和编码。对于高度定制化、涉及非标零件或特殊工艺约束的设计任务,AI能否达到同等效率,来源材料并未提供证据。此外,上述性能数据均来自公司内部测试或估算,尚无独立第三方验证。以一个音箱原型为例,据子虔科技估算,使用zCAD.AI生成约需20分钟,而通过大模型接口操作传统CAD软件,可能需要1至2小时。这个对比的统计口径——包括模型复杂度、精度要求和操作者熟练度——均未详细说明。
内部测试案例的另一个隐含边界是:行星减速器和液力自动变速器都属于已有成熟设计范式的机械系统,其结构组成和配合关系可以被相对稳定地编码。这意味着当前验证更多指向“AI能否复现已知设计模式”,而非“AI能否在未知约束下提出新方案”。后者才是工业设计中最具价值、也最难验证的部分。
自建内核与“茫茫多”的竞争者
据子虔科技团队观察,目前涉足AI工业设计的参与者大致分为两类:一类是传统工业软件厂商,拥有相对完整的CAD工具链,但原有软件架构并非围绕AI设计;另一类是近年出现的AI设计创业公司,部分企业缺乏自有CAD内核,需要通过接口调用其他软件的建模能力。这个分类框架将子虔科技自己置于一个独特的交叉位置:既有自建工具链,又以AI为架构核心。
但这个定位并非没有代价。自建CAD内核意味着公司需要与达索、西门子、PTC等拥有数十年积累的工业软件巨头在底层能力上竞争,同时还要应对大量新进入者的速度压力。龚敏彦对此有清醒的感知:“以前我们这类企业,国内国外的供给侧屈指可数;现在号称要做这件事情的人,茫茫多。”赛道拥挤的直接后果是,客户的选择标准会从“谁能做”迅速转向“谁做得更可靠、更可集成”。对于一家成立仅六年的公司而言,这既是机会也是倒计时。
从产品形态看,子虔科技的产品线包括3D设计平台zCAD.Online、研发数据管理系统PDM.Online、3D工艺大师和3D一览通等。这意味着公司并非只做AI生成这一个单点功能,而是试图覆盖从设计、数据管理到工艺编制的研发全链路。这种策略的逻辑是:AI生成的模型只有嵌入完整的研发流程中才有商业价值,单点工具容易被传统软件厂商的既有生态吸收。但全链路策略也意味着更高的研发投入和更长的销售周期,尤其是在大客户普遍要求私有化部署的工业软件市场。
自建内核与全链路产品策略之间存在一种相互强化的关系:如果只有AI生成能力而没有底层建模引擎,生成结果的可编辑性就受制于第三方软件;如果只有内核而没有AI能力,则难以与传统巨头形成差异化。子虔科技同时押注两端,意味着其研发资源需要在两个高难度方向上分配,这可能影响单一环节的迭代速度。
宁德时代的钱,买的是什么
宁德时代这笔投资的逻辑,需要放在制造业研发效率的宏观变化中理解。过去几十年,自动化产线、工业机器人及数字化管理系统不断提高制造效率,但在产品研发阶段,建模、验证和修改仍较多依赖工程师使用传统CAD软件完成。随着制造业竞争从规模化生产向产品创新延伸,研发设计效率成为新的瓶颈。龚敏彦的观察是:“在制造业里,产品的成本、供应链和风险,大部分在研发设计阶段就已经定下来了。”如果这个判断成立,那么任何能缩短设计周期、减少返工的工具,对制造企业都有直接的经济价值。
宁德时代自身的业务结构也支持这一逻辑。电池技术持续迭代,新产品的研发不仅涉及电芯本身,还会牵动生产设备、工装夹具、结构件以及电池包箱体等配套环节。这些设计任务分布在不同供应商和零部件企业之间,研发协同效率直接影响产品落地进度。子虔科技的产品线——尤其是研发数据管理和轻量化协同工具——与这一场景存在交集。但需要明确的是,宁德时代作为投资方,其战略意图与子虔科技的实际产品能力之间仍有距离。投资不等于采购,战略协同的兑现程度取决于后续双方在具体项目中的合作深度,而这在来源材料中并未披露。
公司通稿称,2025年其企业客户超过100家,2026年平台用户超过20万。这些数据来自公司单方口径,统计期间与定义未详细说明。客户覆盖航空、新能源汽车、智能装备、电力电气及消费电子等行业,大客户多采用私有化部署。公司通稿还称,其曾为某设计研究院开发液压管路设计仿真工具,将管路设计规范嵌入设计检查流程,项目合规差错率降至1%以下,仿真周期缩短50%。这是目前公开材料中唯一带有具体量化结果的企业客户案例,但同样缺乏独立验证。
从投资逻辑看,宁德时代选择独家战略投资而非参与财务性融资,可能意味着这笔交易更接近产业协同的早期布局。对宁德时代而言,电池包箱体、结构件和工装夹具等配套设计往往需要与供应商反复协同,任何能压缩设计迭代周期的工具都可能降低研发链条的整体时间成本。但战略投资的实际协同效果,取决于子虔科技的产品能否进入宁德时代或其供应链的真实设计流程,而非仅停留在概念验证层面。
海外增长的数字与边界
zCAD.AI于2026年10月在Product Hunt发布,并登上当日日榜第一。据公司介绍,目前产品用户已覆盖80多个国家和地区,约两成新注册用户来自ChatGPT推荐。这两个数据点放在一起看,描绘的是一幅典型的PLG(产品驱动增长)图景:通过Product Hunt和ChatGPT推荐获取海外用户,以低门槛试用带动注册增长。
但“覆盖80多个国家和地区”是一个模糊的统计口径。它可能意味着在这些地区有至少一名注册用户,也可能意味着有活跃使用或付费转化。对于面向企业客户的工业软件而言,注册用户数与可商业化的企业客户数之间存在巨大鸿沟。约两成新注册用户来自ChatGPT推荐,这一数据同样来自公司介绍,其统计期间和归因方式未披露。海外市场的真实商业化进展,需要看后续是否有付费客户、续约率和客单价等数据,而这些在来源材料中均未提供。
从产品策略看,子虔科技将AI生成能力率先在海外上线,国内平台同步部署。这种“海外先行”的节奏在AI工具类产品中并不罕见:海外用户对新产品试用意愿更强,反馈周期更短,且Product Hunt等渠道提供了低成本的冷启动路径。但工业软件的核心付费场景仍在中国制造业,尤其是公司通稿所称的“以国内企业客户为主”的现状下,海外用户的增长能否转化为国内客户的信任背书,是一个待验证的假设。
海外用户增长数据与国内商业化重心之间存在明显张力。公司通稿称目前以国内企业客户为主,而zCAD.AI的注册用户增长主要来自海外渠道。这意味着海外数据更多反映产品试用热度,而非企业级付费转化。对工业软件而言,从个人试用、团队评估到企业采购通常需要较长周期,且海外注册用户能否转化为国内制造业客户的采购决策依据,仍缺乏证据。
资金用途与待验证的假设
子虔科技表示,此次获得宁德时代投资后将重点投入细分行业的工程知识采集,让平台覆盖更多行业的设计规则。这个资金用途指向了AI工业设计最核心的瓶颈:不是模型能力,而是行业知识的编码。通用大模型可以生成一个减速器的几何结构,但要知道某家航空企业对其液压管路设计的特定规范、某家新能源车企对电池包箱体的公差要求,需要逐行业、逐场景地采集和结构化工程知识。这是一项劳动密集型工作,且难以通过通用AI能力自动完成。
公司的长期目标是成为“全球制造业的AI研发底座”。龚敏彦的表述是:“把中国创造加中国制造,输出给每个地方。”这个愿景的成立依赖于几个关键假设:第一,自建CAD工具链的性能和稳定性能够达到工业级标准,足以让企业客户放弃或部分替代现有设计工具;第二,AI生成的模型在复杂场景下的可编辑性和仿真兼容性能够持续提升,而非仅在概念设计阶段有效;第三,行业工程知识的采集能够形成可复用的方法论,而非每个项目都需要定制开发。这些假设的验证需要时间和客户案例的积累,而本轮融资金额未披露,使得外界无法评估公司在这些方向上的投入力度。
从竞争格局看,子虔科技面临的挑战是双重的。传统工业软件厂商正在加速将AI功能集成到既有产品中,它们的优势在于客户关系、行业知识和经过数十年验证的内核稳定性。AI设计创业公司则在速度和用户体验上更具灵活性。子虔科技试图在两者之间建立自己的位置:既有自建内核的深度,又有AI原生架构的速度。但这个位置的可持续性,取决于公司能否在传统巨头完成AI转型之前,建立起足够深的行业知识壁垒和客户粘性。
本轮融资的另一个信息缺口是交易结构。战略投资通常涉及业务合作协议、优先采购权或技术联合开发等附加条款,但双方均未披露具体安排。宁德时代作为独家投资方,其战略诉求可能包括将子虔科技的产品引入自身供应链体系,也可能只是财务意义上的早期布局。在没有更多信息的情况下,这笔交易对子虔科技的实际价值——除了资金本身——仍然是一个开放问题。
将资金投向细分行业工程知识采集,意味着公司承认通用AI能力不足以直接解决工业落地问题。不同行业的设计规范、公差体系和工艺约束差异显著,知识采集的难点在于如何把分散在工程师经验、企业标准和历史项目中的隐性知识转化为可被模型调用的结构化规则。这一过程可能高度依赖项目制交付,与公司希望建立的平台化、可复用模式之间存在潜在冲突。
RecodeX 极客视:子虔科技的故事本质上是关于“AI能否进入制造业研发核心环节”的一场长周期实验。宁德时代的入局为这场实验提供了一个重量级的产业场景,但战略投资的价值最终要由产品在真实产线前的表现来定义。当“光速造物”从口号进入工程验证阶段,唯一有说服力的证据,是那些能被独立复核的客户案例和可量化的效率提升——而不是Product Hunt的日榜排名。
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。
