宁德时代独家投资子虔科技C轮:AI能否压缩工业研发前置环节?
过去一个多世纪,制造业一直在解决“如何更快、更便宜、更稳定地生产”。从福特流水线到自动化工厂,这个问题已被回答得足够好。但另一个问题很少被摆上台面:产品走上产线之前,它究竟应该被设计成什么样? 如果说制造,是把确定方案生产出来,那么创造,就是从无数种可能里找到可行设计。制造有产线、节拍、良率等一系列参数可以衡量,创造却
一个多世纪以来,制造业琢磨的都是怎么把东西做得更快、更便宜、更稳定。从福特流水线一路走到自动化工厂,这道题答得已经够好了。可还有个问题很少被认真讨论:产品上产线之前,到底该长成什么样?
制造是把定好的方案造出来,创造则是从一堆可能里挑出那个能落地的设计。制造这边,产线、节拍、良率都有参数可量;创造那边,零件尺寸、装配关系、加工工艺互相咬着,改一处,原本成立的方案就可能得推倒重来。研发阶段怎么选,后面制造成本多高、供应链有多大风险、产品性能如何,基本就定了。
工业领域尤其如此。过去几十年,工业软件主要干的是两件事:把设计表达清楚,把验证做快。从甩掉图板到2D转3D,工具确实越来越强,可工具链各管各的,设计还是得靠人的经验撑着。
AI的应用边界正在从文字、图像、代码往三维空间和工程研发上走。问题也跟着来了:AI进了研发端,是让画图快一点,还是让“从可能到可行”这道筛选本身变个样?
变化已经出现。AI工业研发平台子虔科技近日完成C轮融资,宁德时代以自有主体独家战略投资。钱主要投向两处:提升AI研发能力,拓展全球市场。
宁德时代为什么选在这个时点押研发端?子虔讲的“光速造物”,又卡在哪一步?要弄明白,得先看看产品诞生最前面那段路。
制造与创造之间,横着一段“时间黑洞”
子虔科技创始人龚敏彦想过一个更远的场面:飞往火星的飞船要是坏了个零件,难不成还从地球发货?他的设想是,宇航员拍下坏件,靠AI把设计做出来,直接在船上把件造出来。
这画面听着远,指向的却是眼下的真问题:制造能力再猛,创造这一环跟不上,想法到实物之间照样隔着很长一段时间。
龚敏彦把制造和创造拆开看:前者是把确定方案生产出来,后者是从无数可能里找到可行设计。他拿乐高打比方——6片2×4的8颗粒小积木,能拼出的构型有9亿多种。真实工程比乐高难得多:拼得出来只是底线,还得可制造、可装配、成本压得住。
装备一大,这种复杂性就成倍往上翻。一艘300多米的游轮,船上电缆铺了超过4700公里,管路超过370公里。设计时动一个参数,哪些管路得跟着改、哪些电缆走向要重新校核,人工一条条查几乎不可能。
工业上管这叫参数化设计:一个参数变了,关联参数得按物理规律同步变。过去这些关联关系靠人一个个建,AI要是能参与,变更引发的连锁反应才有机会自动处理掉。
麻烦在于,传统工业软件多半只“记录设计”,不“参与创造”。设计师在CAD里画,在CAE里验,再到PLM里管变更,工具链是断开的,经验散在人脑和文档里。AI想进研发端,光加速画图不够,得扎进“从可能到可行”的筛选过程。
这正是“光速造物”要回答的头一个问题:产品诞生最前面那段路,AI能不能压掉一截?

真正的门槛,不在模型,在工程Know-how
子虔团队做过一次内部验证:让zCAD. AI生成一台减速器的概念装配体,壳体、输入轴、行星架、三组行星轮、固定内齿圈都在里面,多级装配分层分明,零件间带配合关系,还能直接跑运动仿真。
全套流程走了4轮对话和修改,用了30分钟。对照一下,专业机械设计师手上没图纸、纯手工建模,大概要3小时。就算不懂机械结构,几轮对话下来也能得到一套能动、能改、能拿去制造的工程装配体。
还有一次验证更难——一台纵置四挡液力自动变速器。这玩意儿是汽车动力系统里结构最复杂的部件之一,液力变矩器、多组行星齿轮、液压阀体等子系统都塞在里面。整套模型由AI直接调平台底层建模引擎生成,没走软件界面。出来的是分层清楚、带配合关系的工程装配体,能剖视、能爆炸展示,也能做运动仿真。四缸发动机等内部验证,团队同样是用zCAD. AI完成的。



这些验证的要害不在“生成得快”,而在“生成的是什么”。眼下部分AI 3D工具产出的是网格模型,看着像那么回事,零件却没有参数、不可编辑,彼此之间没有装配约束,物理上也不对,容易穿模,没法直接拿去制造。工程模型是另一回事:一串有先后顺序的建模步骤,加上尺寸和约束,更像一段程序。这两年大模型写代码的能力上来了,AI按步骤“搭”模型才成为可能。可工程要的是确定结果,所以建模步骤由AI给,几何计算交给确定性的工程软件内核,生成完再按约束查一遍。

子虔产出的是可编辑、带配合关系的参数化模型:孔的大小一改,相连零件顺着约束跟着调;曲面连续性做到G3;变更会自动关联到受影响的文档和版本。导出STEP,能在别的CAD软件里接着设计;导出STL/3MF,可以直接3D打印。
生成只是开头。AI进研发端,真正的门槛是工程Know-how,而这些东西大多不在最终图纸上。举个例子,一个支架壁厚定3毫米,图纸上就写这个数;当初为什么没用2毫米、哪一版试过出了岔子,通常只有经手的工程师知道,顶多在邮件或评审记录里留一句话,人一走就带走了。大模型能从公开数据里学通用设计规律,可一家企业几十年攒下的经验,它学不到。想让AI用得上,设计、仿真、评审就得放在同一个平台上做,过程才留得下来。
子虔服务过的一家航空设计研究院,过去管路设计靠本地CAD客户端,管路走向的链接容易丢,图纸标注全手工,设计和仿真分属两套软件,中间得先导格式、花大量时间做前处理。子虔为其定制云原生管路设计仿真工具后,导管直接生成,弯曲半径和壁厚自动适配,AI识别管路属性并自动标注,设计时实时检查最小直线段、壁厚、材料匹配等规范,模型直接进仿真、自动前处理。结果是标注效率提升80%,合规差错率降到1%以下,仿真周期缩短50%。

数字手写设备企业遇到的麻烦不太一样:CAD数据和BOM各管各的,人一走,经验也跟着走。子虔把设计数据与BOM打通,让评审流程和交付物挂钩,结果90%的个人知识留成了企业资产,返工少了30%。
两个案例说的是同一件事:这道门槛至少有两层。一层是行业规范和工程知识,通用规律模型能学,但一家企业几十年攒下的修改经验,很难直接学走;另一层是跨团队、跨工具链的协作,设计、仿真、工艺、供应链得在同一个数据闭环里干活,AI才有机会真正插上手。说到底,AI工业软件的门槛不在“有没有大模型”,而在能不能把工程Know-how变成可计算、可复用、可验证的资产。
子虔的位置,与工业软件的下一场竞争
子虔科技2020年成立,从工业软件研发做起,底层按本体论(ontology)搭建,陆续推出AI原生工业研发平台ZIXEL和海外AI产品zCAD. AI。它切进去的方式,是帮制造类企业找到真正能用AI提效的环节。不只是替代传统CAD/CAE,而是把AI放进“从可能到可行”的筛选和验证环节里。
在国内,子虔面向设备制造、汽车供应链、航空制造客户的管路与电气设计等B端场景,给出完整的工业软件工具链、AI提效看板、AI工具包,落地时用FDE(前置部署工程师)的方式结合行业。海外则把能力做简化,先面向maker群体,一句话或一张图生成可编辑模型,再做可制造性检查,3D打印出实物。

zCAD. AI在2026年10月24日于Product Hunt全球发布,当天拿下日榜第一。目前全平台注册用户十万人,覆盖80多个国家和地区,用户最多的是美国和中国;已生成超2万个模型,单次生成中位时长约4分钟;6000多位用户导出模型8000多次,其中STL/3MF 5000多次,用于3D打印,STEP将近3000次,拿去其他CAD里接着设计。
龚敏彦在与产业方沟通的过程中注意到,情况已经变了:“AI越热,产业资本反倒越盯着它最终能落在哪儿。投向连接物理世界的AI,是更稳妥的路子——它面对的是实打实的研发投入、实打实的产线、实打实的产品,创造的价值看得见、也算得清。”在他看来,宁德时代把筹码压在研发端,放到产业逻辑里并不难解释。制造业里,成本、供应链和风险,大多在产品研发设计阶段就已成定局。
工程界有个流传很广的说法:产品成本的七到八成,在研发设计阶段就定下来了,这个阶段做效率优化,投入产出比最高。具体比例各行业不同,学界也还有争议,但“越往后改越贵”没人反对。产线上能抠的成本有限,大头在图纸上。
工业软件的竞争维度也在变。过去比功能覆盖、模块完整、客户规模;AI真进了研发端,比拼会集中到三件事。一是工程资产能不能复用,可穿戴设备企业那个案例是个侧面,设计变更周期缩短43%、量产返工成本降低27%,靠的不是画图快,而是变更能自动关联受影响的文档和版本。二是数据能不能形成闭环,设计、仿真、工艺、协作还散在不同系统里,AI的价值就会被工具链吃掉。三是行业Know-how能不能沉淀,精度和迭代速度是大模型眼下两道坎,制造场景里公差错一点就可能全废,创造阶段又要快速试错、一次出多版方案,难的是把行业规范、工艺约束和协作习惯变成系统能力。
对子虔来说,“光速造物”不是喊速度,而是对研发范式的一个判断:AI能参与创造之后,工业软件的价值重心会从“画得更快”挪到“想得更准、留得更住”。
这个判断成不成立,要看它在航空、汽车、设备制造等场景里能不能攒出可复用的工程资产,也要看宁德时代这类产业资本能不能带来真实的研发场景和协同。换句话说,宁德时代押的不是一个融资故事,而是AI进入产品诞生源头的一种可能。