贝索斯410亿Prometheus：想象到图纸，友机AGM攻坚图纸到良率，竞逐物理AI闭环

一架发动机，10 年，和一个被忽略的断点

任何一家喷气发动机厂商被问“再做一台推力多 10% 的发动机要多久”时，答案基本一致。

不是他们懒，是因为它太复杂。

贝索斯把这件事讲得很透彻，并把目标定在了“如果这件事能压缩到 5 年、2 年，甚至 1 年呢？”

这不是思想实验。2026 年 6 月，他联席执掌的 Prometheus 完成 120 亿美元 B 轮融资，估值 410 亿美元，累计融资超过 180 亿美元。摩根大通、高盛、贝莱德、DST Global 都在名单上。这家 2025 年底才对外公布、约 150 人的公司，要做的事情被概括为Artificial General Engineer（AGE，通用人工工程师）——把人类从“想象”到“实物”的周期压缩 10 倍以上。贝索斯反复强调，Prometheus 不是一家机器人公司，它更像“一个非常现代化的 CAD”。

这个故事足够合理，但漏了一段。

贝索斯谈的是仿真与设计。但从图纸到第一件合格零件，再到稳定量产的实际生产——他没讲。

设计再快，落不到合格零件，等于零

假设 Prometheus 真的把发动机设计周期从 10 年压到 1 年。接下来问两个问题：这张图纸多久变成第一件合格零件？再过多久变成月产万件、良率 98% 的量产线？

从设计端到制造端。这两段的性质完全不同。设计问题的瓶颈是 搜索空间太大：成千上万种可能方案，AI 最擅长在巨大空间里筛选。

制造问题的瓶颈是物理反馈不可跳过。刀具在钛合金里崩掉是几毫秒内的事；薄壁件装夹变形只有在真实夹紧力下才显现。这些信息，绝大部分不在图纸上。

现场：把感知和控制放到机床边上

友机技术（UJOIN）正在做的，就是后半段。

切削是高速、连续、强时变的物理过程。断刀、崩刃、卡屑、颤振往往在数毫秒内发生并已造成后果。如果数据要上传云端分析再下发指令，往返时延和网络可靠性都匹配不了车间的真实节奏。

2026 年 8 月，友机发布 边缘智能终端通用标准版，把感知、判断、控制全部下沉到机床侧：

·撞机保护：0.25ms 内识别碰撞特征并触发急停，较传统方式提前约 90%，减少约 95% 的碰撞损失；

·智适应控制：按主轴负载实时调节进给率、抑制颤振，把“用保守参数保安全”改为“按需给参数”。

工艺经验模型化：把老师傅的“手感”变成资产

更难的是第二件事：把资深工程师和老技师脑子里的东西，沉淀为机器可理解、可复制、可优化的模型。

友机的答案是 AI 工艺智能体——把长期割裂的四个环节打通：

· AICAPP智能工艺规划：导入 3D 模型自动输出全套工艺文件，传统 8~10 天的工作量压缩到 1 天，紧急订单响应提升 60%；

· AIFIX智能工装夹具设计：自动推荐夹持方案与夹紧力，非标夹具从 4~5 天压缩到 2~3 小时，工件报废率下降 40%；

·AICAM 智能加工编程：自动识别加工特征、调取企业刀具库、生成刀路，编程工作量缩减 50%~70%；

·Ucut智能切削仿真优化：全要素数字孪生，1:1 还原机床轨迹与多维度物理仿真，

支撑这套系统的，是基于百万级精密加工零件工艺样本训练的 垂域工艺大模型，配合企业本地私有知识库——核心工艺数据留在本地，不上公有云。

飞轮：为什么工业母机精密加工是关键入口

把“毫秒级拦截”和“工艺经验模型化”放在一起，就形成一个飞轮。

仿真生成初始工艺 → 真实加工 → 传感反馈 → 模型修正 → 更优工艺 → 更多部署 → 更多数据。

友机选择金属切削作为物理世界入口，是因为它具备了闭环：每一次循环都能在毫秒到分钟级拿到真实答案。零件合格与否、刀具断否、主轴负载多少——物理世界从不撒谎，反馈极快。绝大多数工业场景的反馈周期以月计甚至年计，飞轮根本转不起来。

这个差别，决定了 Physical AI 公司的护城河不在模型参数，而在四件事：仿真、真实、闭环、控制。最后一项是分水岭，只有当 AI 能实时调整进给、改变转速、触发保护，它才从“看懂世界”进入“改变世界”。

AGM：如果 AGE 是工程师，AGM 就是老师傅

基于这套逻辑，友机给自己的定位是Artificial General Machinist（AGM，通用机床师）。

这个命名与 AGE 形成了一个有意思的对仗：Prometheus 压缩的是 Dream → Drawing，关键能力是物理仿真、设计方案搜索与工程知识推理；友机 UJOIN 压缩的是 Drawing → Good Part，关键能力是工艺规划、切削仿真、实时感知、动态控制与持续学习。只有两端同时被压缩，那台推力增加 10% 的发动机，才真的能在 1 年内飞起来。

放到更长的时间尺度，这是一个三阶段演进：Machine Tool 1.0 时代，机床只能被动执行机械动作，操作完全依赖人；CNC 2.0 把运动自动化了，机器开始精准执行程序，但工艺规划和编程依然由人完成；Autonomous Machining 3.0 让机器自主完成规划、仿真、感知、控制与学习，人的角色退到提出目标和监督。过去 70 年数控系统解决了“让机床准确执行人的指令”，却从未试图解决“让机床理解加工过程、感知自身状态并自主作出工艺决策”。AGM 赌的就是这第三层。

为什么是现在？

三件事同时成熟。

政策：2026 年 7 月，工信部装备工业发展中心发布《工业母机智能化变革十大趋势展望》，明确新一代 AI 正在把工业母机从“被动执行指令的工具”推向具备自主感知、决策、执行与学习能力的 物理智能体。

市场：中国约 1000 万台存量工业母机，全球规模最大。2026 年上半年行业营收 5309 亿元、同比增长 7.6%，利润 196 亿元、同比增长 110.8%——结构性复苏正在为智能化改造打开资本开支窗口。

技术：边缘计算成本下降、垂域模型训练方法成熟、传感器国产化让硬件成本下降，这件事第一次具备了工程可行性。

把图纸稳定、低成本、大批量地变成合格零件。需要Prometheus 压缩前半程。也需要友机技术压缩后半程。这两件事，少了任何一件，那台 1 年造出来的发动机，都还只是一张图纸。