追知工科获数千万元种子轮融资：前非夕科技业务合伙人切入垂域工业智能体

据36氪旗下硬氪报道，上海追知工程科技有限公司（以下简称“追知工科”）近日完成数千万元种子轮融资，投资方包括L2F光源创业者基金、尚融资本和一村资本。本轮资金将主要投入核心产品研发、团队建设以及市场拓展。追知工科成立于2024年2月，定位为聚焦垂域工业智能体的科技企业，同时具备上海交通大学成果转化企业、上海人工智能研究院战略孵化企业背景，目标是在复杂工业制造环节中引入AI能力，提升非标工艺制程的自动化和智能化水平。

从公开信息看，追知工科的创业方向并不是当前热度较高的通用人形机器人，而是更贴近工业现场的“工艺型智能体”。公司将打磨、焊接等材料加工制程作为切入点，试图解决传统自动化难以覆盖的柔性生产、复杂工艺控制以及熟练工人短缺等问题。这一赛道的核心挑战在于，工业现场并非单纯执行固定动作，而是要面对材料差异、工况变化、加工质量波动等连续变量。

从通用机器人转向工艺智能体：追知工科瞄准复杂制程

传统工业自动化已经在大量标准化、规则明确的生产任务中发挥作用，例如搬运、装配、上下料等环节。但在许多制造业关键环节，尤其是打磨、焊接、表面处理等工艺中，作业质量高度依赖工人经验，参数设置、力控、路径调整和质量判断都存在明显的非标特征。

来源显示，追知工科认为这类“基石工艺”直接影响制造精度、加工效率和产品良率，同时也是自动化程度相对较低、人工成本较高的痛点环节。因此，公司推出垂域工业智能体 WOLIF Industrial Agentic Robot，强调其并非传统意义上依赖工程师预先设定工艺参数的工业机器人，而是通过自研工业大脑实时闭环控制架构，持续感知加工过程，并动态调整工艺与运动控制参数。

这意味着，追知工科希望让机器人从“按程序执行”向“根据加工状态自主调整”转变。对于工业AI而言，这种变化的价值在于，系统不只是在视觉或传感器层面做识别，还要真正进入工艺控制链条，影响加工结果。

“工业大脑+工艺小脑”：AI工业落地的关键不只是算法

追知工科提出了“工业大脑+工艺小脑”的自研AI工业控制体系。按照来源描述，该体系并不是简单把传感器、工业机器人和AI算法组合起来，而是围绕真实量产制程中的物理交互过程，建立策略先验、感知、决策和自调整执行系统，并已形成自主知识产权。

这一思路反映出工业AI与通用AI应用之间的重要差异：在办公、内容生成或软件自动化场景中，模型输出错误通常可以通过人工校验修正；但在工业加工中，错误的控制策略可能直接影响零部件质量、生产节拍甚至设备安全。因此，材料机理、硬件系统和算法控制需要被放在同一个闭环中设计。

从团队背景看，追知工科也在围绕这一方向搭建能力。公司创始人袁琳曾作为非夕科技业务合伙人参与推动公司成长为独角兽，此前还曾任上市智能装备集团华昌达董事长/CEO执行助理兼集团销售总监，并在ABB中国参与过汽车产线项目。技术团队方面，材料机理方向有上海交通大学材料科学与工程学院特聘教授李铸国参与，人工智能方向则有曾任特斯拉Autopilot计算机视觉主任科学家的曹光植博士参与。

• 技术路线：聚焦垂直工业场景，而非通用人形机器人；
• 切入工艺：以打磨、焊接、表面处理等复杂材料加工环节为主；
• 产品体系：强调工业大脑、工艺小脑与机器人本体的闭环协同；
• 商业方向：形成“硬件本体+工业大脑+工艺数据服务”的三层销售体系。

商业化进展：航空制造成为早期验证场景

在商业化方面，来源显示，追知工科已与一家A股上市公司完成首单合作并实现交付，同时获得航空制造领域千万级订单。其自主研发的第一代表面处理工业智能体FAST及自研AI工业控制体系，已在航空零部件制造等高精度场景完成验证。

选择航空制造作为早期验证场景并不意外。航空零部件通常对加工精度、一致性和质量追溯要求较高，且不少表面处理、打磨、焊接环节仍存在较强的经验依赖。如果工业智能体能够在这类高门槛场景中稳定运行，后续向新能源、汽车、3C、机器人、无人机等制造场景迁移，将更具说服力。

不过，工业智能体的扩展并非简单复制。不同材料、不同零件结构、不同产线节拍都会带来新的工艺约束。追知工科创始人袁琳在交流中提到，要让垂域工业智能体具备学习、泛化和迁移能力，难点不是单一技术，而是一整套能力体系，包括对材料加工机理的理解、数据采集和评估体系建设，以及机器人本体、末端执行器、电机、传感器和AI控制系统的协同优化。

影响与解读：工业AI正在从“辅助识别”走向“过程控制”

过去几年，AI在工业领域的落地更多集中于视觉质检、预测性维护、排产优化等环节。这些场景的共同点是，AI主要承担识别、分析或决策辅助角色，并不直接控制加工过程。而追知工科所代表的垂域工业智能体方向，则试图让AI进入更靠近生产核心的制程控制环节。

这也解释了为什么资本继续关注工业智能体。相比通用机器人短期内需要解决复杂泛化和成本问题，垂直工艺场景有更清晰的客户痛点、质量指标和交付边界。对于制造企业而言，只要系统能够提升良率、降低对熟练工人的依赖，并适配实际产线节拍，就可能形成较直接的投资回报。

但从产业化角度看，这条路线仍需要跨过工程化门槛。工业客户通常重视稳定性、可维护性和长期服务能力，单次验证并不等于规模复制。未来追知工科能否把航空等高端制造场景中的项目经验沉淀为可复用的工艺模型、数据服务和标准化产品，将决定其能否从项目型交付走向平台型增长。

总体来看，追知工科的融资与产品进展，反映出中国工业AI正在进入更深水区：从软件层面的效率提升，走向与材料、硬件、控制系统深度结合的工艺智能化。在熟练工人短缺、柔性制造需求提升的背景下，垂域工业智能体可能成为AI落地制造业的重要方向之一。