近日，由东莞市新一代人工智能产业技术研究院（以下简称“东莞人工智能研究院”）联合东莞企业孵化的制造物理AI公司合木智能完成千万级种子轮融资，投资方为创新工场。

这家公司获得资本青睐的背后，是东莞人工智能研究院历经近三年工业AI深度探索后，在技术产业化与企业孵化领域取得的阶段性突破，也标志着研究院从工业AI场景探索、技术研发阶段，正式迈向产业化落地的新征程。

工艺决策能力对标“老师傅”

合木智能由东莞人工智能研究院联合模具制造企业端品精密共同孵化，目前技术研发、产业运营主体均落地滨海湾新区。

公司聚焦模具物理AI与制造语义计算赛道。与通用大模型以文本、图像等互联网数据为主要学习对象不同，合木智能致力于让AI深度理解机械图纸、加工工艺与制造约束，学习老师傅长期积累的工艺经验，为模具企业构建能够理解制造过程、辅助工艺决策并落地执行制造任务的“AI工艺大脑”。

目前，该公司研发的Uniwood大模型，为新一代 M-LSM（Manufacturing Large Semantic Model）制造语义大模型，搭配边端智算盒为硬件载体，单台智算盒可断网运行，工艺决策能力对标一名具备资深经验的工艺老师傅。

从交付“一套软件”转向交付“一项结果”

在业界，物理AI被普遍视为人工智能走向工业场景的关键方向。它让AI从“看懂数据”走向“看懂产线、看懂设备、看懂工艺”，并能在真实工业环境中持续感知、判断和执行。

2023年初，人工智能产业仍以小模型应用为主。东莞人工智能研究院首先深入PCB、光电等制造场景，从机器视觉和缺陷检测入手，探索人工智能在质量检测、生产判断等具体环节的落地路径。

制造业与互联网场景不同，算法的真实准确率必须深入产线、依托真实生产数据才能验证，为此研究院一直坚持“现场工程师”制度，开展需求分析、数据治理到模型训练等工作。直至2026年，“前沿部署工程师（FDE）”一词才开始爆火，市场为研究院三年的一线探索给出了行业定义。

但随着探索深入，研究院逐渐认识到，单纯依赖针对固定场景训练的小模型，很难解决制造业产品换型快、数据样本少、工艺差异大等问题。

围绕PCB等领域，研究院提出“智能集成学习”（Smart Ensemble Learning）模式，探索“大模型+小模型”协同技术路径——由大模型承担需求理解、知识组织与任务拆解，小模型负责高精度、低时延的工业决策与执行。

2024年，研究院进一步进入精密冲压模具、潮玩模具等行业。从机器视觉处理走向工艺认知，工业AI的研究正式进入核心深水区：制造业真正难以复制的，并不仅仅是设备和数据，更是存在于工程师和老师傅头脑中的工艺Know-how。

一张机械图纸从设计走向生产，需要经历报价、DFM、工艺规划、编程、加工、检测等一系列专业判断，其中大量决策并未完整记录在数据库与工业软件中，而是依赖技术人员多年沉淀的经验直觉。如果AI不理解工艺，只能停留在制造外围；只有真正进入工艺，才有可能进入制造业的核心。

基于这一认知，研究院开始探索工业思维链（COT），研发人员全面进入一线理解制造深层工艺，与老师傅共同分析问题、拆解知识、训练模型，在真实生产环境中持续迭代。

研究院的探索从“交付一套软件”，逐步转向“交付一项结果”。

从单点工艺走向“工业大脑”，寻找制造业自己的AI技术架构

2025年，在东莞市科技局、滨海湾新区的支持下，研究院主导组建东莞市新一代人工智能创新联合体，联合奥普特、vivo等多家本土头部企业，将单点工艺AI技术拓展为“工业大脑”整体技术架构，共同开展省重点领域研发项目“基于大小模型协同的智能工业终端关键技术研究及应用”。

正是在该项目研究过程中，研究院提出以“大模型理解、小模型执行、工艺知识约束、边端计算落地”为核心的工业智能技术路线。

这一技术路线需要一个共同的“工业语言入口”，工业图纸恰为制造业设计、工艺、生产之间最重要的工业语言。研究院由此提出以“图纸即工业语言”为切入点，通过理解图纸进一步理解产品、理解工艺、理解制造过程。

为了更精准地找到工业AI的脉络，研究院构建了“产品理解—需求分解—任务确认”制造业AI技术体系，将机械图纸、工艺知识、制造规则、设备能力以及老师傅经验集成为大模型能读懂的知识系统。

合木智能的孵化，正是这一长期技术路线走向产业化的一次重要验证。目前合木智能采用“大模型底座+小模型集群+工艺知识沉淀”的技术架构，已经训练1600余套面向不同制造任务的小模型，并围绕2D图纸纠错、PDF转CAD、2D转3D以及CNC、放电、线割等工艺开发相关智能体。

未来，公司还计划进一步将语义计算能力嵌入本地化设备、智能检测设备和机器人等工业载体，逐步形成从“大脑”走向“载体”的产品体系。

对于东莞而言，这项探索同样具有特殊意义。东莞拥有规模庞大、门类齐全的制造业体系。工业AI的发展，不只是将一个大模型部署进工厂，更重要的是将人工智能与几十年来形成的制造经验、产业链条和工程能力重新结合。

下一阶段，研究院将进一步围绕制造工艺展开研究，加快数学计算、物理计算与人工智能技术进入真实产线，让AI不仅能够“看见”和“理解”制造，更能够参与工艺计算、生产决策和设备执行。