适创科技完成近亿元 B++ 轮融资：国器元禾领投，以自主物理仿真底座为核心，超级工业智能体如何赋能制造现场与铸造仿真？
当铸造厂开始失去它的“老师傅”
凌晨三点，宁波一家大型压铸厂的车间里，一盏孤灯下，技术总监老陈盯着电脑屏幕上那个复杂的铝合金压铸件温度场模拟图。他的“老师傅”，一位从业四十年的工艺专家，上周刚办完退休手续。这个价值数百万的汽车底盘一体件，试模了三次都已失败告终——不是缩松缺陷，就是热裂纹。老陈的团队花了整整一周，换了三种浇注方案，结果都不如人意。他拿起电话，犹豫着是否要拨通那位老专家的电话。但深夜的车间，现实与虚拟之间的鸿沟，远比想象中更难以跨越。
这一幕，正在全球超过三万家压铸企业里反复上演。与芯片设计、航空航天领域早已数字化、自动化流程不同，以铸造、压铸为代表的“热加工”领域，其工艺规划高度依赖经验传承。一个合格压铸工艺工程师的培养周期至少需要五年，而中国压铸行业的从业者中，具备超过十年经验的资深专家，占比不足5%。随着人口老龄化和产业升级，这一代“老师傅”正在加速退场。他们的知识、直觉、以及对金属流动和凝固过程的“体感”，是支撑每年全球数千亿美元铸件质量的基石。一旦这块基石松动，整个制造端将面临一场无声却又剧烈的阵痛。
正是在这样“老去”的产业背景与“新生”的技术需求碰撞中，一家名为适创科技的公司，试图用一套完全自主研发的物理仿真“底座”，以及基于此构建的“超级工业智能体”，为制造现场装上一颗可量化、可复制、永不退休的“数字大脑”。
2026年7月24日，适创科技宣布完成近亿元B++轮融资，由国器元禾资本领投，多家产业资本持续加注。这家在工业物理世界数字化表达方向深耕超过十年的公司，正试图将其从底层物理仿真引擎到工业智能体的完整技术栈，从压铸这个“小切口”切入，最终覆盖汽车、航空、能源等整个“大制造”领域。
他们要做的事，听起来目标宏大：让“仿真”不再是离线的“CAE工具”，而是值守在工厂每一个工位上，实时读懂工艺数据、预测缺陷、甚至像一位超级工艺大师一样自动优化参数的数字工程师。而更关键的是，这套系统，完全长在中国人自己的技术土壤上。
在巨人忽略的战场上，长出自己的“肉身”
长期以来，工业仿真软件（CAE）的市场版图被欧美巨头牢牢把控。Ansys、Altair、MSC Software、达索系统、西门子……这些名字构成了一个近乎不可逾越的高端技术壁垒。尤其是在结构、模态、电磁等“冷加工”与通用分析领域，追赶者步履维艰。而在铸造、注塑、焊接这些涉及高温相变、多相流、非牛顿流体行为的热加工仿真领域，技术难度更是呈指数级上升。主流软件要么是功能覆盖不全的“通用型”，要么是价格昂贵、对操作者要求极高的“专家型”。这使得中国数以万计的压铸及铸造中小型企业，要么重金购买正版软件却因缺乏人才而沦为“面子工程”，要么彻底放弃仿真，继续依赖老师的经验试错。
适创科技的创始人郭志鹏，职业生涯的起点就在这个“巨人忽略”的火热战场。在北大取得力学和计算机双学位，后又赴美深造，郭志鹏回国后曾在一家知名的工业软件企业负责研发。他很快发现，国外巨头在核心求解器层面的“黑箱”策略，让中国企业在进行深度定制和二次开发时举步维艰。“你永远无法知道你买来的那个求解器，其底层矩阵求解算法在面对一种全新合金材料时，到底会如何收敛。”
“真正的工业软件强国不可能永远依赖进口的‘肉身’来承载自己的工业灵魂。”这是郭志鹏在创业初期经常和核心团队提及的一句话。
在2015年，全球GPU（图形处理器）通用计算大规模应用兴起之际，郭志鹏看到了“弯道超车”的可能。传统CFD（计算流体动力学）求解器，在处理压铸工艺中的高速充型、复杂薄壁件、以及快速凝固过程时，计算效率低下，一个中等复杂度的铸件，可能需要数十小时甚至数天来完成一次完整的流场-温度场-应力场耦合计算。这正是限制仿真工具在“现场级”应用的最大瓶颈。
适创科技的“赌注”压在了基于GPU加速的自主物理仿真引擎上。他们没有选择走捷径，去“借用”或“封装”某个开源的求解库。从最基本的纳维-斯托克斯方程的离散化，到大规模稀疏矩阵的迭代求解，他们从零开始，重写了一套适应GPU并行计算架构的全新算法。这套专注于热加工全流程的“物理底座”，不仅涵盖了流体仿真，更将传热、凝固、应力、甚至微观组织演化等复杂的物理场耦合在同一个框架下。
“这是一个极其痛苦的过程。”一位熟悉适创科技的行业分析师评价道。“过去十年，做通用软件的人看不起做垂直软件的，因为垂直软件市场小。而做垂直软件的人，又很难在底层算法上与巨头抗衡。适创选择了最难的一条路——在技术上极度垂直，在算法上极度底层，同时在市场应用上极度聚焦。他们赌的是在压铸这个单点打穿后，物理底座的可复制性能创造出广阔的通用市场。”
这个决策在今天看来回报初显。当Sora、ChatGPT等生成式AI的浪潮席卷全球时，行业震惊于大模型所代表的“智能涌现能力”。但工业领域，尤其是制造业现场，任何“智能”决策的前提，必须有一个能够精准、实时、低代码地描述物理世界状态变化的基础模型。适创科技耗时十年锻造的这个完全自主研发的物理仿真引擎，正是其工业智能体最重要的“底座”。它不再是那个被封装在昂贵服务器里的“黑箱”，而是一个可以被优化、被调用、可以被工业智能体理解和控制的“白盒”数字孪生体。
从单点仿真到“链式”数字工厂：打破工艺孤岛
传统制造企业的仿真应用，往往呈现“点”状分布。一个零件，设计部门进行结构仿真，工艺部门进行压铸仿真或注塑仿真，热处理部门再进行热-力仿真。每个节点之间是断裂的。设计变更的波浪，传递到工艺仿真端，可能需要重新建模；工艺仿真的结果，无法直接反馈给模具设计优化。这种“孤岛”不仅降低了研发效率，更让全过程的工艺优化成为泡影。
适创科技的第二条产品线——链式仿真平台，正是要打破这种孤立。他们没有满足于只做压铸这一个工艺环节的最强者，而是基于其核心物理底座，将仿真能力向上下游拓展。
以一辆新能源汽车的一体化压铸后底板为例。传统的仿真流程可能是：用A软件建几何模型，用B软件做充型和凝固模拟，将温度场数据导出再用C软件做模具热疲劳分析。若发现流道设计不佳，需返回A软件修改几何，再重新跑一遍B和C，如此循环，耗时数周甚至数月。
适创科技构建的链式仿真正在颠覆这一模式。他们的平台将“压铸充型”、“凝固冷却”、“模具热平衡”、“铸件热处理”等多个物理过程无缝衔接。用户在一个平台内完成全工艺链的几何建模、网格划分、多场耦合仿真，甚至可以在同一个模型上，立即切换来模拟“铸造”与“后续塑性成形”之间的耦合效应。这种“链式”思维，让原本需要多个团队、多种软件、多次数据转换才能完成的工作，变成了一条流畅的数字线。
“链式仿真的价值，并不仅仅是节省时间。”郭志鹏曾对团队强调，其真正的价值在于“全流程自主可控的优化”。当一个工艺工程师在链式平台上修改了浇口位置，平台能瞬间自动更新温度场，并能实时预测该变化对下游模具热疲劳寿命可能造成的影响。这种“反馈效应”在过去是不可想象的，但对于实现“零缺陷”铸造至关重要。
这种深度耦合的链式能力，构成了适创科技区别于其他众多国产CAE竞品的核心壁垒。大多数国产软件厂商，要么是通用平台的“封装商”，要么是单点工艺的“垂直玩家”。能将流体-热-力-微观结构，且是针对特定热加工行业的高精度耦合做到极致，并能以“链式”产品形态交付的，屈指可数。
数字世界与实体车间的“对齐”：工业智能体如何“炼成”
物理仿真，即使是链式仿真，本质上仍然是“离线”的。它描绘的是“工人想要世界如何运行”。而制造现场的物理世界，充满了噪声、扰动和不可预知的变量：模具的微小变形、合金液的批次差异、压铸机锁模力的波动……如果数字孪生不能与实体车间“实时对齐”，那么再完美的仿真也只是精美的“空中楼阁”。
这正是适创科技将下一个十年的战略重心押注在“超级工业智能体”上的根本原因。他们不再满足于只提供仿真工具，而是要构建一个能够实时连接仿真世界与物理现场，并在这个连接点上进行自主决策的智能系统。
这个“工业智能体”的核心逻辑，可以用“感知-认知-决策-执行”四个闭环去理解：
- 感知：通过物联网传感器、工业相机以及连接企业已有的MES/ERP系统，智能体能够实时获取压铸机吨位、注射速度、模具温度、生产节拍、甚至车间的温湿度等海量现场数据。
- 认知：智能体内部，适创科技十年积累的物理仿真引擎化身“认知大脑”。它不是在凭空推断，而是基于真实物理模型，立刻对感知到的数据进行“计算性理解”。例如，当感知到脱模剂喷涂时间延长了2秒，仿真引擎能即刻计算出这可能导致模具薄弱区域温度下降10℃，从而增加冷隔风险。
- 决策：基于认知结果，结合沉淀在平台上的百万级企业用户经验以及那些早已退休的“老师傅”们的工艺知识图谱，智能体可以生成一个或多个优化决策：是建议调整二快切换位置？还是建议将冷却水流量增加5%？亦或是发出预警，建议暂停生产，检查喷涂系统是否有堵塞？这个决策过程，依靠的是适创科技在其“行业级IP铸问小程序”上长期积累的知识经验。
- 执行：最终，智能体可以将最优决策以数字指令的形式，直接下发给设备控制系统或通过增强现实（AR）眼镜，以工单方式指导现场操作员进行调整。形成“数据驱动设备-设备反馈数据”的完整闭环。
“这是从‘告诉你怎么做’到‘帮你判断什么是对’再到‘替你做出正确调整’的全面进化。”一位参与过适创科技早期产品测试的压铸厂副总感叹道。在测试现场，适创的工业智能体曾精准预测并规避了一次因料头温度失控导致的批量缩松缺陷。“以前，这种问题至少要废掉三模，损失几十万。现在，它在我们还在试模时就提示了。”
这套“智能体”的核心价值在于，它让仿真不再仅仅是产品开发阶段的“设计工具”，而是直接变成了生产过程中的“实时守护神”。它真正打通了工业虚拟世界与现实制造现场的边界，让“数字孪生”不再是一个美好的概念，而是一个可以在现场持续产生价值的生产力引擎。
“百万用户生态”：一条看似“轻”实则极重的护城河
工业软件的最佳护城河，除了底层技术，还有用户生态。一个封闭的、昂贵的、难以使用的软件，无论技术多么先进，都难以建立起真正的壁垒。适创科技在这一点上，走出了一条独特的路径：通过建立行业级的“APP”来构建生态。
在适创科技的产品矩阵中，除了面向企业的物理仿真平台和工业智能体平台，他们还拥有一个看似“轻量级”的产品——“IP铸问”小程序。这个小程序的定位非常聪明：它不是卖软件，而是卖知识、卖经验、卖服务，快速获取用户。它像一个面向压铸行业的“知乎”+“技术图谱”+“在线仿真预警服务中心”。
当一个压铸车间的一线工人遇到了“铝液溅射”问题，他不再需要问厂里的老师傅，只需要打开IP铸问，输入关键词，系统就能基于适创科技多年积累的、经过物理仿真验证过的海量数据和专家知识，给出包含原因分析、模拟验证结果、以及工艺调整建议在内的完整解决方案。甚至，他可以上传一张模具的温度照片，系统就能远程调用适创的云仿真引擎，快速给出一个靶向性的优化方案。
这种模式极低的用户门槛（无需购买正版软件License）、极强的行业定焦（只服务于压铸及热加工领域），让IP铸问在上线后迅速积累了超过百万级的企业用户。从大型OEM的工艺工程师，到街头巷尾的小型压铸厂老板，都养成了“有事上IP铸问”的习惯。
这百万级用户，不仅仅是一个流量数据，它更像一个活的、动态的“知识黑匣子”。每一次用户的知识问答，每一次模拟结果的反哺，每一次用户的抱怨和好评，都在为适创科技的核心物理智能体提供源源不断地“营养”。这种基于“用户使用场景”而非“销售合同”积累起来的反馈链，构成了它的第二道强大护城河。当竞品还在为了一个正版软件的订单去敲厂长门的时候，适创科技已经和他们的核心用户群体建立了紧密的粘性。这些用户成为其产品最紧密的“测试员”和“宣传员”，也为其物理仿真平台的推理能力提供了最真实的场景验证。
当实体工业数据开始“觉醒”：新一轮投资逻辑的转折点
“现在可能是中国工业软件，特别是实体工业智能体创业的最好时代。”一位参与本轮融资的国器元禾投资人在内部会议上如是说。其判断依据，不仅来自政策层面的国产替代，更来自两个个正在发生的巨大转变：其一，数据觉醒；其二，计算普惠。
过去，工业现场的数据（工艺参数、设备状态、质量检测数据）大多沉睡在硬盘里，或者根本未被记录。随着物联网和数字工厂建设的推进，数据的采集问题基本已解决。但如何让这些“沉睡的数据”产生价值，是巨大的瓶颈。传统的机器学习方法，在数据不均衡、异常工况极少的工业场景里，泛化能力极差。
适创科技的解法，正是用 “物理模型驱动+数据驱动” 的双轮架构。让来自物理世界的真实数据去修正和校准物理模型（仿真引擎），反过来，算力强大的物理模型也能为小样本数据提供“预先的标签”和“科学的外推”。这种“虚实结合”的技术路径，极大地提升了智能体在复杂工业场景下的鲁棒性。
另一方面，云计算和边缘计算成本的持续下降，使得适创科技基于GPU的云计算框架得以大规模部署。用户可以像使用水电一样，按需调用高性能算力进行仿真和智能推理，不需要自购昂贵的工作站。这种“按需付费”的模式，让原本“高不可攀”的工业仿真和智能体技术，下沉到了中国最庞大的中小制造业群体中。而适创科技，也在这种模式中找到了属于它的商业化重心。
“过去十年，我们在打磨最难的核心技术；未来十年，我们要在万亿级的制造业现场，把这套技术变成真正能‘干活’的工具。”郭志鹏这样规划着未来。适创科技的B++轮融资，无疑是一场重要的催化剂。这笔近亿元的资金，将被用于加速构建物理仿真平台和工业智能体两大产品线的迭代，并计划将其在汽车压铸领域积累的“成功模式”，快速复制到航空、能源等对仿真精度和过程控制要求同样苛刻的“大制造”领域。这不仅仅是产品矩阵的丰富，更是一场关于“实体工业数字孪生”的规模化实验。
想象一下，当航空发动机的涡轮叶片在铸造过程中，一个超级工业智能体能够基于其自身物理引擎，实时感知熔炼制壳过程的微妙变化，自主修正降温曲线以避免热裂；当一个化工厂的反应釜内，智能体基于对海量数据与流体动力学的解算，精准预判并防止了一次可能发生的聚合物“爆聚”……这些在科幻小说里的场景，正由于适创科技们从底层物理引擎到用户场景的不断打磨，变得愈发真实可感。
制造业的痛点和挑战只是表象，背后是庞大的技术路线抉择与资本博弈。工业软件的星辰大海，不再是冰冷的代码和算法，而是具有自主判断、自主决策能力的超级智能体，它们将接管那些正在流失的“老师傅记忆”，并将其转变为能够穿越行业周期的、可自我进化的实体工业智能。这场发生在铸造车间里的“智能体革命”，或许才刚刚开始。
