Neural Concept C 轮

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」

发布于：2026-10-21 更新于：2026-10-21

EPFL CVLab spin-out，用测地卷积神经代理模型替代部分 CFD/FEA。2025 年 12 月完成 1 亿美元 C 轮，累计融资 1.381 亿美元。客户口径反复改写、精度全为公司自报、收入从未披露。

物理 AI工程 AI代理模型神经算子几何深度学习

核心结论

Neural Concept SA 是 EPFL 计算机视觉实验室的 spin-out，销售的是它自己称为**「工程的智能层」**的东西。它不卖求解器。它卖的是一个在客户自有 CAD 几何与历史 CFD/FEA 结果上训练出来的神经代理模型（neural surrogate），加上围绕这个代理模型搭建的工程工作流层——让设计师在毫秒级评估设计变体，只把求解器时间花在真正值得的地方。

四个事实框定了这笔投资的基本盘。

第一，技术血统真实且可查证，但商业模式是黑箱。 四篇论文可追溯：ICML 2018 的测地卷积架构（arXiv:1802.04016）、DEBOSH 深度贝叶斯形状优化（arXiv:2109.13337）、DeepGeo 可微几何参数化（arXiv:2305.02116）、ICML 2024 迭代神经网络的不确定性估计（arXiv:2403.16732）。EPFL 官方 2026 年 6 月专访确认：CEO Pierre Baqué 博士期间开发的算法已申请专利并授权给 Neural Concept，这最可能解释了早期投资人为何愿意资助一家 CVLab spin-out。未公开的是：当前生产架构除「Geometric Regressor」这个名字外的任何细节、训练集构成、模型权重，以及与 2018 架构的逐层继承关系。

第二，资本位置对欧洲工业 AI 而言异常强。 2025 年 12 月 18 日，公司完成1 亿美元 C 轮，由 Goldman Sachs Alternatives 的 Growth Equity 领投，Forestay Capital、Alven、HTGF、D. E. Shaw Ventures、Aster Capital、Anaïs Ventures 参投。加上 2024 年 6 月的 2700 万美元 B 轮、2022 年 3 月的 910 万美元 A 轮与 2020 年的 200 万美元种子轮，已披露股权融资至少 1.361 亿美元，含种子轮为 1.381 亿美元。数据库口径在 1.36 亿至 1.40 亿之间浮动，差异来自 grant、债务与取整，而非对 venture round 的分歧。

第三，所有精度数字均为公司自报，无一被独立复现。 在 MIT DrivAerNet++ 基准上，公司报告表面压力 MSE 3.98×10⁻²、阻力 R² 0.978；在合成的 F1 数据集上报告表面压力 R² 0.916；在 JLR 报告日设计评估从约 50 次提升到 1500 次。MIT 的 Faez Ahmed 博士被引用为背书，但他是数据集作者，不是独立审计方。

第四，客户披露是整个故事里最薄弱的一环。 同一句覆盖率在 2022 到 2026 年间被反复改写：2022 年是「40% 的最大欧洲与亚洲 OEM 加上 25% 的全球前 100 Tier-1 供应商」，2024 年是「70+ OEM」，2025 年 9 月是「全球最大 OEM 的 70% 加上前 100 tier-1 供应商的 40%」，2026 年首页是「全球领先 OEM 与顶级供应商的 50%」。与之并存的还有三套不同口径的客户家数说法：「50+ 全球公司」「60+ OEM」「70+ OEM 与 Tier-1 团队」。

我们的判断：技术可信度高于商业可信度。 公司已经用论文与公开基准证明了几何深度学习能在工业 CFD 数据上达到可用精度，这是真实成果。但有三件事未被证明：精度能否跨求解器工具链迁移、能否跨几何族泛化、以及单份客户合同值多少钱。合同金额、ARR、毛利率、续费率全部未披露。估值由成长资本而非已交付收入定价，这是附着在这项资产上最大的估值风险。

公司概览

Neural Concept SA 注册于瑞士洛桑，位于 EPFL Innovation Park。它法律上是 2018 年成立的 spin-out，商业运营自 2019 年起步。这不是矛盾，而是同一份事实出现在两个不同家族的公司文件里：技术与成员类材料说 2018，融资与产品模板段说 2019。证据链是单向的。Venturelab 收录条目显示首个接触点为 Venture Kick 2018；HTGF 在 2018 年春即已公告；2018 年 5 月至 12 月有 4 个工业 pilot 项目在 EPFL 内部完成；2022 至 2026 年间 20 余份官方文件写 “founded in 2018”。未发现任何材料否认 2018 年成立。

创始人 Pierre Baqué，法国籍，2018 年获 EPFL 计算机科学博士学位，论文方向为「用于计算机视觉的结构化深度学习的均场方法」，由 Pascal Fua 与 François Fleuret 共同指导。他此前在巴黎 École Polytechnique 读应用数学与运筹学，并在伦敦瑞信任工程师，构建算法交易工具。关于「Barbara Marcora 是其博士导师」的说法，在 EPFL 记录与其全部论文中均无出处，本报告判定为错误。

联合创始人群体发生了漂移。2022 年 A 轮新闻稿列 Baqué、Fleuret、Fua 三人。2026 年 About 页列 Baqué（CEO & Founder）、Théophile Allard（CTO & Co-founder）、Jonathan Donier（首席科学官 & Co-founder）、Thomas von Tschammer（美国总经理 & Co-founder）、Philippe Cuendet（COO）。Fleuret 仍是联合创始人，并在顾问委员会任职。

2026 年 7 月的两项任命值得细读，因为它们定义了竞争位置。Brett Chouinard 在 Altair 约三十年（后任 COO、总裁、CTO、首席产品与战略官）后出任董事长；Pietro Cervellera 在 Altair 与 Siemens Digital Industries Software 担任高级商业职务后出任 CRO。两家公司都销售内嵌于 CAE 的 AI，因此 Neural Concept 同时把董事会与营收领导层交给了了解在位者定价与产品路线图的人。这是一套自洽的商业策略，同时也是一个已披露的利益冲突。

人员规模是无人能定论的数字。官方 About 页 2026 年写「100+」；Startupticker 2025 年说 65；数据库聚合器 2026 年集中在 126 至 153 之间。2026 年招聘页显示11 个办公室、37 个在招岗位，分布为 Solutions Engineering 9、Forward Deployed Engineering 7、Sales 6、Product 5、Vertical Solutions 4、Marketing 3、Deployment 2、Operations 1。办公室为 Paris、Munich、Zurich、Lausanne（总部）、Detroit、San Francisco、New York、Pune、Bengaluru、Seoul、Tokyo。

技术分析

2018 年的架构是地基

原始论文《Geodesic Convolutional Shape Optimization》（arXiv:1802.04016，ICML 2018）是关于这家公司究竟做什么的最清晰公开陈述。它直接在 3D 表面网格上做测地卷积，通过 polycube remeshing 把不规则三角网格转为规则四边形网格，使卷积在 GPU 上高效。网络由共享主干连接 local 分支与 global 分支，且对顶点位置可微——这正是能支撑基于梯度的形状优化、而不只是预测的原因。

论文自己的 2D 翼型结果：standard separate 分支压力精度 68.77%、阻力精度 82.23%；dilated separate 74.42% 与 84.06%；joint 2 branches 81.32% 与 84.90%；joint 4 branches 82.03% 与 86.01%。论文声称比当时最优水平提升 5% 至 20%。论文里还有一个最常被二手摘要丢掉的数字：3D 形状上阻力精度验证集 77.2%、测试集 51.5%、微调后测试集 70.3%。这个 51.5% 是原始发表值，也是关于「泛化到未见 3D 几何有多难」最有信息量的单一数据点。评估这家公司 3D 能力应当从这里开始。

优化回路是离散的，不是环内可微求解器

DEBOSH（arXiv:2109.13337）把回路结构写得很清楚：跑一次物理模拟，在结果上训练图神经网络，在未模拟样本上计算采集函数，优化几何，把新样本加入训练集，再跑一次模拟。这是离散外循环，不是在训练或推理路径内在线运行的可微求解器。

DeepGeo（arXiv:2305.02116，AIAA Aviation Forum 2023）补上可微参数化层，包含 Latent Space Model、Direct Mapping Model 与体网格变形正则化，论文演示了它既可插入代理模型也可插入伴随求解器。它是研究框架，不是对已交付工作流的描述。

这直接决定技术该被如何归类。未发现任何证据表明回路内运行可微 CFD/FEA 求解器、使用 PINN、或施加硬物理约束。官方材料实际上说的是相反的：平台是 solver-agnostic 的，因为 AI 在仿真输出上训练，且「neither replaces the solver」。价值主张被表述为「在选定一个设计之前评估更多设计」。Neural Concept 营销中的「physics-informed」是对训练数据的定位表述，不是对架构的声明。

不确定性靠收敛速率而非集成

ICML 2024 论文（arXiv:2403.16732，PMLR 235）表明迭代网络的逐次输出收敛速率与最终精度高度相关，因此收敛速率可作不确定性代理。该方法成本远低于深度集成，且不需修改原模型。论文将其应用于航拍道路检测与 2D/3D 气动属性估计。Jonathan Donier 在该论文上的 affiliation 明确为 Neural Concept SA, Lausanne，这是研究血脉与公司之间最清晰的公开连接。

生产架构实际是什么

公开技术描述给出的商业模型名为 Geometric Regressor；早期旗舰为 Neural Concept Shape (NCS)。当前架构被描述为面向表面的测地卷积，馈入两个分支：Global Feature Branch（测地卷积、average pooling、两层全连接，预测总气动载荷、总阻力与气动平衡系数）与 Local Field Branch（额外测地卷积加点式运算，输出连续压力场与速度场）。它是参数化不可知的，意味着可直接消费非参数化 CAD 几何。

PointNet、MeshGraphNet、U-Net-on-SDF 与 neural fields 在 DrivAerNet++ 对比中是待超越的基线，不是生产架构。这个区别容易被忽略，值得明说。

物理与 CAD 覆盖

官方多物理列表为外流气动、热管理、结构力学、电磁、旋转机械、流固耦合、注塑成型与内流；应用领域对应气动、热、耐久、电驱、透平机械、碰撞、制造与内流。CAD 集成列表为 NX、CATIA、Solidworks、MotorCAD、CFX；仿真工具列表为 StarCCM+、Fluent、Abaqus、Ansys Maxwell、Ansys Mechanical、Moldflow。2026 年 10 月的 MCP Bridge 增加了 CATIA 与 NX（设计阶段）、ANSA 与 HyperMesh（模型准备）、Abaqus（仿真）的连接器。

性能基准

DrivAerNet++（公司自报，2025 年 9 月）

设置：8000 个汽车几何、39 TB CFD、仅用几何而不使用参数化数据集输入、4 块 NVIDIA A100 训练共 24 小时且最佳模型在 16 小时产生、单张 16 GB GPU 可实时部署、39 TB CFD 到生产化流程默认设置下一周完成。

任务Neural Concept此前最佳
表面压力MSE 3.98×10⁻²；MAE 1.08×10⁻¹GAOT：MSE 4.94×10⁻²；MAE 1.10×10⁻¹
壁面剪切应力MSE 7.80×10⁻²；MAE 1.44×10⁻¹GAOT：MSE 8.74×10⁻²；MAE 1.57×10⁻¹
体速度MSE 3.11；MAE 9.22×10⁻¹TripNet：MSE 6.71；MAE 15.2×10⁻¹
阻力MSE 0.8×10⁻⁵；MAE 2.22×10⁻³；最大绝对误差 1.13×10⁻²；R² 0.978TripNet：MSE 9.1×10⁻⁵；MAE 7.19×10⁻³

体速度 MSE 相对 TripNet 腰斩过半，是公司做过的最强单项技术主张。告诫在于：基准是自跑的，而背书引言来自数据集作者 MIT 的 Faez Ahmed。

合成 F1 数据集（公司自报）

1644 个唯一 Onshape 几何导出为 STL，最多 56 个 shape variables，在 OpenFOAM 中以 250 km/h 运行，采用半车对称模型与 SST k-ω RANS 湍流。表面压力 R² 0.916（全域混合），轮胎后 1.7 m 截面 R² 0.967。推理低于 0.1 秒。工作流变化是从每周 5 次 CFD 提升到数百次评估。

JLR（公司自报，GTC 2026）

累计运行 20000 次以上仿真，单 case 最多 10 亿数据点，日设计评估从约 50 次提升到 1500 次，并以 CFD 与风洞结果对齐验证。同一个 50 到 1500 的数字也出现在微软客户案例中，这至少是该数字的第二个公开出处。

公司自报的业务成果

开发周期最多缩短 75%；仿真最多加速 10 倍；产品性能在效率、安全、速度与气动上最多改善 30%；后期重新设计减少 30% 至 50%；上市时间最多缩短 2 年；为客户每年节省 5000 万美元。通用汽车行人碰撞场景中，预测时间从 48 小时降到 30 秒，即 5760 倍，10000 个以上变体变得可探索，而此前约 100 个。某航空航天压力场上 1 小时变 30 毫秒，部分工作流达 200 倍。某电驱客户质量降 12%、扭矩升 9%、开发周期降 75%。MAHLE 案例中 3000 万以上虚拟设计带来 15% 效率提升与 4 dB 噪声下降。

这些加速倍数彼此不可比。 它们是基线不同的不同案例：1 小时的 CFD、48 小时的碰撞模型、含建模设置的完整工作流。公司自己也在 2025 年 9 月的一篇文章中指出了这一点——CEO Baqué 明确反对以基准优先的方式评估代理模型，把自家的 DrivAerNet++ 数字形容为 “flattering”，并主张从生产价值倒推评估。

产品与商业化

产品命名被改写过多次。**NCS（Neural Concept Shape）**是早期旗舰，以 co-pilot 模式运行，工程师上传形状、模型提出改进路径。Engineering Intelligence 自 2024 年起成为主定位。Intelligence platform 与 Engineering Intelligence Layer 是当前的平台层术语。Design Lab 是交互式探索层，Studio 是训练与部署 copilot 的地方，CodeLake 是支撑平台助手检索的可信工程知识库。

2026 年的两次发布定义了当前产品方向。AI Design Copilot 于 2026 年 1 月 7 日 CES 发布，是首个把 spatial reasoning、physics awareness 与 CAD-ready geometry generation 结合在一起的企业级功能；它把数周的手工建模压缩到分钟级，让工程师每轮可探索 10 至 1000 倍的变体、总量达百万级，手工工作量最多减少 90%、后期重新设计最多减少 50%。MCP Bridge 于 2026 年 10 月 19 日发布，基于开放的 Model Context Protocol，让 agent 操作 CATIA、NX、ANSA、HyperMesh 与 Abaqus，跨 Windows 工作站与 Linux 集群。它在真实工程任务上对模型做基准，使每一步都跑在最适合的模型上。量化案例是轮辋几何清理约 3 分钟，对比人工约 1 天，TRATON 与 OPmobility 被点名为用户。

商业模式事实：报价制，无公开价目表；支持本地部署、气隙本地部署、私有云与托管 SaaS，部署于 Azure、AWS、GCP；集成 Microsoft AD 与 SSO；2023 年引入两类 license，Expert 用于构建与微调模型、Production 用于消费其输出，宣称四步可在 24 小时内上线。TechCrunch 报道 F1 客户年费在 10 万至 100 万欧元区间，取决于团队规模与访问级别，而 F1 车队成本上限为每年 1.35 亿美元。公司表述「客户在平台上构建的智能归客户所有」，并称 ARR 增长显著快于 burn rate。

具名客户

有一手或公司级证据的：General Motors（行人碰撞，48 小时到 30 秒，10000+ 变体，模型基于 11 个车型项目的数据训练）、Safran、Airbus（长期关系，2021 年续约）、Bosch、Subaru（冲压与型面设计，3 小时到 2 分钟，对比传统 48 小时）、Eaton（冷却模块，压力降 30%+、重量降 10%+）、MAHLE（3000 万+ 虚拟设计，15% 效率提升，4 dB 噪声下降）、Williams Racing、Visa Cash App Racing Bulls、Leonardo（自 2023 年做气动声学，约 10 名工程师跨三个事业部受训，跑在 A100 GPU 与 Omniverse 库上，部署在 Leonardo 自有的 davinci-1 HPC 集群）、JLR、OPmobility、TRATON、Renault Group、GE Vernova 与 General Electric、Plastic-Omnium、Mubea、Antolin、Hanwha Ocean、Sumitomo Wiring Systems、SPAL Automotive、Kautex、Multi-Wing、Cooper Standard（把专家知识固化进设计 copilot，使注塑件定制模具设计时间减少 50%）、DLR、LS Electric（注塑温度与压力精度 99%+）、Volvo Cars、RWDI、Nexans 与 Cybernet。

三个在流传但无法核实的名字：Yutong、Slam，以及 GE Renewable Energy 作为精确的官方客户名。Porsche AG 仅出现在单一聚合器条目中。

竞争格局

直接的 AI 原生竞品是 PhysicsX（伦敦，2026 年 6 月 3 亿美元 C 轮，估值约 24 亿美元，NVIDIA、Applied Materials 与西门子跟投，2026 年收入约 5000 万美元）、Luminary Cloud（2025 年 9 月 7200 万美元 B 轮，N47 领投、NVentures 参投，出货 SHIFT 预训练模型）、Emmi AI（2026 年 5 月被 Mistral AI 收购，条款未披露）、Monolith AI（2025 年 10 月 6 日宣布被 CoreWeave 收购，2026 年 2 月 25 日已列为完成）与 SolverX（首尔，2021 年成立，其 AI Solver、AI Optimizer 与 AI Enhancer 产品占据同一 CAE 空间，PitchBook 将 Neural Concept 列为 SolverX 的四个竞品之一）。

更严峻的竞争来自在位者内部。Synopsys 于 2025 年 7 月 17 日完成对 Ansys 的收购，合并后实体宣称可服务市场 310 亿美元，产品组合包含 Ansys Mechanical、Maxwell 与 Moldflow——全部是 Neural Concept 集成的对象。西门子在 Simcenter 与 BeyondMath 中嵌入 AI，同时又通过 2024 年 6 月宣布的 STAR-CCM+ 与 NX 集成成为 Neural Concept 的合作伙伴。Dassault Systèmes在 SIMULIA 与 3DEXPERIENCE 中嵌入 AI。Altair出货 PhysicsAI，同时已向 Neural Concept 流失两名高管。

结构性的要点是：Neural Concept 并不在在位者自己的赛道上与之竞争。它是坐在其上方的中立层。这是真实的分发优势，也正因如此，在位者最自然的应对是复制这一层而不是失去客户。

融资与团队

  • 种子轮，2020 年，200 万美元，领投未披露，参投未披露。
  • A 轮，2022 年 3 月，910 万美元，Alven 领投，Aster、CNB Capital 与 HTGF 参投。
  • B 轮，2024 年 6 月，2700 万美元，Forestay Capital 领投，D. E. Shaw、Alven、CNB、HTGF 与 Aster 参投。
  • C 轮，2025 年 12 月 18 日，1 亿美元，Goldman Sachs Alternatives 的 Growth Equity 领投，Forestay、Alven、HTGF、D. E. Shaw Ventures、Aster 与 Anaïs Ventures 参投。

已披露股权融资：至少 1.361 亿美元，含 200 万美元种子轮为 1.381 亿美元。Grant、CHF 50 万 FIT 债务额度与 ESA BIC 支持不计入该数字。Anaïs Ventures 在 2026 年 1 月于其官网确认了与 Forestay 的共同投资。

估值从未披露。 Dealroom 的 funding history 列示的估值档与其自身 profile 区间（5 亿至 10 亿美元）互相矛盾，二手报道则称「超过 5 亿美元」。所有估值数字都是数据库估计或媒体报道，且最大聚合器自相矛盾。

NVIDIA 未投资 Neural Concept。 未发现任何 NVIDIA 或 NVentures 持股证据。NVIDIA 始终且仅以技术与生态伙伴身份出现：加速计算、GPU 与 CUDA 优化、Supercomputing 24 的 Omniverse Blueprint 实时数字孪生、CES 2025 的 Omniverse Blueprint、GTC 2025 的通用汽车联合演示、GTC 2026 的 JLR 场次，以及 2026 年 5 月面向 agentic engineering 的 NemoClaw 组合。把「with Nvidia, Siemens and Microsoft as partners」读成「被投资」的二手标题是混乱的主要来源。

区域扩张是 2026 年的另一条主线：2026 年 6 月首尔成为首个直接亚太办公室，2026 年 9 月班加罗尔与浦那构成首个印度专属布局，2026 年 9 月剑桥成为首个英国基地。公司 2025 年获世界经济论坛 Technology Pioneer 认定，是当年仅有的两家瑞士公司之一；2024 年 6 月通过 ISO 27001 认证；2026 年 9 月被 McKinsey 与 Boardwave 关于欧洲应用层 AI 机会的报告点名。

DISCREPANCIES

共识别并裁定 20 项冲突。最具后果的几项：

1. 成立年份，2018 对 2019。 裁定为法律成立与 spin-out 在 2018，商业运营自 2019。两个日期出现在不同文件家族，而非描述两家实体。

2. 融资总额。 至少 1.361 亿美元，含种子轮 1.381 亿美元。数据库与媒体间 1.36 亿至 1.40 亿的区间反映 grant、债务与取整处理方式，而非对 venture rounds 的分歧。

3. C 轮日期。 2025 年 12 月 18 日。二手报道中的 2026 年 1 月 29 日与 2 月 9 日是转录错误。

4. 估值。 未作裁定，只作标注。不存在官方数字，且 Dealroom 自相矛盾。

5. 客户百分比，50% 对 70% 对 70+ 对 40% 对 25%。 「70+ 客户」与「全球最大 OEM 的 70%」分母不同，可以同时成立。最稳定且定义最明确的一组是 40% 与 25%，从 2022 到 2026 反复出现。2026 年首页的 50% 使用了更宽的合并分母，与 2025 年模板段使用的 70% 方向冲突。同一「前 100 tier-1」分母上从 25% 到 40% 的变化，是公司自身口径的变更。家数口径从 60+ 到 70+ 再到 50+ 反映定义变化，不应解读为客户流失。二手渠道中「约 15 家客户」的说法与所有官方陈述矛盾，予以否定。

6. 人员规模。 2025 年媒体口径 65，2026 年官方 About 页 100+，数据库 126 至 153。没有单一数字可靠；官方口径的断层最可能反映是否计入外包、顾问与实习生。

7. NVIDIA 投资。 未发现。NVIDIA 从未是股东，只是技术与生态伙伴。

8. SP80 纪录数字，65.45 对 68.01 节。 68.01 节是该船的峰值速度；认证世界纪录是 500 米 65.45 节。不是矛盾，但 SP80 自身文本容易被误读。截至截止日，2026 年 Walvis Bay 活动尚无结果公布，这与「失败」不是一回事。

9. Pervis 速度纪录。 2025 年的 141.73 km/h（88.07 mph）是最新有效纪录，并同时取得 2025 年大学组人力速度世界冠军。Pervis 与 IUT Annecy 在 WHPSC 2026 的报名名单与赛事实后回顾中均未出现，因此没有 2026 年结果。男子个人世界纪录仍为 2016 年创下的 89.59 mph。

10. LeadIQ 内部错误。 LeadIQ 把最新一轮列为 2700 万美元，同时将其日期标为 2025 年 12 月 18 日（即 1 亿美元的 C 轮）。其融资明细不可用；其 1000 万至 2500 万美元的收入估计仅作为数据库估计保留。

11. Dealroom 收入时间序列。 数值从 3850 万到 26 亿且增长率一律为负，是数据错误，不予采用。

12. 董事长身份。 不是矛盾而是交接：2025 年 9 月为 Florent Perrichon，2026 年 7 月起为 Brett Chouinard。

13. EPFL Innovation Park 楼栋。 官方公司目录写 Building A，TipRanks 写 Building C。以官方目录为准。

14. A 轮金额。 910 万美元是准确数字；后续 B 轮新闻稿中的「900 万美元」是取整。

15. Monolith 与 CoreWeave 交易日期。 2025 年 10 月 6 日宣布；2026 年 2 月 25 日已计为完成。某经纪商页面显示 2026 年 10 月，与两者均不符，视为簿记字段。

16. 竞品「Solver」指谁。 最可能是首尔的 SolverX——域名、CAD 输入、成立年份、人员规模、种子轮规模均匹配，且 PitchBook 将 Neural Concept 列为 SolverX 的四个竞品之一。因原问题未指定地域，对应关系保留为未核实。

17. 一个名为「EMail」的产品。 不存在该名称的产品；该指代是 Engineering Intelligence 的转录。

18. Barbara Marcora 作为博士导师。 无支持证据，判定为错误。

19. 加速倍数，1000 倍对 5000 倍对 5760 倍。 是基线不同的不同案例，不是矛盾。任何引用都必须把数字绑定到其案例。

20. 2018 年论文中的 51.5%。 这是原始发表的 3D 测试集阻力精度，反映了泛化到未见几何的真实困难。不应从二手摘要中删除。

风险与尽调缺口

无任何基准的独立复现。 所有精度数字均为自报。MIT 的背书来自数据集作者。

生产模型不透明。 架构被命名但未被描述，其与 2018 年论文的关系未披露。没有公开权重也没有公开专有数据集，第三方无法核验精度。

「physics-informed」在技术上未被证实。 无 PINN、无硬约束、无环内可微求解器的证据。

收入从未以绝对值披露。 仅有官方信号是 18 个月内企业收入增长 4 倍，以及「ARR 增长快于 burn rate」的表述。LeadIQ 的 1000 万至 2500 万美元是唯一可得的点估计。

估值依赖第三方估计。 不存在官方数字，且最大聚合器自相矛盾。

实质性的利益冲突。 董事长与 CRO 均来自 Altair——一家在 CAE 内嵌 AI 领域的直接竞品。CEO 与顾问 François Fleuret 均出自 EPFL CVLab，且 Fleuret 仍是联合创始人。

来自纪录项目的品牌敞口。 卧式自行车与 SP80 帆船是品牌资产，没有可核验的收入与之绑定。

客户口径的模板化改写。 覆盖率与客户家数在同一样板段落中跨年重述。

研究资产集中。 深度学习能力集中在 EPFL CVLab 生态，围绕 Fua、Fleuret、Donier 与 Baqué。

综合评分

  • 技术 7.5。 四篇可追溯论文（含 ICML 与 AIAA 场馆），一次公开基准超越且体速度 MSE 减半以上，一条真实的可微参数化研究线，一个廉价且可信的不确定性代理。扣分项：零独立复现、生产架构未披露、无公开权重，以及论文自身 51.5% 的 3D 泛化结果。
  • 商业化 6.5。 50 家以上企业客户且强品牌覆盖汽车、航空航天、能源、电子与国防，4 支 F1 车队，一份成文的参考工作流，以及每个部署 30 倍的 PR。扣分项：零收入、ARR、毛利率与合同金额披露，本品类典型的客户集中度，以及反复重述的客户百分比。
  • 融资 9.0。 含种子轮 1.381 亿美元已披露，一笔来自 Goldman Sachs Alternatives 成长资本的 1 亿美元 C 轮，覆盖欧洲 venture、D. E. Shaw 与 Aster 的银团，以及独立获确认的 Anaïs Ventures。仅因无官方估值、且尚无收入基数检验这一 mark 而扣分。
  • 产品成熟度 7.5。 从 NCS 经 Engineering Intelligence 到 Design Lab、Studio、CodeLake、AI Design Copilot 与 MCP Bridge 的清晰命名与层级演进，部署覆盖 SaaS、本地、气隙、私有云与 Azure，并有一个携带 DrivAerNet++ 工作流的社区套件。扣分项：未发布精度包络，精度模型仍主要以相对口径描述，且 2026 年的产品转向尚未验证。
  • 市场位置 7.0。 在欧洲与亚洲 OEM 及前 100 tier-1 供应商中占有可信份额，在所有主要 CAD 与 CAE 厂商之上占据中立层位置，获 WEF Technology Pioneer 认定并在 McKinsey 与 Boardwave 欧洲应用层报告中被点名。扣分项：估值远超任何已证实收入，资本化品类已上移一个数量级，而五大 CAE 厂商中有四家出货内嵌 AI，使持久性壁垒仍未量化。

参考资料

  1. Neural Concept，《Neural Concept closes $100M funding round led by Growth Equity at Goldman Sachs Alternatives》（2025-12-18）
  2. Neural Concept，《Neural Concept raises $27 million Series B to further accelerate global growth》（2024-06-03）
  3. Neural Concept，《Neural Concept raises a $9.1m Series A to scale Engineering Intelligence》（2022-03-21）
  4. Neural Concept，《From Raw Data To State-of-the-art Results On Aerodynamics ML》/ DrivAerNet++ 基准（2025-09-11）
  5. Neural Concept，《Neural Concept Introduces a Physics- and Geometry-Aware AI Design Copilot》（2026-01-07）
  6. Neural Concept，《Neural Concept Launches MCP Bridge》（2026-10-19）
  7. Neural Concept，《Finding the Path to Value in Engineering AI - Why We Need to Rethink Benchmarking》，Pierre Baqué（2025-09-18）
  8. Neural Concept 招聘页：11 个办公室、37 个在招岗位（2026-10）
  9. EPFL，《Neural Concept’s AI Engineering Redefining Modern Industry》（2026-06-16）
  10. EPFL Innovation Park 公司目录条目（id 11049）
  11. Baqué 等，《Geodesic Convolutional Shape Optimization》，arXiv:1802.04016，ICML 2018
  12. Durasov 等，《DEBOSH: Deep Bayesian Shape Optimization》，arXiv:2109.13337
  13. Wei、Fua、Bauerheim，《Automatic Parameterization for Aerodynamic Shape Optimization via Deep Geometric Learning》，arXiv:2305.02116，AIAA Aviation Forum 2023
  14. Durasov 等，《Enabling Uncertainty Estimation in Iterative Neural Networks》，arXiv:2403.16732，ICML 2024
  15. Microsoft Customer Story 27098，Neural Concept on Azure（2026-08-21）
  16. Forbes，《Establishing Secure And Sovereign Supply Chains For Physical AI》，Sabbir Rangwala（2026-09-30）
  17. McKinsey 与 Boardwave，《Europe’s new AI edge? The emerging application layer opportunity》（2026-09）
  18. TechCrunch，《How Neural Concept’s aerodynamic AI is shaping Formula 1》（2024-04-14）
  19. MAHLE newsroom，EV 鼓风机设计发布（2025-04-21）
  20. Synopsys investor relations，完成对 Ansys 的收购（2025-07-17）
  21. WHPSC.org 2026 Lookback 与 IHPVA 纪录；SP80 关于 2026 纳米比亚活动的官方发布

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 2026 年 10 月 21 日，请以公司公告与定期报告为准。

相关论文

相关工具

相关案例

相关报告26

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。