首发丨中国版“普罗米修斯”计划，中科院博士郭锐又融资了

我去了一家没有门头，也没有前台的公司，只有近百台电脑和服务器同时运转，嗡鸣声不断，几十名研发人员盯着各自的屏幕，走廊和工位周围挂着一幅横幅，上写着一句话：

“除了成为地表最强，我们没有其他的路可以走”。

这家公司名字叫天枢摇光，来自北斗七星首尾两颗星的命名，听起来很浪漫对吧？但天枢摇光做的事却非常硬核，是全球AI竞争的下一个热点，但也是离大众很远的一环：用几何设计优化大模型完成制造业几何建模与性能优化。

现在聊起大模型，聊的都是Vibe Coding、文生视频、具身智能等，但实际上物理世界几乎所有的实体产品，都起始于三维几何建模、仿真迭代，但目前制造业在大规模使用的设计仿真体系不仅老套、效率低下，包括航空、船舶、汽车、火箭等高端制造，苦秦久已矣。

让AI牵引人类制造水平跃迁，这正是天枢摇光要啃下的硬骨头。

据投中网了解，天枢摇光已正式完成数千万元Pre-A轮融资，本轮融资由合创资本领投，元航资本跟投，之前投资人还包括东方嘉富和普华资本，这四家基金都投资过多个成功的高端制造创业公司，他们共同押注了天枢摇光这家几何设计优化大模型公司。

据悉，本轮融资资金将主要用于加速面向全球制造业的通用人工智能工程师（Artificial General Engineer，AGE）的打造，继续保持其已商用的几何设计优化大模型GENVIS的领先身位。

关于如何用AI深度赋能制造业，美国人也看到了巨大的想象空间，并且已经投入巨资押注。

2026年6月11日，前世界首富贝索斯的普罗米修斯计划（Project Prometheus）完成120亿美元B轮融资，投后估值约410亿美元，贝索斯要做的也是“人工智能通用工程师”（AGE），目标是人类只需要提出目标，比如把喷气发动机的推力提升10%，用什么材料、怎么画图这些工作都可以交给AI，贝索斯的原话是“A very modern version of CAD”（一个非常现代的CAD系统）。

投中网此前在《7000亿，贝索斯募了一只“捡尸基金”》《最牛夫妇，拒绝千亿Offer》有过详细介绍。资本市场愿意在一家尚未披露产品的公司身上给出410亿美元，逻辑不难理解：2023年全球制造业生产总值为44.5万亿美元，CAD处在整条价值链的最上游。

这意味着，谁能重写CAD，谁就把住了AI进入制造业的入口。人类发展离不开制造业，制造业的源头是几何设计，所以用AI改造它的想象空间是巨大的。

AI几何设计优化

天枢摇光一直在做的事，就是从CAD软件的底层内核“三维几何引擎”重新写起，做出一套支持设计仿真“模型”一体化的系统，解决全球制造业由于传统工业软件长期卡滞导致的“设计全靠手、优化全靠猜、工艺全靠试”等核心痛点。

2026年6月，天枢摇光逐步备齐了批量水密几何生成、仿真性能快速标注的合成数据生成管线，凭借在尖端制造领域的几何设计和性能优化技术积累，开始训练自己的几何设计优化多模态大模型。

市面上火热的文生3D、高斯溅射等生成3D模型生成技术，大多服务于消费端，输出的3D模型追求视觉上的逼真效果，本质是“给人看”。而制造业需要的是经过严苛仿真迭代、可以交给机床加工、能大批量一致性生产的三维几何模型。

天枢摇光给他们的几何设计优化大模型起名字叫GENVIS（真维斯），原因是他们就是要把科幻电影里钢铁侠给自己造战甲的“贾”维斯变成“真”的。（捂脸笑哭）

他们目标是实现工程师只需要提出尺寸要求、性能需求，AI完成全部设计优化，直接交付可以用于复杂系统制造的三维设计方案。将过去需要数人年的人工试错工作，压缩到数分钟输出全局优化方案。

天枢摇光是谁？

像他们的门头一样，天枢摇光是一家低调到让人诧异的公司，公开渠道几乎查不到他们多少有效信息。但他们已经在服务多个尖端制造客户，年营收数千万。

他们是从哪里“冒出来”的？

天枢摇光的血脉传承，可以追溯到刘慎权先生，中国CAD与计算机图形学的奠基人之一。1987年，刘慎权先生与魏道政、林宗楷先生共同倡议，中国科学院批准成立了中科院CAD开放实验室，是国内CAD领域最早的国家级实验室。

公司董事长李华老师是刘慎权先生培养的第一位博士，国务院特殊津贴专家，1995年38岁时接任CAD实验室主任，期间担任过中国计算机学会CAD与 计算机图形学专委会主任。CEO郭锐是李华培养的最后一位博士，公司CTO任文杰是达索中国的技术负责人、原三一重工数字样机研究所所长李恒宇担任产品负责人。这样一个CAD“梦之队”在2023年开始一起创业了。

2025年，天枢摇光为尖端制造客户实现了整机外形和结构全参数化驱动的高质量几何建模，75秒就能完成以前使用国外CAD需要多个专业工程师数月的建模工作，建模质量高到整机的几何可以被全自动整机共节点网格剖分，这是全球业界从没有过的事情。

几个月后，天枢摇光开始调用DeepSeek的API，通过多Agents协作，将自家的智能仿真求解器作为校验器，大模型负责推理反思和调度排布，在几何上直接迭代复杂系统的结构布置形式，短短几分钟时间，大模型完成了上百轮优化迭代，实现了结构强度和振动模态的联合优化。

在天枢摇光实现这一套工作流之前，业界只能依靠工程师的经验做复杂的结构设计，耗费大量时间精力，也只能完成屈指可数的几轮“纯手工”优化。

为什么向来谨慎严苛的尖端制造客户愿意抛弃用了多年、上个时代世界上最好的CAD软件不用，而要指望一个小公司的初代产品？核心的原因是，高端制造对于产品的性能要求、研发时效、成本压力，使用原有的CAD、CAE软件已经几乎无法实现。

天枢摇光的路线是先补位痛点功能的缺失而非全面对标。他们的判断是，初创公司不可能在功能完整度上超越市值数千亿的海外国际巨头，可行路径是在客户最“痛”的设计优化环节做到更好。

因为在现有体系下，研发成本过高、周期过长，痛点已经足够突出，行业内一旦有公司开始使用新时代的设计工具，其他公司若不用，就会在设计效率和设计能力上形成代差级别的落后。

下一个Vibe Coding

为什么美国市场愿意给做通用人工智能工程师（AGE）的普罗米修斯开出410亿美元估值？郭锐的理解是，制造业设计优化过程，本质上是几何建模、物理仿真校验的多轮循环，完全可以实现像Vibe Coding一样，AI自己生产、检验、迭代，并最终完成交付的闭环。

在vibe coding领域，AI能够完成闭环的原因是，编写的代码可以由AI自动生成测试案例验证，还有编译器校验语法错误，生成与校验可以在无人参与的情况下完成，因此商业落地能力极强。

反之，比如我是个写稿子的，如果我让大模型撰写一篇报道，那我必须逐字阅读检查，文章结构、逻辑、用词等等，生成内容越长，我校验的成本越高，AI写稿的大规模的商业化就很难成立。所以用了这么长时间AI，我越来越坚信AI并不能替代我。

与Vibe Coding一样，AI几何设计优化的底层是固体力学、流体力学、热力学等等这些人类研究了数百年的物理定律，在现有工程体系中它就是判定标准。天枢摇光的几何引擎就是在“写代码”，而他们的智能仿真求解器在机械设计场景中扮演的，正是“编译器与测试案例”的角色。

这就是郭锐认为AGE是继AI Coding之后，下一个AI重要市场的原因。天枢摇光给AGE的定义，是由AI系统级地生成满足性能和制造要求的几何模型，而不是生成一些没有经过严格仿真迭代和校验的简单零件，更不是生成仅供观看的点云或视觉效果。

在这一层上，郭锐与贝索斯看到的是同一件事。区别在于，普罗米修斯从AI一侧切入，天枢摇光从CAD一侧切入，要把CAD本身重写，再让AI在上面闭环。

要想跑通这套闭环，天枢摇光需要同时攻克三个难关：多物理场耦合求解、多目标优化、训练数据来源。

而整套闭环得以成立的Infra，正是天枢摇光实现的裁剪曲面边界高阶光滑的几何建模、全自动高质量网格剖分能力——没有能够直接仿真的原生几何模型，后续基于数值求解器的智能求解器的训练、智能体迭代、原生大规模几何模型和仿真数据合成管线都无从谈起，这也是目前除了天枢摇光，还鲜有人在真实的复杂工业场景跑通系统级几何设计优化的核心原因。

更关键的一点是，天枢摇光自研智能求解器训练框架，和真实物理试验的数据拥有完全一致的量纲与输入输出结构，客户手里沉淀的实物试验数据，可以直接拿来做后训练，持续把求解器精度向真实物理世界对齐。

郭锐把这个过程类比大模型的预训练‑后训练范式：全自动网格剖分能力，让大规模预训练可以自动化跑完，不需要人工介入；而后训练的优化素材，则直接复用产业端已经存在的真实实验数据。

有了更快而且更准的校验手段之后，第二关是多目标智能优化。工业设计不是只追求单一指标，要同时平衡强度、重量、成本、工艺约束的“艺术”。

天枢摇光并非简单直接调用基座大模型做生成，而是对基座多模态大模型开展面向工程约束的后训练微调，打磨出适配不同领域的行业专属设计大模型，让大模型懂得专业工程边界，而不是天马行空地输出脱离制造现实的结果，未来，他们想对大模型做更多的预训练工作，从根本上提升大模型对于几何构型和性能特性的“直觉”，并持续提升泛化能力。

第三关也是最难的就是训练数据来源。工业领域缺少大量带真实性能标签的高质量三维工程样本，历史存量图纸模型大多标签缺失、数据质量参差，直接投喂给大模型无异于“投毒”，很难训练出可用的工程能力。

对此，天枢摇光搭建了总体设计、分系统设计、设计优化类工程智能体。智能体在给出建模方案，送入他们自研几何引擎中生成边界连续的完整工程模型；模型无需二次处理，直接被智能仿真求解器计算打上性能标签，结果回传给设计优化智能体；不满足强度、重量、工艺等工程约束，就在大模型反思后修改参数进入下一轮迭代。

整套迭代循环，不需要人工介入标注。迭代过程中沉淀下大量“几何‑性能”配对样本，形成专业领域的高质量数据集，用来训练自有行业大模型。

郭锐认为这是全球范围内少见的几何引擎、合成数据与模型训练三者闭环的管线。他强调，AGE真正的核心飞轮是设计仿真能否高水平的自动闭环，这是能否贴合各行业真实需求、建立零成本训练数据集的关键。

这套闭环已经在大型船舶、商业航天领域上商业落地。

以天枢摇光某商业航天客户的火箭级间舱段（火箭一级、二级之间的连接筒体）为例，在原有人工设计方案基础上，天枢摇光的几何设计优化大模型自动迭代寻优，最终实现舱段重量降低10.34%，同时结构强度提升10%，工艺复杂度同步下降。对商业可回收火箭而言，箭体结构每减重5%，就可以多出数百公斤有效载荷，折算单次发射能够带来千万元级别的商业收益。

不过这套闭环目前依旧存在能力边界，更擅长在已有的结构形式之内迭代出重量、强度、成本更均衡的方案，暂时还做不到全新概念构型，想要实现概念设计创新，还需要积累更多跨行业的合成数据，这也是天枢摇光接下来要做的事情。

目前，天枢摇光已经整体实现微利，虽然绝对数额不多，但对于一家处于早期阶段的公司而言，证明天枢摇光的产品已经落地到真实制造业场景。制造业客户愿意为创造价值付费，不可能为“玩具”级别买单。

当下的一级市场并不吝啬给出高估值，很多AI公司无需经过严苛市场验证，仅凭宏大叙事和团队履历就能拿到一轮轮的融资。天枢摇光不仅有宏大叙事、专业团队，也是有技术壁垒、产业验证、已经产生不小收入的公司，在经历蛰伏后，受到资本市场的关注，也在情理之中。