36氪首發(fā) | 前非夕科技核心業(yè)務合伙人創(chuàng)業(yè)，做垂域工業(yè)智能體，獲數千萬元種子輪融資

作者 | 喬鈺杰

編輯 | 袁斯來

硬氪獲悉，上海追知工程科技有限公司（以下簡稱“追知工科”）近日完成數千萬元種子輪融資，由L2F光源創(chuàng)業(yè)者基金、尚融資本、一村資本聯合投資。本輪融資將主要用于核心產品研發(fā)、團隊建設及市場拓展。

追知工科成立于2024年2月，是一家聚焦垂域工業(yè)智能體的科技企業(yè)，同時也是上海交通大學成果轉化企業(yè)、上海人工智能研究院戰(zhàn)略孵化企業(yè)。公司希望通過將人工智能技術引入工業(yè)制造場景，提升復雜基石工藝制程環(huán)節(jié)的自動化和智能化水平，重點解決制造業(yè)柔性生產和熟練工人嚴重短缺等問題。

公司創(chuàng)始人袁琳，曾作為非夕科技業(yè)務合伙人，推動該公司成長為獨角獸；此前擔任上市智能裝備集團華昌達董事長/CEO執(zhí)行助理兼集團銷售總監(jiān)，更早曾在ABB中國主導過長安福特、吉利汽車等億元級產線項目。

公司核心團隊具備技術與產業(yè)雙重標桿屬性，材料機理方面，李鑄國教授為上海交通大學材料科學與工程學院特聘教授，全球前2%頂尖科學家。人工智能方面，曹光植博士曾是特斯拉 Autopilot 計算機視覺主任科學家及國內OEM智駕團隊CTO，在自動駕駛感知與端到端系統方向擁有深厚的技術與產業(yè)積累。

袁琳向硬氪介紹，目前，傳統工業(yè)自動化已經解決了大量標準化、規(guī)則明確的生產任務，而當前制造業(yè)中存在的大量非標、高復雜度的工藝制程環(huán)節(jié)，傳統的依賴預設規(guī)則的自動化方案難以解決，這也是AI工業(yè)進一步發(fā)展的重點方向。

基于這一判斷，追知工科沒有選擇通用人形機器人路線，而是聚焦工業(yè)制造中起到基石作用的材料加工制程環(huán)節(jié)，以打磨、焊接等制程工藝場景作為切入點。這類工藝直接影響制造精度、加工效率及產品良率，同時也是目前自動化程度相對較低、對工人經驗依賴較高、且人工工時成本較高的客戶痛點環(huán)節(jié)。

針對上述場景，追知工科推出了垂域工業(yè)智能體（WOLIF Industrial Agentic Robot）。與傳統工業(yè)機器人依賴工程師預先設定工藝參數不同，其產品采用自研工業(yè)大腦實時閉環(huán)控制架構，通過自主策略先驗判斷、持續(xù)感知加工過程狀態(tài)、動態(tài)自主調整工藝及運控參數，實現制程作業(yè)全過程的閉環(huán)自主可控，而非按照固定程序執(zhí)行動作。

（圖源/企業(yè)）

公司提出了“工業(yè)大腦+工藝小腦”的自研AI工業(yè)控制體系，這一閉環(huán)控制體系并非簡單地將傳感器、工業(yè)機器人與AI算法進行組合，而是圍繞真實工業(yè)量產制程的物理交互全過程，構建完整的策略先驗、感知、決策和自調整執(zhí)行系統，目前已形成自主知識產權。

（圖源/企業(yè)）

商業(yè)化方面，目前，追知工科已與一家A股上市公司完成首單合作并實現交付，同時獲得航空制造領域千萬級訂單。其自主研發(fā)的第一代表面處理工業(yè)智能體FAST及自研AI工業(yè)控制體系已在航空零部件制造等高精度場景完成驗證。公司在商業(yè)模式上正加速形成“硬件本體+工業(yè)大腦+工藝數據服務”的獨創(chuàng)性三層產品銷售體系。

以下為硬氪與追知工科創(chuàng)始人袁琳交流節(jié)選：

硬氪：要讓垂域工業(yè)智能體具備學習、泛化和遷移能力，最大的技術難點是什么？

袁琳：AI工業(yè)最大的難點不是某一個單點技術，而是一整套能力體系。

首先，要讓人工智能真正理解材料加工的機理。追知工科當下聚焦的是打磨、焊接等材料加工場景，不同材料，比如玻璃、碳纖維、鋁、鋼等，加工機理完全不同。只有理解材料、制程和物理交互的原理，我們就能很好的定義應該采集哪些數據、什么樣的數據才是高質量數據，并建立有效的訓練和自進化評估體系。

其次，算法離不開硬件支撐。機器人本體、末端執(zhí)行器、電機、傳感器以及AI大小腦控制系統，都需要圍繞具體工藝不斷優(yōu)化。我們認為，材料機理、硬件系統和算法三者缺一不可，其中算法建立在前兩者基礎之上。因此，公司不僅布局了“工業(yè)大腦+工藝小腦”的AI工業(yè)控制架構，也依托上海交大材料學院的科研積累，將材料科學與工程、智能體本體和AI結合起來，形成完整的技術壁壘。

硬氪：未來公司的發(fā)展規(guī)劃是怎樣的？是從航空開始向更多行業(yè)發(fā)展嗎？

袁琳：我們的策略是先解決最真實、需求最迫切的問題。從行業(yè)來看，航空航天、新能源等熱點高端制造領域對打磨、焊接等工藝的需求最為旺盛，未來也會逐步拓展至汽車、3C、機器人、無人機等制造場景。

不過，我們的擴展邏輯不是按行業(yè)，而是按材料和工藝能力。例如，一套成熟的碳纖維加工能力，可以遷移到汽車、體育及音樂器材、消費電子等多個行業(yè)。真正的泛化來自對底層工藝的深度理解，而不是追逐覆蓋更多產品行業(yè)。

通用 AI 追求萬物通用，工業(yè)制造需要精準專精。真正的工業(yè)智能不能只懂運動控制，必須理解金屬、復合材料在加工過程中的物理變化，讓設備具備工藝認 知，才能從“執(zhí)行機器”進化為自主迭代的“智能工匠”。