文章来源：高榕创投
过去30多年，CAD（计算机辅助设计）软件的普及彻底变革了工程和制造行业，并孕育了西门子、达索、Autodesk等全球头部厂商。
2020年成立的设序科技，选择了一套和传统CAD软件截然不同的技术架构和产品路线图。设序相信AI重塑工业的巨大潜力，有机会让工业软件从“工具赋能”向“结果驱动”跃迁。
5年多的时间，设序打造了工业智能生成式设计软件“闪设”，让设计师能够一键生成3D设计方案和2D工程图，并沿着产业链条不断延伸产品矩阵，实现了从“设计需求”到“工艺规划”的全流程覆盖。
今天，不管是在本田、宇通客车、东风汽车、中国商飞，还是特斯拉在美国内华达的工厂，都有设计师每天使用设序产品，亦或是有由设序生成设计图纸制造而成的设备。目前设序服务的大客户超过100家，2025年营收破亿。公司也在过去一年连续完成三轮融资，累计融资额超亿元。
近期，我们与设序科技创始人、CEO吴泳荣进行了一次对话，聊了聊打造新一代工业多智能体平台的愿景。高榕创投曾投资设序科技天使轮，并在后续多轮融资中加注。
理解工业制造的复杂，也理解AI能力的边界
吴泳荣曾在汽车行业的制造端深耕多年，曾任通用先进制造实验室研究员、蔚来汽车智能制造专家，负责AI技术应用。
吴泳荣回忆，这些年AI技术已经在制造端的视觉检测、抓取搬运、维保等场景落地应用；但是行业还面临一个巨大的痛点需求，即AI是否有机会深入到产业上游，帮助设计研发端的工程师全面提高工作效率和质量。当然，最终的目标不仅停留在设计研发阶段，而是希望通过AI赋能设计研发，推动工业品从设计到制造的完整交付，真正实现“Design for Manufacturing”。
吴泳荣意识到，“AI变革工业”有很大的机会，且自己的背景和经验匹配。在汽车行业的多年积累，让他亲身经历过完整的交付过程，对工业需求的理解比较深，“工业场景可能囊括从方案设计、结构设计、电气设计、加工制造、装配到现场调试等环节，且各个环节的数据息息相关”；与此同时，吴泳荣之前的工作经历中，会自己动手写代码、搭建模型、收集和训练数据，对AI底层的技术原理有充分了解。
一支具备工业和AI交叉认知的团队，加上获得产业方的支持和大量行业闭源数据，“天时地利人和”，吴泳荣和团队开始了创业之旅。
工业设计师的“设计神器”
吴泳荣介绍，在中国这样的制造业大国，对工业设计的需求非常大。“单就中国汽车工业，有50万工业设计工程师，每位工程师每年的产值大约是20万，那么总产值就有1000亿左右。”
原本，设计师生成一套设计方案，需要花费大量的时间在前期方案构思以及后续使用CAD软件手动草图建模上，为此，设序研发出了智能设计平台——闪设3D Agent，设计师只需输入需求即可直接生成包含工艺及装配等信息的3D设计方案。
在此基础上，设序再推出三大Agent：闪设2D Agent自动生成具备全要素信息的加工图纸，审图Agent校验尺寸、工艺、标准合规性，工艺规划Agent输出可执行的工艺方案，实现设计到生产的无缝衔接。
吴泳荣介绍，使用设序产品之后，客户发现能够同时满足对于设计效率提高和设计质量提升的双重要求，为他们创造了很多aha moment和“不可逆的体验”。“单就设计环节的效率提升来说，能够把设计师的交付周期缩短至10倍以上；更重要的是显著提高设计质量。”
打造工业世界模型，让AI交付真实可用价值
当然，行业对于工业设计Agent生成结果的准确率、一致性、可用性存在一定疑虑。
吴泳荣介绍，工业设计Agent落地有两大难点。首先，AI生成的结果必须符合工业机理和特定的标准，这也是AI for Science领域的共同挑战；其次，在庞大的工业交付体系中，不仅仅需要画图，还涉及各类任务的交织和协作，需要Agent有充分的智能去实现任务的拆解、管理和推进。
目前不少传统CAD软件公司也在提AI，但更多是利用自然语言大模型来打造用户AI助手。吴泳荣指出，如果只是基于自然语言模型，AI可能理解一些建模或画图的过程，但是很难理解这些几何模型在加工现场是如何被加工出来的、制造要求是什么。
设序的产品平台基于自研的工业世界模型与自然语言大模型封装的智能体共同协作。其中，工业世界模型嵌入工业场景中完整的工业信息和工艺机理，满足工业精度，进而处理工业垂直任务。
设序的工业世界模型基于一个双层嵌套的图神经网络作为基础架构，并且用特殊的结构告诉AI，数据有装配关系、特征关系和约束关系。第一层嵌套网络表达装配体里多个零件和他们之间的装配关系；第二层嵌套网络表达零件本身的几何特征，比如有多少圆角、多少槽、多少个孔等等。
基于这个全新的模态，能够完整表达工业装配体三个维度的信息。首先是零件维度，即零件种类、材料；第二是零件向下维度，即零件有哪些特征，如几个孔、几个槽；第三是零件向上维度，即该零件装配在哪、和谁装配。“基于这三个维度的信息，就能知道装配体的定位和要实现的业务功能。”
除了模型架构，对于垂直模型来说，高质量的训练数据非常重要。吴泳荣介绍，设序工业世界模型训练的参数量接近10亿，百分百是闭源的数据集。“一方面来自产业方股东在行业里积累近20年的数据，另外来自设序SaaS客户和设序团队自己交付的数据。”目前设序SaaS产品的公有云端，每天生成的图纸或零件数量不低于5万，一年不低于2000万。
此外，设序团队运用工业机理的强化学习技术，让AI生成的结果在一定的约束范围内，为工业标准保驾护航。
工业多智能体平台应运而生
随着产品的成熟和模型能力的提升，设序逐步发展成一个工业多智能体平台。
一方面，设序产品真正到达了智能体的能力，比如生成准确率、一致性、自动判断和响应任务的能力持续提升。
其次，在工业交付流程中，从任务拆分、管理、审核到最终的交付，是一个多任务协作且各个环节息息相关的过程。今天设序围绕交付流程的不同环节，都打造了对应的智能体。
吴泳荣以无锡一家制造厂商为例，他们主动找到设序希望上线AI自动核价的功能。基于设序平台，能够基于AI设计方案快速生成工艺，并自动计算加工成本并委外制造。“之所以设序可以做到，是因为我们生成的设计结果均包含了工艺和制造信息。”
RaaS成为AI时代最好的商业模式
在产品持续进化的同时，设序也在思考除了SaaS产品订阅、私有化部署之外，更匹配AI时代的商业模式。今年初，北美AI界讨论AI直接交付结果可能是更好的商业模式，即RAAS（Result as a Service），这为设序团队带来启发。
吴泳荣指出，从用户需求和付费习惯角度，在汽车等工业产业，交付是产业链上每天都在丝滑发生的动作。
其次，做交付可以让产品更深度地耦合在整体的工业流程中。“想象一下，一个行业或者场景中的大部分图纸都由你的平台去交付，那么平台未来就会成为行业新的定义者。上一代的工业软件巨头达索，最早是造战斗机的，他们为了交付战斗机形成了一套最佳实践。”吴泳荣认为，在AI时代，谁用AI形成了一套最佳实践，谁有可能成为新时代的行业定义者。
目前，设序已经与一批工业设计公司建立生态合作，面向终端客户交付AI设计结果。2025年设序RAAS板块的收入已经占到全年营收的1/4。
今年，设序除了服务汽车、3C、能源行业客户，也新增了很多跨行业的头部客户，例如3C领域的博众，轨交领域的中车，以及快消领域的欧莱雅等。“工业设计需求在我们身边时刻发生，比如欧莱雅的全球创新部门主动找到我们，希望用设序产品去设计欧莱雅大量的包装和展示物料设计。”
设序数据将在具身智能时代大放异彩
谈及2026年的目标，吴泳荣谈及三点。首先，将RAAS商业模式跑通；研发端，把模型的参数量和能力实现一个量级的抬升，实现从工艺到制造的环节打通；最后是开启出海，“目前也有海外客户主动找到设序，比如一家德国的知名重工业企业”。
放眼更远的未来，吴泳荣聊到，随着具身智能和机器人继续发展，想要在工厂端做实际训练或落地，设序背后积累的大量设计研发端数据将会非常有价值。
举个简单的例子，一台机器人想要进行零部件的抓取，以往是通过摄像头去感知实物的大小、材质等等，可能会有误判；有了设计端数据，再结合工厂摄像头实时捕捉的光电信号一起做判断，对模型的准确性和鲁棒性都会有非常好的助益。
“这是一个很小的案例，要知道所有制造现场的实物在设计阶段都是有完整数据的，而且是一一对应的数字孪生数据。”设序从设计端切入，积累的数据在未来制造端的各个环节以及具身智能场景，都有非常重大的意义。
