Monumo 深度调研:剑桥深科技电机 AI 设计公司,Anser 引擎日千万级多物理场仿真,累计融资 1050 万英镑,A 轮正在募资中
剑桥深科技公司,Anser AI 引擎做电驱电机系统级多物理场优化,日千万级仿真;累计融资 1050 万英镑(另有 1400 万美元口径),下一轮股权融资正在募资、金额未披露,具名合作含 Hyundai Cradle。
执行摘要
Monumo 是英国剑桥的工程 AI 公司,成立于 2021 年前后(公开报道称「五年历史」),团队分布在剑桥与考文垂。2026 年 4 月 1 日,公司任命 Jarek Rzepecki 博士为 CEO(此前任 CTO,是 Anser 引擎的主要推动者),创始人 Dominic Vergine 卸任;董事长为 Martin Frost CBE。团队来自 Arm、DeepMind、CMR Surgical、微软研究院、剑桥大学与 Ricardo。
核心产品是 Anser AI 引擎:一个多物理场(电磁、机械、热)优化平台,公司称它「自己生成数据」——用高精度仿真跑出海量设计,再用这些数据训练模型、优化设计。关键指标是:每天最多运行 1,000 万次仿真,12 小时内评估 100 万个完整电机设计,把设计周期从数月压缩到数天。
商业模式是「订阅 + Token 消耗」:年度订阅获得平台访问权,然后按 Token 计费(一个 Token 对应一次优化)。另有部分客户要求 Monumo 直接设计电机,公司交付设计方案并把设计 IP 授权/转让给客户。
客户与商业化进展有三点可核验。第一,公司称已在美、欧、亚三地产生「显著收入」,2026 年商业合同与收入预计翻倍。第二,2026 年 9 月 17 日,现代汽车(Hyundai)的 Cradle 与 R&D 团队宣布完成与 Monumo 的概念验证(PoC),识别出「提升效率同时降低材料成本」的替代电机设计。第三,福布斯报道称该 PoC 的成本降低约 20%,且公司的方法已实现磁体用量减少 20% 以上而不牺牲效率。
融资方面,2024 年完成种子轮,加上天使投资与 Innovate UK 各类资助,公司累计融资 1,050 万英镑;A 轮风投正在募资中,用于支撑扩张,金额未披露。另一家媒体此前给出的口径是「累计约 1,400 万美元」,两个数字是同一笔总额在两种货币下的并列口径,不做合并。
物理 AI 视角下,Monumo 的定位需要先说清一个概念区分。CEO Rzepecki 自己做了这个区分:他们做的是「Physics AI」(把物理规律写进模型),不是「Physical AI」(在物理世界中行动的机器人、无人机)。这个区分的意义在于:Monumo 不做机器人,它做的是机器人上游的电机与执行器设计。公司给出的经济学依据是:执行器占人形机器人 BOM 的 40% 至 60%,而电机、减速器、驱动器、编码器又占执行器的 80% 至 90%。所以「把电机设计做好、做便宜」是具身智能降本的关键环节。
需要提前说明判断:这是本轮 65 家里「商业化最实、工程逻辑最清楚」的早期公司之一。它有真实客户(现代)、真实收入(虽未披露数字)、真实的工程价值(降本 20%、减磁 20%);它的短板是收入规模不透明、团队与技术细节披露有限、以及「自生成数据 + 每天千万次仿真」的算力成本未被讨论。
公司概览
从创始团队到职业 CEO
公司由 Dominic Vergine 创立,2026 年 4 月交棒给 Jarek Rzepecki。这个交班值得记录:创始人把公司从「想法」带到「有客户、有收入」,然后交给技术负责人去规模化,这是深科技公司常见的路径。
Rzepecki 的背景是「物理 + 计算 + 芯片 + 软件」:海德堡大学天体物理学博士、哥白尼大学理论物理硕士,曾在微软研究院、西门子、Arm 任职。天体物理的训练给了他处理大规模数值计算的能力,Arm 的经历让他理解「软硬协同」的逻辑,这些都与「用 AI 做工程优化」相关。
团队的其他成员来自 Arm、DeepMind、CMR Surgical(手术机器人)、微软研究院、剑桥大学、Ricardo(工程咨询)。这个组合的特点是「深科技 + 传统工程」:AI 人才来自 DeepMind 与微软研究院,工程人才来自 Ricardo 与 CMR,芯片与系统人才来自 Arm。
剑桥与考文垂的双城布局
剑桥是 AI 与软件团队所在地(靠近剑桥大学的工程系与计算机系),考文垂是英国汽车工业的中心(捷豹路虎、Ricardo 等在此有研发)。这个布局说明公司从一开始就面向汽车产业——AI 在剑桥,工程与客户在考文垂。CEO 在专访中把这个分工说得很直接:AI 与软件团队在剑桥,硬件领域专家在考文垂。这里需要记录一处口径差异:一份工程仿真厂商的第三方目录把 Monumo 的总部标注为英国埃塞克斯郡 Great Chesterford,这与公司的双城描述不符,官网给出的注册地址是考文垂大学科技园(University of Warwick Science Park)Sovereign Court 1 Unit 1 一层,邮编 CV4 7EZ。第三方目录的标注没有公司来源支撑,本报告按公司口径记录,并把该差异列入 DISCREPANCIES。
荣誉与定位
2026 年 1 月,公司被《星期日泰晤士报》评为「值得关注的 AI 公司」(Sunday Times One to Watch)。这个荣誉对英国市场的品牌有帮助,尤其在与传统工程企业打交道时。
技术分析
电机设计为什么适合 AI 优化
电机设计是一个典型的多物理场、多目标、高维优化问题,非常适合 AI 介入。
物理上有三场耦合:电磁场决定转矩与效率,热场决定温升与散热(温升过高会导致磁体退磁),机械场决定转子强度与振动噪声。三个场互相影响——电磁设计改变损耗分布,损耗改变温度,温度改变材料性能(如磁体的剩磁随温度下降),材料性能又反过来影响电磁性能。
设计变量很多:定子槽数、槽形、绕组匝数与线径、磁体形状与牌号、转子拓扑、气隙长度、冷却流道……每个变量有连续或离散的取值,组合空间极大。
目标也是多重的:效率、功率密度、成本、NVH、可靠性、稀土用量。多个目标之间往往冲突(如提高功率密度会增加温升),需要做帕累托优化。
传统做法靠「经验 + 有限元仿真 + 手工迭代」:工程师凭经验设计几个方案,用有限元算性能,再调整、再算,一轮几小时到几天,一个月做几十个方案。这个流程的瓶颈是「仿真速度」与「人工迭代」。
Monumo 的思路是用 AI 把「评估」这一步加速几个数量级,从而把「几十个方案」变成「百万个方案」,让优化从「人工试错」变成「搜索」。
Anser 的「自生成数据」逻辑
公司反复强调 Anser「自己生成数据」——不是用公开数据集,而是用自己的高精度仿真生成训练数据。
这个逻辑在技术上是有道理的。电机的设计数据是专有的(各厂商的设计不公开),公开数据集几乎没有;而仿真可以按需生成任意多的样本(只要算力够)。所以「用仿真生成数据、用数据训练模型、用模型加速优化」形成闭环。
但这个逻辑的代价是算力。每天 1,000 万次仿真、12 小时评估 100 万个设计——这两个数字如果按「每次仿真 1 分钟」估算,1,000 万次需要约 16.7 万 GPU 小时/天,这是一个相当大的算力投入。公司没有披露算力来源(自建集群?云?)与成本结构。
这里有一个值得追问的技术问题:「12 小时评估 100 万个设计」到底是「完整的多物理场高保真仿真」还是「代理模型推理」?如果是前者,算力需求极大;如果是后者(用代理模型替代仿真),那么「每天 1,000 万次仿真」指的是「生成训练数据」,而「100 万个设计」指的是「代理模型推理」。两种解读的工程含义完全不同。
系统级设计的方法论
公司强调「系统级」不是「部件级」设计:传统做法是电机、减速器、驱动器分开设计(各自优化),Monumo 把整个驱动系统作为整体优化。
这个方法论的价值在于捕捉耦合效应。举例:电机的 efficiency map 与减速器的传动比相互影响——减速比高则电机转速低、转矩需求高,电机设计要相应改变;反过来电机的最高效率区间又决定了最佳减速比。分开设计会错过这种耦合带来的收益。
系统级优化的技术难点是「模型复杂度」:系统模型要同时包含电磁、热、机械、控制,每个子模型都有自己的状态与参数,联合优化的维度极高。这也是为什么需要 AI 加速——传统方法算不动。
降本与减磁的工程含义
公司披露的两个效果数据值得拆解。
降本 20%(现代 PoC):这个降本的来源可能是材料(减少稀土、减少铜)、工艺(简化结构、减少零件)、或性能(用更小的电机达到同等功率)。具体构成未披露。
减磁 20% 以上:稀土磁体(钕铁硼)是电机里最贵的材料之一,且供应链集中在中国。减少稀土用量有两重价值:成本(磁体占电机成本的相当比例)与供应链安全(欧美厂商希望降低对中国稀土的依赖)。这个价值在当前的地缘环境下被放大。
技术短板
第一,技术细节披露有限。Anser 的模型架构、训练数据规模、代理模型的精度,均未公开。
第二,「自生成数据」的算力成本未讨论。每天千万次仿真的算力投入与成本结构是商业可行性的关键。
第三,效果的独立性。降本 20%、减磁 20% 是现代 PoC 的结果,但没有第三方的独立复现,也没有说明基线(对比的是现代的原始设计还是行业平均)。
第四,跨品类泛化。目前聚焦电机,能否扩展到其他工程系统(如齿轮箱、泵、压缩机),未验证。
产品与商业化
产品形态
Anser 是 SaaS 平台:客户订阅后,在平台上定义设计问题(拓扑、约束、目标),引擎自动搜索最优设计,输出可生产的 CAD 文件供客户评估与打样。
这个「输出 CAD 文件」的细节很重要——它意味着 Monumo 不只是给建议,而是给出「可直接用于制造」的设计。这比「给参数建议」的价值高得多。
商业模式
两种模式并行。订阅 + Token:年度订阅获得平台访问权,按优化次数(Token)计费。设计交付:部分客户要求 Monumo 直接设计,公司交付设计并授权/转让 IP。
第一种模式的可扩展性好(软件逻辑),第二种模式的单客价值高(设计服务)。两者并行说明客户的需求分化——有能力的客户要工具,没能力的客户要结果。
客户与收入
客户分布在美国、欧洲、亚洲,聚焦电机系统。现代是唯一公开的具身客户(PoC 完成,进入长期合作的可能)。公司称「已产生显著收入」,2026 年合同与收入预计翻倍,但未披露绝对数字。
按 1,400 万美元累计融资、五年历史、几十人团队推算,收入可能在数百万美元量级(若「显著」指数百万),2026 年翻倍到千万级。这是推算,公司未确认。
从 PoC 到商业合同
福布斯报道提到一个关键进展:Anser 正从「PoC 演示」转向「客户可直接使用、锁定设计」的模式,PoC 正在转化为商业合同,2026 年将有「显著的订阅收入」。这个转变是整个赛道的关键节点——从「证明技术可行」到「证明客户愿意付费」。
竞争格局
工程 AI 的竞争者
在「AI 加速工程设计与优化」赛道,竞争者分三类。
第一类是物理 AI 仿真加速(PhysicsX、Vinci、Neural Concept、Luminary Cloud),它们加速的是「仿真」本身。第二类是设计生成/优化(Monumo、以及一些拓扑优化公司),它们做的是「从需求到设计」。第三类是传统 CAE/EDA 厂商的 AI 功能(Ansys、Siemens、Dassault、Cadence)。
Monumo 的位置在第二类,但有一个独特性:它聚焦「电机」这个具体品类,做端到端的系统级优化。这个聚焦让它能积累领域知识(电机设计的约束、材料、工艺),形成壁垒。
与 Neural Concept 的对照
Neural Concept 是瑞士的工程 AI 公司,累计融资约 1.38 亿美元,C 轮 1 亿美元,客户含 JLR、通用汽车、Mahle、GE Vernova、Leonardo、Safran、雷诺、多支 F1 车队,团队约 100 人,近 18 个月收入增长 4 倍。
两家都做「AI 加速工程设计」,但路线不同:Neural Concept 是「几何深度学习 + 代理模型」,覆盖气动、结构等多物理场,是横向平台;Monumo 是「系统级多物理场优化」,聚焦电机,是纵向深耕。
横向的优势是市场大、可扩展;纵向的优势是壁垒深、单客价值高。两条路都能走通,但纵向的公司更容易被收购(汽车 Tier 1 或 CAE 巨头)。
与传统电机设计工具的对照
传统的电机设计工具包括 Ansys Maxwell、JMAG、Motor-CAD、Altair Flux。这些工具做的是「给定设计算性能」(正向仿真),优化靠工程师手工迭代或调用优化算法(如遗传算法)。
Monumo 的差异化是「自动搜索 + 系统级 + 极快」。如果它的搜索真的能在 12 小时内评估 100 万个设计,那么它能找到传统方法找不到的解——这不是「更快的工具」,而是「不同量级的探索能力」。
供应链安全的叙事
减少稀土用量这个价值,在当前地缘环境下有特殊意义。欧盟的《关键原材料法案》、美国的通胀削减法案(IRA)都对稀土供应链有要求。Monumo 的「减磁 20%」正好契合这个政策方向,这为它在欧美市场的销售提供了政策顺风。
融资与资本结构
融资历程
2024 年种子轮(金额未披露),加上天使投资与 Innovate UK 各类资助,按专访口径累计 1,050 万英镑;按福布斯口径累计约 1,400 万美元。两个数字是同一总额的不同货币口径,本报告并列保留、不做换算合并。A 轮风投正在募资中,金额、投资方名单与条款均未披露。
这一量级对一家五年历史、几十人团队的深科技公司属于中等——足够支撑研发与早期商业化,但不足以支撑大规模算力投入(如果「每天千万次仿真」是真实的高保真仿真)。
收入与估值
收入未披露绝对数字,公司称「显著」且 2026 年翻倍。估值未披露。按 1,400 万美元融资、五年历史推算,估值可能在数千万到一亿美元区间(种子轮后的典型水平)。
A 轮的用途推断
A 轮资金的可能用途:算力(扩大仿真规模)、团队(销售与交付)、以及品类扩展(从电机到其他系统)。如果公司要证明「跨品类泛化」,A 轮是关键。相对上一版的变化是:A 轮已从「计划启动」推进为「正在募资中」,这减少了临时募资的风险,但规模、投资方与条款依然全部未披露。
DISCREPANCIES
1. 成立时间的表述。 公开报道称「五年历史」,推断成立于 2021 年前后;公司未公开注册日期。本报告采用「2021 年前后」。来源等级:MEDIA 与推断。
2. 融资总额的口径。 福布斯报道称「2024 年种子轮 + 资助,累计约 1,400 万美元」;另一家媒体的专访给出的是「种子轮来自天使投资与 Innovate UK 资助,累计 1,050 万英镑」;两个来源都没有单独披露种子轮金额本身。本报告把两种货币口径并列保留,不把其中一个换算合并到另一个;两者数量级接近,与「同一笔总额在两种货币下表述」一致,但换算汇率与时点无法核实,故不据此做精确对账。来源等级:MEDIA(两次引述公司,币种不同)。
3. 「每天 1,000 万次仿真」与「12 小时 100 万个设计」的口径。 两个数字可能指不同环节(前者是训练数据生成,后者是代理模型推理/优化搜索),也可能都是高保真仿真。本报告在技术分析中提出两种解读,不选边。来源等级:OFFICIAL(公司表述)但口径不明。
4. 降本 20% 的基线。 现代 PoC 的「成本降低约 20%」未说明对比基线(现代原始设计?行业平均?同规格竞品?),也未说明是否含模具与工艺成本。本报告标注基线不明。来源等级:MEDIA(福布斯)与 OFFICIAL(现代与 Monumo 公告)交叉。
5. 「显著收入」的量化缺失。 公司称「已产生显著收入」,2026 年翻倍,但未披露绝对数字。本报告按融资与团队规模推算为数百万美元量级,标注为推算。来源等级:OFFICIAL(定性)与推断(量级)。
6. CEO 变更的时间与性质。 2026 年 4 月 1 日 Rzepecki 接任 CEO,创始人 Vergine 卸任。公司表述为「进入增长新阶段」,未说明卸任原因(主动/被动)。本报告采用「交班给技术负责人去规模化」的解读,不推断其他原因。来源等级:OFFICIAL(公告)。
7. 「Physics AI」与「Physical AI」的区分。 CEO 自己做了区分:Monumo 做 Physics AI(物理写进模型),不做 Physical AI(机器人在物理世界行动)。部分媒体把两者混用,把 Monumo 称为「机器人公司」。本报告按 CEO 的定义区分。来源等级:OFFICIAL(CEO 表述)。
8. 团队规模的披露。 公司未披露具体人数,只披露成员来源(Arm、DeepMind、CMR、微软研究院、剑桥、Ricardo)。本报告不推断人数。来源等级:OFFICIAL(成员来源)与缺失(人数)。
9. 总部地址。 一份工程仿真厂商的第三方目录把 Monumo 总部标注为「英国埃塞克斯郡 Great Chesterford」;公司自述是剑桥与考文垂两地(AI 与软件在剑桥、硬件专家在考文垂),官网给出的注册地址与考文垂办公地为考文垂大学科技园 Sovereign Court 1 Unit 1(CV4 7EZ)。裁定:本报告采用公司的双城口径,把 Great Chesterford 记为第三方目录条目,不视为迁址——没有地址变更公告、工商变更记录或带日期的说明支持迁址。来源等级:OFFICIAL(公司表述与官网)对第三方目录条目。
风险与尽调缺口
其一,收入规模不透明。 「显著收入」与「翻倍」是定性表述,绝对数字未披露。对判断商业化阶段,这个缺口很关键。
其二,算力成本。 每天千万次仿真的算力投入是商业可行性的核心。如果算力成本高于订阅收入,规模越大亏损越大。
其三,单一品类依赖。 聚焦电机是优势(壁垒深),也是风险(市场天花板)。扩展到其他系统需要新的领域知识与客户关系。
其四,客户集中。 现代是唯一公开客户,若其贡献收入占比较高,风险集中。
其五,竞争。 Neural Concept 等横向平台在扩张,传统 CAE 厂商在加 AI 功能,Tier 1 供应商(如博世、采埃孚)也可能自建能力。
其六,效果的可复现性。 降本 20%、减磁 20% 是现代 PoC 的结果,尚无第三方复现。如果其他客户的效果不及预期,口碑会受损。
其七,A 轮的执行。 A 轮正在募资中,这降低了临时募资的风险,但规模、投资方与条款全部未披露,且若市场对深科技的热情在交割前回落,融资难度仍会上升。
综合评分
技术维度给 7.5 分。系统级多物理场优化的方法论正确,Anser 的「自生成数据 + 海量仿真 + 搜索」逻辑自洽,12 小时 100 万个设计的探索能力如果属实则改变了设计范式。扣分项是技术细节披露有限、算力成本未讨论、代理模型精度未知。
商业维度给 7 分。订阅 + Token + 设计交付的双模式覆盖不同客户需求,现代 PoC 打开长期合作的大门,2026 年收入翻倍的指引显示增长。扣分项是收入规模不透明、单一品类、客户集中。
财务维度给 7 分。累计融资 1,050 万英镑(含资助),五年历史,2024 年种子轮,且 A 轮已从「计划启动」推进为「正在募资中」。扣分项是收入与估值未披露、算力投入可能很重、A 轮规模与投资方均未披露。
产品维度给 7.5 分。Anser 输出可生产的 CAD 文件(不是仅参数建议),系统级优化捕捉耦合效应,减磁 20% 契合供应链安全需求。扣分项是产品界面与易用性未披露、跨品类能力未知。
市场维度给 7.5 分。电机占全球用电量的一半(公司口径),具身智能执行器占人形机器人 BOM 的 40%-60%,稀土供应链政策提供顺风。扣分项是市场教育成本、传统工具的惯性、以及客户对「AI 设计」的信任门槛。
综合 7.2 分。这是本轮「商业化最实」的早期公司之一:它有真实客户(现代)、真实工程价值(降本 20%、减磁 20%)、清晰的商业模式(订阅 + Token),并且在一个被低估的环节(电机与执行器)建立了壁垒。它的短板是收入不透明与算力成本未知。对物理 AI 的判断是:Monumo 代表的是「用 AI 做工程设计」这条路径——不是让机器人更聪明,而是让机器人的「心脏」(电机)更便宜、更高效;这条路径的商业化速度可能快于做机器人本体的公司,因为它的客户是现成的(汽车、家电、工业),价值是可量化的(降本、减磁)。
参考资料
- Monumo 官网(2026 年访问):Anser AI 引擎,宣称 12 小时内评估 100 万个完整电机设计,把设计周期从数月压缩到数天;定位为「重新定义世界最复杂工程问题的解决方式」;应用行业含出行、家电、无人机、发电、工业、非公路与矿业、机器人
- CEO 任命公告(2026-04-01):Jarek Rzepecki 博士由 CTO 升任 CEO(此前推动 Anser 引擎的研发),创始人 Dominic Vergine 卸任;董事长 Martin Frost CBE 表态;团队分布在剑桥与考文垂;成员来自 Arm、DeepMind、CMR Surgical、微软研究院、剑桥大学、Ricardo;已通过订阅模式产生显著收入,客户分布美欧亚,2026 年商业合同与收入预计翻倍;2026 年 1 月被《星期日泰晤士报》评为「值得关注的 AI 公司」
- CEO 背景(同一公告):曾任 Monumo CTO,此前在微软研究院、西门子、Arm 任职;海德堡大学天体物理学博士、哥白尼大学理论物理硕士
- 现代 Cradle PoC 公告(2026-09-17):现代 Cradle 与现代汽车 R&D 宣布完成与 Monumo 的概念验证;通过 Anser 平台的仿真与优化能力,实现加速创新周期、深化设计优化、显著成本节约、在远短于传统方法的时间内产出高质量电机设计;现代汽车集团识别出可提升效率并降低材料成本的替代电机设计
- 行业分析(福布斯,2026-09-30):Anser 正从 PoC 演示转向客户可直接使用并锁定设计的模式,PoC 正在转化为商业合同,2026 年将有显著订阅收入;公司 2024 年种子轮加资助累计约 1,400 万美元,计划近期启动 A 轮;电机消耗全球一半电力;约 80% 的电动车电机依赖稀土磁体;Monumo 方法已实现磁体用量减少 20% 以上而不牺牲效率与性能;现代 PoC 实现约 20% 的成本降低
- 商业模式(The Innovator 专访):订阅 + Token 消耗模式,年度订阅获得平台访问权,一个 Token 对应一次优化;部分客户要求 Monumo 直接设计电机,公司交付设计并授权/转让 IP;团队 AI 与软件在剑桥
- CEO 的概念区分(同一专访):Monumo 做的是 Physics AI(把物理规律写进模型),不是 Physical AI(在物理世界中行动的机器人、无人机、自动驾驶);定位是「为工程师做 AI」——复杂工程系统的优化
- 机器人经济学(同一专访):执行器占人形机器人 BOM 的 40%-60%,电机、减速器、驱动器、编码器占执行器的 80%-90%;铜或磁体成本每台变动 10 美元,乘以数百万台会对损益产生重大影响;公司称可帮助降低 BOM 成本最多 20%
- 技术背景(公开资料):电机设计是多物理场(电磁、热、机械)多目标(效率、功率密度、成本、NVH、稀土用量)高维优化问题;传统流程为经验设计 + 有限元仿真 + 手工迭代,单轮数小时到数天;稀土磁体(钕铁硼)是电机最贵的材料之一,供应链集中
- 竞品信息(公开资料):Neural Concept(瑞士,累计约 1.38 亿美元,C 轮 1 亿美元,客户含 JLR、通用汽车、Mahle、GE Vernova、Leonardo、Safran、雷诺与多支 F1 车队,约 100 人,近 18 个月收入增长 4 倍);物理 AI 仿真加速类含 PhysicsX、Vinci、Luminary Cloud;传统电机设计工具含 Ansys Maxwell、JMAG、Motor-CAD、Altair Flux
- 政策背景(公开资料):欧盟《关键原材料法案》与美国通胀削减法案均对稀土供应链提出要求,推动欧美厂商降低对中国稀土的依赖;减少稀土用量因此具有成本与供应链安全的双重价值
- 技术背景(公开资料):系统级优化捕捉部件间耦合(如电机效率 map 与减速器传动比的相互影响),传统分开设计会错过耦合收益;系统模型的复杂度(电磁 + 热 + 机械 + 控制)使联合优化维度极高,需要 AI 加速
- CEO 专访(The Innovator,Startup of the Week 栏目,2026 年 11 月访问):种子轮来自天使投资与 Innovate UK 资助,累计融资 1,050 万英镑,A 轮风投正在募资中以支撑扩张;AI 与软件团队在剑桥、硬件领域专家在考文垂;执行器占人形机器人 BOM 的 40%-60%,电机、减速器、驱动器、编码器占执行器的 80%-90%;公司称可帮助降低 BOM 成本最多 20%;订阅 + Token 模式(一个 Token 对应一次优化)与设计交付 + IP 授权/转让并行
- 公司官网(2026 年 11 月访问):注册地址与考文垂办公地为 Unit 1, Sovereign Court 1, University of Warwick Science Park, Sir William Lyons Road, Coventry CV4 7EZ;团队分布于剑桥与考文垂两地的表述
- 第三方目录条目(The Front Lines,24 Companies Building the Future of Engineering Simulation Software,2026 年 11 月访问):总部标注为 Great Chesterford, Essex, United Kingdom;Anser 被描述为面向电机系统优化的全栈工程平台
本报告依据公开资料整理,数据截至 2026 年 11 月 2 日,不构成投资建议。公司未上市,收入与估值未披露;降本与减磁数据为现代 PoC 与公司口径,未经独立第三方复现,相关判断已标注不确定性。
相关论文
相关案例
相关报告66
- 五一视界深度调研:港股上市的数字孪生公司,51Sim 已是第一增长引擎而 51Earth 近乎归零,两套完全不同的融资轮次命名口径必须并存
- AMI Labs 深度调研:10.3 亿美元种子的世界模型豪赌,LeCun 的非生成式路线与它的空白成绩单
- 安世亚太 PERA 深度调研:2003 北京创立的国产 CAE 龙头,PERA SIM 通用仿真 + AIROM 降阶 + AgentX 多智能体 + 精智 iGPT/Whale,从工业仿真跨越到物理 AI
- AspenTech 深度调研:被 Emerson 全资收购的过程仿真巨头与其工业 AI 混合建模路线
- Autodesk 深度调研:以 Neural CAD 基础模型与 2 亿美元 World Labs 押注物理世界 AI,NAVASTO 补齐 CFD 代理能力
- Bentley Systems 深度调研:以 iTwin 数字孪生与生成式 AI 赋能基础设施全生命周期工程
- BeyondMath 深度调研:神经算子路线的基础物理 AI,$19M 联盟预算、1000 倍加速与三个被误读的事实
- Cadence 深度调研:以 EDA 系统级多物理场与 Millennium M2000 超算切入物理 AI,AuraStack 智能体与 Fidelity GPU CFD 成关键抓手
- COMSOL 深度调研:四十年多物理场求解器基业,以 DNN 代理模型训练与全物理场 GPU 加速切入物理 AI
- Dassault Systèmes 深度调研:以 3DEXPERIENCE 与 SIMULIA 虚拟孪生物理行为切入工业 AI,LEO 虚拟助手与 GPU 显式动力学成物理 AI 支点
- 深势科技深度调研:从戈登贝尔奖到国家级独角兽与港股门前,AI for Science 龙头的技术兑现与商业化空白
- Emmi AI 深度调研:17 个月从林茨 spin-out 到 3.3 亿欧元被 Mistral 收购,AB-UPT 拿下 CFD 代理模型 SOTA
- Fainite 深度调研:苏黎世物理 AI 仿真初创,Caltech/ETH/剑桥/谷歌背景团队用物理感知深度学习把仿真从数十小时压到秒级,仅获 Venture Kick 资助、尚无定价轮次
- 飞捷科思深度调研:PhysX 奠基人的二次创业,国产可微分物理引擎与它的生态打法
- 凡拓数创(301313)深度调研:从数字展馆到物理 AI 数据基座的战略跃迁,FTE 引擎与 FunSim 仿真平台的卡位成色及收入兑现节奏
- Godela 深度调研:YC X25 物理 AI 仿真初创,前苹果/谷歌/英特尔团队用物理约束代理模型把仿真从数天压到秒级,仅 seed 轮、试商用 pilot 制
- 霍莱沃(688682)深度调研:以 RDSim AI 电磁仿真与工业智能体贯通「仿真-测量-产品」闭环
- 阿尔特 IAT 深度调研:A 股首家独立汽车设计公司全线转向 AI 研发,圆方/御风/太乙 3.0 产品体系落地并携手英伟达 Omniverse,2025 年营收 9.75 亿元、归母亏损扩大至 2.50 亿元
- Inductiva 深度调研:一个已停运的开源求解器编排样本,八处必须纠正的前提,以及联合创始人 CTO 的停运后去向
- 英特仿真(INTESIM)深度调研:2009 年成立的国产 CAE 龙头之一,自研结构/流体/电磁/热/声学求解器与多物理场耦合平台,完成中网投、深创投亿元 B 轮,2025 年营收签单双过亿
- 软通动力(301236)深度调研:依托软通天枢打造 L1/L2/L3 三层全栈物理 AI 架构,自研 TwinHub 数字孪生、FSim 工业仿真、CAE 多物理场与 Phyxis 具身控制
- Jua 深度调研:以地球物理基础模型 EPT 服务能源交易与电网决策
- Keysight(含 ESI Group)深度调研:以虚拟样机与混合 AI 连接测量与仿真,EDA 引入自然语言助手
- 光轮智能深度调研:前英伟达仿真负责人创办的物理 AI 数据与评测基础设施商,七轮融资约 26.5 亿元估值超 20 亿美元,同时进入 Newton 与 EgoVerse 两大国际标准委员会,订单口径存在 5.5 亿元人民币与 1 亿美元两套说法
- Luminary Cloud 深度调研:NVentures 押注的「物理 AI 模型工厂」,用 SHIFT 模型与 GPU 原生求解器改写 CAE 云化路径
- MathWorks 深度调研:以 MATLAB/Simulink 与 Simscape 多物理场支撑物理 AI,R2026a 推出 Copilot 与 Agentic Toolkit 布局端侧智能
- 觅蜂科技 Maniformer 深度调研:智元机器人孵化的物理 AI 数据基础设施,MEgo 无本体采集硬件量产,半年三轮融资中国电信领投
- Mistral AI 深度调研:30 亿欧元欧洲最大融资背后,Physics AI 如何从语言模型走到 EUV 光刻与核电站
- Monolith AI 深度调研:不加速仿真,而是砍掉物理试验次数的英国工程 AI,被 CoreWeave 收入囊中
- NAVASTO 深度调研:把求解器的洞察左移到设计师工作台,Autodesk 用一次收购买下这个入口
- Navier 深度调研:把 CFD 工作流交给智能体,旧金山硬件工程 AI 的种子期豪赌
- Neural Concept 深度调研:EPFL 出身的工程 AI,用 1.38 亿美元融资押注「代理模型能否替代部分求解器」
- NP Co.(NP Company)深度调研:2025 年成立的巴黎 Inria 孵化 AI 原生仿真初创,€6M 天使前轮由 Partech 领投、Mistral 联合创始人参投,宣称预训练物理基础模型实现 1000x 加速,多项宣称待验证
- NVIDIA 深度调研:以 PhysicsNeMo、Warp、Cosmos 世界基础模型与 Omniverse 构建物理 AI 全栈基础设施
- Physical Intelligence 深度调研:31 亿美元级融资押注「机器人的 GPT 时刻」,π0.7 自陈未见任务成功率仅 60–80%,Pi API 定价与收入双双未披露
- Physical Superintelligence 深度调研:58 亿美元级种子轮押注「虚拟物理学家」,Emmy 平台把 AI 数据中心多物理优化当作首个商业化证明
- PhysicsX 深度调研:把几何与物理都压进一个预训练模型的三亿美元级工业 AI 赌注
- Prometheus 深度调研:410 亿美元估值、182 亿美元融资,却还没有一个产品
- PTC 深度调研:以 Creo/Onshape 与 ThingWorx 数字主线支撑物理 AI,借 NVIDIA Isaac Sim 打通机器人设计到仿真
- 千诀科技(北京千诀科技有限公司)深度调研:预测式世界模型 Polibrain、类脑分区架构与多项式表征,一个「不造本体」的具身大脑如何接入十万台清洁与服务机器人
- Quanscient 深度调研:云原生与量子赋能的多物理场仿真,AI-Native 硬件工程的数据引擎
- Rescale 深度调研:云上的 HPC 操作系统与桌面工程工作台,1.15 亿美元 D 轮与五处被误读的事实
- Schrödinger 深度调研:以 FEP+ 物理模拟与机器学习支撑分子发现,2026 年推出 Bunsen 智能体共同科学家
- Secondmind 深度调研:剑桥工程 AI 公司,贝叶斯主动学习把 CAE 仿真与台架试验减少最高 90%,累计融资约 7300 万美元,马自达兼具客户与投资人身份
- 适创科技深度调研:以 SupreCAST 云原生材料加工仿真与工业智能体,推进 CAE+AI 战略
- 舜云科技深度调研:以粒子法 shonDy 切入新能源与核能流体多物理场仿真
- 数智脉进深度调研:深圳 SNN+LBM 全栈自研 CFD 初创,宣称消费级硬件秒级出数亿网格结果,获财政部下属基金数千万天使轮,规划迁核心算法至 FPGA
- Siemens(含 Altair)深度调研:2025 完成 Altair 收购,Simcenter 与 Altair 仿真组合并,PhysicsAI 几何深度学习与 PhysicsAI Generate 成物理 AI 核心
- Silurian 深度调研:以生成式预报 Transformer 构建地球系统基础模型,面向能源与基建资产的天气风险
- SimScale 深度调研:把 CAE 许可证变成按核时订阅的云端仿真平台,5200 万欧元股权与 2500 万欧元债务必须分开算,以及五处被误读的事实
- Skild AI 深度调研:CMU 机器人研究所孵化的通用机器人基础模型,1.4 亿美元 C 轮对应 140 亿美元估值,但 B 轮规模存在 1.35 亿与 5 亿的口径冲突
- 松应科技深度调研:华为云系团队创办的国产物理 AI 操作系统商,ORCA OS 宣称对标英伟达 Omniverse,融资轮次在三套口径下各不相同,风语筑 2000 万元少数股权投资是可核验的第三方锚点
- 苏度科技(上海苏度科技有限公司)深度调研:零真机数据的仿真训练路线、Sudo R1 全栈自研与「原子能力」商业化,一家成立 17 个月估值超 200 亿元的具身智能新独角兽
- 索辰科技深度调研:从 CAE 工具商到物理 AI 平台商的转型阵痛
- Synopsys(Ansys)深度调研:2025 完成收购 Ansys,从 EDA 龙头跃升为「硅到系统」工程解决方案领导者,Ansys SimAI 与 NVIDIA 物理 AI 合作为核心抓手
- 十沣科技深度调研:院士领衔的国产工业仿真软件,官方时间线与数据库口径的轮次命名完全不同,官方融资 PDF 与投资数据库同时存在且不可合并
- 天洑软件深度调研:2011 年成立的国产智能 CAE 老兵,C 轮数亿元,2024 起主打「工业世界模型」,融资口径与估值多处不可调和,营收从未披露
- 同元软控深度调研:以 MWORKS(Syslab/Sysplorer)对标 MATLAB/Simulink,借 MWORKS AI 与 MOGICK 工程智能体推进国产物理 AI
- Vinci AI 深度调研:把物理仿真从「检查点」变成「连续约束」的半导体新变量
- 西湖机器人深度调研:西湖大学首个机器人成果转化项目,以 WR1 全身通用基座与 GAE 行为专家大模型构成大小脑双预训练架构,半年四轮融资约 5 亿元
- World Labs 深度调研:李飞飞的空间智能独角兽,被 AMD 以 82 亿美元收编
- 深圳元象信息科技(元象科技 XVERSE)深度调研:认知与感知双轮驱动的仿真世界路径,XVERSE 大模型、端云协同 3D 引擎与物理驱动动作生成模型 MotionGen
- 云道智能深度调研:从自主求解器到物理 AI 引擎,国产 CAE 的登顶者与它的未竟之战
- 云境智仿深度调研:北大孵化的云原生 GPU CAE 公司,Simversus 平台加 YJ-DORGP 小样本智能求解器,2025 年自述订单增 275%、营收增 160% 并达盈亏平衡
- 中科第五纪(杭州)深度调研:中科院自动化所与清华联创的具身基础模型公司,FAM 动作光流跨本体通用、3–5 条示范达 97% 成功率,纪元灵脑+纪灵机器人服务中石化/零跑/美的
- 中望软件(688083)深度调研:自主 Overdrive 内核与中望3D悟空 2027 撑起 CAD/CAE/CAM 一体化,CAx 智能体平台是通往工程 AI 的现实路径
本报告基于公开信息整理,仅供参考,不构成任何投资建议。数据截至报告发布日,请以公司公告与定期报告为准。