硬氪首发｜东莞人工智能研究院孵化，瞄准模具制造领域物理AI研发，这家企业获创新工场数千万种子轮融资

作者｜乔钰杰

编辑｜袁斯来

本文2100字，预计阅读5分钟。

硬氪获悉，制造物理AI公司合木人工智能科技（成都）有限公司（以下简称“合木智能”）日前完成种子轮千万级融资，投资方为创新工场。

合木智能成立于2026年5月，由东莞市新一代人工智能产业技术研究院联合模具制造企业端品精密孵化成立，是一家专注于模具物理AI、制造语义计算及落地的公司。

具体来看，合木智能希望在机械图纸深度学习的基础上，进一步学习和复刻老师傅积累的工艺经验，为模具制造企业构建AI工艺大脑，并将能力覆盖产品报价、模具设计、DFM、工艺排程、生产加工、品控检测等环节，以提升全制造流程的自动化与智能化水平。

（图源/企业）

公司创始人徐晨是东莞市新一代人工智能产业技术研究院的创院院长，在智能制造与工业AI领域深耕15年以上。联合创始人邹䘵华则在高端精密模具领域从业近20年，是高端模具制造管理专家。

选择模具制造作为切入场景，与行业长期存在的“老师傅依赖”问题有关。当前，模具制造的人力成本约占整体可变成本的70%。一方面，制造业高级技术工紧缺，薪资不断上涨，进一步压缩了企业利润空间；另一方面，模具制造中的关键岗位普遍要求从业者具备3至5年以上实操经验，人才培养周期长、门槛较高，目前行业人才青黄不接。

合木智能团队从2024年开始对工业制造企业进行全方面调研摸排。徐晨告诉硬氪：“我们跑了两百多家企业，发现工厂基于核心机密的管理需求，基本不允许数据联网。很多企业根本没法直接上大模型，所以如果要做工业AI，首先必须解决计算本地化的问题，只有大小模型协同模式才是唯一落地路径。”

针对这一问题，团队历时两年整理了10万级高质量图纸数据，通过对百余位模具老师傅的经验进行挖掘，构建行业知识体系。据公司介绍，目前团队已完成基于大小模型协同的精密模具制造语义空间和计算基座的初步搭建，并已完成近10个智能体开发。其中，部分智能体已经具备相当于5年以上模具工程师的经验水平。

具体应用上，合木智能目前已将AI能力应用于工艺编程、智能报价和工艺路线规划等环节。

（图源/企业）

例如，在工艺编程环节，AI可以识别零件特征，并自动选择CNC、放电、磨床等不同加工方式，在满足精度要求的同时优化加工成本。目前，该环节的处理效率已达到人工的6倍左右。在报价环节，系统可基于对制造工艺的理解反向计算成本实现精准报价，同时降低传统报价岗位的人力投入。在工艺路线规划方面，AI可以参与工序排程，根据加工条件推荐相应的加工路径，提升整体生产调度效率。

技术路径上，合木智能采用“大模型底座+小模型集群+工艺知识沉淀”的架构。其中，大模型主要负责理解场景语义和拆解任务，小模型则负责执行具体工艺。针对制造过程中出现频率较高的特征，例如孔、腔等几何特征，公司训练专用小模型以实现更高精度的工艺执行。

目前，团队已训练1600多套小模型，用于不同制造场景下的高精度任务执行；工艺知识体系则进一步对模型输出进行约束和校验，使结果能够符合实际制造条件。在这一技术架构基础上，合木智能目前已研发2D图纸纠错、PDF转CAD、2D转3D等智能体，并可在CNC、放电、线割等15类工艺中完成工艺预处理和自主编程。

商业化方面，合木智能目前主要提供FDE陪跑式AI赋能服务，以及智能体软硬件标品销售。其目标是帮助模具制造企业缩短打样流程、降低可制造性评估成本、减少换型时间，并提升规模化制造过程中的一次良率。

未来，合木智能还计划围绕现有的AI大脑进一步开发硬件产品，将语义计算能力嵌入本地化设备、智能检测设备或机器人等工业载体中，逐步形成“大脑+载体”的产品销售模式。

以下为硬氪与合木智能创始人徐晨交流节选：

硬氪：合木智能的Uniwood大模型，与目前的工业软件有什么区别？

徐晨：工业软件是辅助人类的流程操作工具，是嫁接人类与加工对象、制造设备的桥梁。但是工业软件无法理解制造原理，仍然需要老师傅学会操作，利用工具去完成工业任务。合木智能自研的Uniwood大模型，是基于物理约束驱动、机械与装配原理、拓扑与结构分析、材料性能与力学的精密模具制造语义计算系统，能够自行完成制造任务，自主进化能力。

硬氪：Uniwood与当前工业Agent的构建路径有什么不同？

徐晨：当前工业Agent的开发方向，更多聚焦在提升老师傅的工具操作效率，比如当前较多的用语言命令驱动零部件参数化设计，过程中加载部分固定的经验和约束，这是“辅助驾驶”的高级阶段，能够让制造大幅提效。但合木智能Uniwood致力于制造物理AI的理解，自主进化是其关键标签，基于其理解力去操控越来越强的工业软件，才能成为真正的“高效智能驾驶”。

硬氪：老师傅的经验是如何提取的？大小模型之间又是如何协同的？

徐晨：经过长期驻厂研究，我们在精密模具制造领域初步完成了token计算的闭环，老师傅是用思维链去驱动一项目标任务，只要能准确分解其思维链变成标准SOP，就能够分段用算法去表征经验。在实际运行中，Uniwood大模型理解场景语义后调度数千套专家小模型去反复适配场景，完成对确定性制造目标的逼近。目前在Uniwood基础上自研的小龙虾在5-8轮自进化后，在部分关键工艺识读提升准确率可达到95%以上，完全媲美老师傅的能力。