比特无限完成数千万元Pre-A轮融资，刚刚在全球物理3D竞赛ECCV中夺冠

一天前（9月8日），瑞典马尔默的ECCV 2026研讨会上，出现一支中国团队的身影。

来自上海的比特无限，最近联合武汉大学团队，凭借自研Arko系列模型，以96.39分的成绩击败其余27支全球队伍，拿下ECCV 2026 CAD Challenge全球第 一。这个分数，是组委会以GPT-5.5最高强度推理模式设置的基准线的近5倍。

但正如大多数人的第 一反应：一家乍听陌生的创业公司，何以登顶全球计算机视觉顶 级赛事？

答案藏在它的技术路径里。当全球科技巨头还在用通用大模型试图“理解”工业图纸时，比特无限已经用专用物理3D模型给出了一个完全不同的答案

在华为盘古大模型2号位周平义博士的率领下，比特无限自研了Arko系列基础模型，该模型具备从文本、图像、点云/网格生成CAD的能力，并支持自然语言交互的CAD编辑器。它输出的不是仅供渲染的视觉网格，而是可编辑、可制造的工业级STEP/STL文件，让AI开始真正理解物理世界的几何、装配与制造逻辑。

这也使得比特无限成为今年最火的AI初创公司之一。背后的90后团队，过去半年连续收获4轮融资投资界获悉，比特无限已完成数千万元Pre-A轮融资，由产业投资方跃迁资本、上市公司CVC及老股东超额追投，同步启动的A轮也已拿到多家知名机构的TS（投资意向书）。而意义更为深远的是，在这场物理3D基础设施的全球竞赛中，中国面孔正逐步站到最前排。

全球物理3D竞赛

上海团队一举夺魁

此次夺冠的分量，不言而喻。

ECCV（欧洲计算机视觉会议）是计算机视觉领域三大顶会之一，每两年举办一届，代表了该领域在欧洲的最高学术规格。2024年，ECCV投稿约13000篇，录用率仅为19.0%，口头报告入选率低至1.5%。换言之，每一篇论文的入选，都是从近万篇投稿中反复筛选的结果。

比特无限此次登顶的CAD Challenge，则由斯坦福大学、加州大学伯克利分校、普罗米修斯公司等国际顶 尖产业与学术机构联合组织，专为验证“AI能否生成可制造的工业级CAD模型”而设。

这场竞赛的严苛之处在于，它不追求视觉上的“像”，而是要求工程上的“真”。参赛方需基于3D渲染图与工程制图视图（含隐藏线灰化处理的HLG视图），输出标准化的STEP格式BRep几何模型。系统利用OCCT几何内核，从曲面、边、顶点、拓扑四个维度综合评分，叠加有效样本占比确定最终排名。

更为重要的是，每个账号每日限提交3次，总计不超过30次；测试集927个样本中，任何缺失、OCCT无法打开、网格化失败或超时的结果，一律视为无效。这套机制过滤掉了大量“能演示、不能落地”的方案，留下的都是在几何精度与工程可用性上具备真实力的团队。

颇具意味的是，本届组委会还设置了一项名为“GPT-5.5 Extra-High-Thinking Baseline”的参照系。即在竞赛评测窗口期内，组委会使用GPT5.5开启最高强度推理模式，在完整测试集上一次性离线跑完并固化的历史结果，用来衡量参赛方案相对通用大模型的能力差距。

结果出炉：比特无限以96.39分一举夺魁，而GPT-5.5基线仅为19.32分，仅为前者的五分之一。

这意味着，即便是能力强大的通用多模态大模型，擅长的也只是图像语义理解，并未针对工业几何、制造装配约束做深度优化，很难直接输出可加工制造的CAD文件。

简单来说，通用大模型可以认出图片中的零件，却搞不懂壁厚、螺丝孔径、装配公差这类工程细节。因为这些关键的工程知识，并不散落在互联网公开的图文资料之中，而是沉淀在工程师的CAD图纸、迭代修改记录，以及一次次取舍的设计决策里。

而这正是比特无限在本次ECCV赛事一举夺魁的关键：他们面向物理工程场景专门搭建一整套模型体系，从底层去理解制造业真实的约束与需求。这套能力也为智能设计、工程仿真、自动制造乃至整个Physical AI浪潮，打下了不可或缺的技术根基。

半年连融4轮

华为盘古2号位浮现

这不是一次偶然的登顶。

过去几年，Meshy、Tripo等企业推动了视觉向3D生成的快速发展，游戏、影视、虚拟数字人等领域迎来了爆发。这类方案的核心目标，是输出视觉上足够逼真的三维网格模型，服务于内容创作。

但工业制造的需求是完全另一套逻辑，两者的鸿沟在于：视觉3D追求“渲染画面是否惊艳”，而物理3D的标准是“模型能否被真实制造、装配及使用”。在视觉3D里微不足道的拓扑错位、曲面偏差，放到工业生产中，就可能导致零件无法扣合、注塑开裂、整机松动等问题。

而现实中的消费电子、精密机械、家居零部件研发流程里，资深工程师完成一套合格的CAD模型，往往需要数天甚至数周的建模、校核与反复返工。大量宝贵的设计思路和装配经验，往往沉淀在工程师的个人头脑中，难以被数字化留存、规模化复用。

比特无限自成立之初便锚定这个方向。

2025年，有着多年海外AI To C创业经验的李士麒，携手华为盘古大模型2号位周平义博士及前沿团队在上海创办了比特无限。

预训练负责人周平义，华为盘古大模型联创&2号位，是全球仅约3000名主导过万亿参数大模型预训练的科学家之一，他全程参与了盘古Alpha2000亿Dense、Sigma万亿MoE等三代模型研发，发表顶会论文25篇、GoogleScholar引用1000+、美国专利2项。

面向AI-native交互，将“可制造性”作为物理3D模型训练与评估的重要标准，比特无限重构了物理3D生成的整个设计流程，其自研的Arko系列模型可生成附带尺寸参数、装配关系、运动关节的工程模型，可直接用于3D打印和工业制造。

整体来看，比特无限的技术架构分为三层：底层是210万套物理3D数据集的端到端数据工程体系，覆盖消费电子、机械结构、家居生活三大领域；中间层采用“继续预训练+后训练+Agent框架”，形成“理解-规划-建模-评估-优化”的完整闭环；顶层则是面向C端Maker与B端工业客户的产品矩阵。

这套体系的核心壁垒在于数据管线、工程知识沉淀、几何内核三者的深度耦合。比特无限完整记录并留痕了工程师从创意起草、建模到修改的全过程，将真实工程经验内化为模型的原生能力。其自研的Arko系列模型基于参数化建模语言与OpenCascade几何内核构建，直接输出可编辑、可制造的工业级STEP/STL文件，而非仅供展示的视觉网格。

更重要的是，比特无限已经形成了正向的数据飞轮：每一次用户建模、修改、调试产生的高价值工程经验，都会回流用于迭代模型，“越使用，模型越懂工程”。

取得这一系列成果的，竟是一家成立仅一年的初创公司。投资界了解到，比特无限已组建百人规模的数据工程队伍，同时和上海交通大学、同济大学、华东理工大学深度产学研联动。公司不仅入选了英伟达全球加速计划（NVIDIA Inception Program），还成为智谱AI官方合作伙伴。

投资人纷纷赶来。比特无限透露，继7月官宣天使轮与天使+轮融资后，公司不到一个月又close了Pre-A轮融资，眼下A轮融资也已在推进中。

“GPT-6 Astra让大家看到了大模型在3D建模领域的惊艳表现，但它本质上是个可视化模型，不能直接用于实际的工业生产。AI-CAD模型输出参数化CAD源代码，生成可制造实体文件，这才能应用于工业制造。”跃迁资本创始人郑华良谈起投资逻辑。

他认为，中国有全球最 大制造场景、海量本土工艺数据，这是海外巨头很难复制的优势，“我们相信，AI-CAD模型会率先被中国公司创造出来。比特无限正在做的事情，就是让用户不用再学习复杂的CAD操作，而是描述需求。一旦这个模型技术成熟，硬件的早期原型验证周期将大幅缩短，释放出大量硬件创新供给。同时，这个模型对中国的意义也十分重大，它补齐了国内海量中小制造企业、非标产业的设计短板，重构工业软件竞争赛道，把‘想法到产品’的链路大幅缩短，进一步增强了中国完备制造体系下的创新活力。”

容亿投资创始合伙人刘宏春表示：“我们看好比特无限，团队出自华为盘古大模型原班人马，CEO、CTO、首席科学家形成从研发到商业化的完整闭环，既懂大模型底层、又懂3D制造场景；更关键的是其"数据管线→专用模型→Agent"的飞轮管线持续供给高质量3D数据，模型高频迭代，Agent在真实使用中回流反馈，数据管线正是第 一推动力。容亿在物理AI与大模型领域整体有深厚布局，也较早参与了宇树科技、银河通用、西湖心辰等项目，我们坚定看好比特无限并愿长期同行。”

「普罗米修斯计划」的中国叙事

大洋彼岸，物理AI赛道已掀起巨浪。

风向标是2025年11月。亚马逊创始人杰夫·贝佐斯重出江湖，联手前谷歌高管维克·巴贾杰，创立了工业AI公司普罗米修斯（Prometheus）。公司一直隐秘运营，直到今年6月官宣120亿美元的B轮融资，估值达410亿美元（约人民币超2700亿元），一跃成为全球估值最高的工业AI初创企业之一。

“Prometheus想构建一个‘通用人工智能工程师’。”这是两位创始人在今年6月第 一次接受采访时给出的答案。他们要做的，是要让AI真正建立起对三维物理空间的认知，去理解周围世界。业界将之称为“普罗米修斯计划”。

而要完成这件事，全球公认的核心瓶颈在于“制造业互联网数据”的匮乏。

这是一个意味深长的缺口。过去三十年，全球制造业产能持续向中国转移，海量工业图纸、几何约束和物理参数沉淀在中国的工厂里。然而在国内，多数创业团队仍扎堆于视觉渲染类3D生成，真正瞄准可制造CAD输出、布局物理3D数据基础设施的企业并不算多。

比特无限正是这个行业真空里少数站出来的团队。他们依托中国的工业数据，训练真正理解物理世界的AI模型。这也构成了这家初创公司长期叙事的内核对标“普罗米修斯计划”，走出一条国产化的路线：依托国产算力完成整套模型训练，补齐国内物理3D基础设施的短板。

如果说过去AI的竞争集中在看懂文字、识别图片，那么未来的核心较量，将是理解真实物理世界的几何、装配逻辑与制造规则。这中间隔着的，是截然不同的技术范式与数据体系。

而长久以来，在AI底层基座领域，不少硬核赛道的话语权掌握在海外机构手中。比特无限此次登顶ECCV CAD Challenge，意义正在于此它不仅代表了中国“结构化3D+AI CAD+Physical AI”路线获得国际顶 级学术评测的系统性确认，也证明了在物理3D基座的全球竞争中，中国公司完全有能力与海外巨头同台竞技。

但这支队伍也清醒地看到，物理3D赛道整体尚处早期。高质量工程数据获取成本高昂，现实制造的约束条件纷繁复杂，实验室跑分与工厂真实场景之间，依然横亘着不小的鸿沟。

只有AI真正开始辅助工程师压缩研发周期、降低实体产业的创新门槛，把论文与榜单上的能力转化为制造业的生产力时，物理3D基础设施的价值才算真正落地。而这个过程中，每一套高质量的物理数据集、每一套深谙工程约束的基座模型，都是通往这个目标的基石。

路漫漫其修远兮，这场竞赛远未结束。也许不久的将来，全球3D Token调用量最 大的基座模型公司，会来自中国。