Startup AI công nghiệp 'Shexu Technology' gọi vốn thành công hơn 300 triệu NDT

Nguồn ảnh: Doanh nghiệp

Bài viết dài khoảng 1400 chữ, thời gian đọc dự kiến 3 phút.

Tác giả: Âu Tuyết

Biên tập: Viên Tư Lai

Hard (Hard 36Kr) được biết, nhà cung cấp giải pháp nghiên cứu và phát triển thiết kế AI công nghiệp "Shexu Technology" gần đây đã chính thức hoàn tất vòng gọi vốn Series B với số tiền hơn 100 triệu nhân dân tệ, nâng tổng số vốn huy động được lên hơn 300 triệu nhân dân tệ. Các nhà đầu tư bao gồm Shenzhen Capital Group, Hedin Gong và cổ đông hiện hữu Yonghua Investment. Nguồn vốn này sẽ được sử dụng để mở rộng thị trường (bao gồm cả thị trường quốc tế) và nghiên cứu phát triển công nghệ mô hình cốt lõi.

Shexu Technology được thành lập vào năm 2020. Sản phẩm chủ lực "Zexing AI" (AI) là nền tảng tác nhân (Agent) thông minh phục vụ nghiên cứu và phát triển thiết kế phần cứng, được xây dựng dựa trên mô hình thế giới công nghiệp tự phát triển và các mô hình ngôn ngữ lớn. Nền tảng này cung cấp các giải pháp thiết kế 3D trên nền tảng đám mây và chức năng tạo bản vẽ kỹ thuật 2D thông minh. Nhà sáng lập kiêm CEO Ngô Vịnh Vinh là Tiến sĩ chuyên ngành sản xuất tiên tiến tại Đại học Đồng Tế, từng là nghiên cứu viên tại Phòng thí nghiệm sản xuất tiên tiến của GM và chuyên gia sản xuất thông minh tại NIO.

So với năm ngoái, hai dòng sản phẩm chính là tạo hình 3D và tạo bản vẽ 2D của Shexu đã trải qua quá trình nâng cấp Agent chuyên sâu. Hiện tại, 3D Agent dựa trên AI hình học và 2D Agent dựa trên AI sản xuất đã hoàn tất cải tiến kỹ thuật, nhanh chóng giúp người dùng là các kỹ sư tạo ra giá trị thực tiễn cao hơn. Physical AI (AI vật lý) – cầu nối giữa AI hình học và AI sản xuất – cũng đã bước vào giai đoạn nghiên cứu kỹ thuật và xác thực POC (Proof of Concept). Trên thực tế, Physical AI không phải là khái niệm độc quyền trong lĩnh vực trí tuệ hiện thân (Embodied AI), mà Physical AI kết hợp cơ chế công nghiệp để giải quyết chính xác các trường vật lý cụ thể ở cấp độ công nghiệp cũng quan trọng không kém.

Ngô Vịnh Vinh giải thích với Hard về logic nội tại của sự tiến hóa này: "Chúng tôi muốn tạo ra một cổng vào AI phổ quát cho kỹ thuật phần cứng. Người dùng đưa ra yêu cầu, AI sẽ thực hiện theo ba bước: AI hình học trước tiên thiết kế hình dạng hình học chính xác dựa trên yêu cầu, sau đó Physical AI tính toán các đặc tính vật lý như độ bền, độ cứng, trường dòng chảy hoặc từ trường, cuối cùng AI sản xuất sẽ đánh giá khả năng sản xuất của thiết kế đó."

Về kết quả kinh doanh, giá trị hợp đồng của Shexu Technology trong nửa đầu năm nay tăng khoảng 70% so với cùng kỳ, dự kiến cả năm đạt gần 200 triệu nhân dân tệ, gần gấp đôi so với năm ngoái. Mô hình phân phối RAAS (Result as a Service - Kết quả như một dịch vụ) đã trở thành động lực tăng trưởng quan trọng, chiếm khoảng 1/3 doanh thu cả năm.

Hiện tại, sản phẩm Zexing AI đã được ứng dụng trong các ngành công nghiệp cốt lõi như ô tô, 3C, năng lượng và mở rộng sang các lĩnh vực mới nổi như hàng không vũ trụ thương mại, trí tuệ hiện thân. Khách hàng chính bao gồm các doanh nghiệp hàng đầu như Honda, Dongfeng, CAERI (Trung Quốc), Yutong, CRRC, v.v.

Về chiến lược vươn ra thị trường quốc tế, Shexu Technology xác định năm 2026 là năm đầu tiên đẩy mạnh xuất khẩu, tập trung vào thị trường châu Âu. Công ty đã ký hợp đồng với khách hàng hạt giống đầu tiên tại Đức. Trong nửa đầu năm, công ty đã hoàn tất các công việc tiền đề như tuân thủ dữ liệu EU, nửa cuối năm sẽ nỗ lực triển khai cho khoảng 10 khách hàng đầu tiên, năm tới dự kiến mở rộng quy mô tại châu Âu, đồng thời chuẩn bị cho thị trường Nhật Bản, Hàn Quốc và Đông Nam Á.

Dưới đây là nội dung trích lược cuộc phỏng vấn giữa Hard và nhà sáng lập Ngô Vịnh Vinh (đã qua biên tập):

Hard: Thái độ của khách hàng đối với AI công nghiệp đã thay đổi như thế nào trong hai năm qua?

Ngô Vịnh Vinh: Những khách hàng vốn rất bảo thủ trước đây, nay đã được "giáo dục" đến mức thậm chí có phần "cấp tiến". Điều này thể hiện rõ trong ngân sách đầu tư và cả tâm lý. Trước đây, nhiều khách hàng cho rằng "dùng AI cho kịch bản này là không thể", nhưng hiện nay họ chủ động thực hiện POC ngay cả khi kịch bản chưa hoàn thiện, thậm chí sẵn sàng chi ngân sách cho POC là chuyện rất phổ biến. Có ba yếu tố thúc đẩy chính: Một là sự tiến bộ của các mô hình lớn cơ bản hàng ngày, hai là những điểm đau (pain points) thực sự tồn tại trong công việc, ba là họ đã tận mắt thấy giá trị thực tế mà AI mang lại trong các kịch bản đã triển khai.

Hard: Liệu AI công nghiệp cuối cùng có thay thế các kỹ sư không?

Ngô Vịnh Vinh: Chúng tôi luôn nhấn mạnh một quan điểm trong nội bộ: Trước khi AGI (Trí tuệ nhân tạo tổng quát) xuất hiện, con người sẽ không bị thay thế, nhưng những kỹ sư không biết sử dụng AI sẽ bị thay thế bởi những kỹ sư biết sử dụng AI. Giá trị cốt lõi của kỹ sư chưa bao giờ là "vận hành phần mềm", mà là "đưa ra phán đoán chuyên môn", bao gồm việc chọn chuẩn mực nào, định dung sai ra sao, cân bằng chi phí và hiệu suất như thế nào.

Những quyết định này cần dựa trên kinh nghiệm, bối cảnh và toàn bộ ngữ cảnh của sản phẩm phần cứng từ khâu thiết kế, nghiên cứu đến sản xuất, gia công và bảo trì, điều mà AI trong ngắn hạn chưa thể làm được. Trạng thái lý tưởng trong ngắn hạn là: AI hoàn thành 80% công việc lặp đi lặp lại, kỹ sư tập trung sức lực vào 20% phán đoán sáng tạo và xử lý ngoại lệ.

Hard: Ông dự đoán khi nào "khoảnh khắc GPT" của mô hình thế giới công nghiệp sẽ đến? Tiêu chí đánh giá là gì?

Ngô Vịnh Vinh: Tối đa là 3 đến 5 năm nữa. Tiêu chí đánh giá là khả năng đạt được trình độ thông minh tương đương với L4 hoặc L5 trong xe tự lái. Khi L2 hoặc L3 có thể sản xuất hàng loạt quy mô lớn, dữ liệu thu được từ sản xuất hàng loạt sẽ phản hồi ngược lại để nâng cấp các mô hình cao cấp hơn, tốc độ sẽ rất nhanh. Các kịch bản công nghiệp với ngôn ngữ tự nhiên, hình ảnh và video có sự tương đồng về nguyên lý cơ bản của AI. Khi lượng dữ liệu tích lũy đến một mức độ nhất định, kết hợp với công nghệ mô hình phù hợp, trí tuệ cấp cao trong các phương thức đó sẽ xuất hiện. Khó khăn vẫn nằm ở dữ liệu, công nghệ mô hình và việc thúc đẩy kinh doanh sản xuất hàng loạt (vì nó không chỉ mài giũa công nghệ mô hình mà còn tạo ra vòng lặp dữ liệu), và chúng tôi đã đi rất xa trong lĩnh vực này.