Neural Concept pozyskał 100 milionów dolarów w ramach rundy finansowania serii C, aby skalować inżynierię rodzimą dla AI

Neural Concept, firma AI z siedzibą w Lozannie, skupiająca się na zmianie sposobu projektowania i inżynierii złożonych produktów, ogłosiła rundę finansowania serii C o wartości 100 milionów dolarów, której przewodniczy Growth Equity at Goldman Sachs Alternatives, z udziałem istniejących inwestorów Forestay Capital, Alven, HTGF, D.E. Shaw Ventures, oraz Aster Capital. Runda ta stanowi znaczący kamień milowy dla firmy, gdyż skaluje swoją platformę AI-native w niektórych z najbardziej wymagających środowisk przemysłowych na świecie.

Założona jako spin-out ze Szwajcarskiego Federalnego Instytutu Technologicznego w Lozannie (EPFL), Neural Concept zbudował swoją platformę wokół prostej, ale ambitnej idei: AI inżynierskie powinno rozumieć geometrię, fizykę i intencję projektowania na tym samym poziomie, co narzędzia, których już używają inżynierowie. Zamiast umieszczania AI jako zewnętrznej warstwy analitycznej, firma wbudowuje głębokie uczenie się bezpośrednio w przepływy pracy CAD i symulacji, umożliwiając inżynierom rozważanie wydajności i ograniczeń znacznie wcześniej w procesie rozwoju.

Przenoszenie AI bezpośrednio do rdzenia inżynierii

Tradycyjne przepływy pracy inżynierskiej są często definiowane przez długie cykle iteracji. Projekty są tworzone, symulowane, modyfikowane i ponownie symulowane – czasem przez miesiące – zanim pojawią się krytyczne problemy. Podejście Neural Concept ma na celu przesunięcie tego harmonogramu do przodu. Poprzez uczynienie AI rodzimym dla środowisk CAD i fizyki, platforma pozwala zespołom na wcześniejsze eksplorowanie dużych przestrzeni projektowych, identyfikowanie kompromisów wcześniej i redukowanie prawdopodobieństwa późnych przebudów, które mogą sparaliżować harmonogramy i budżety.

Ten model znalazł odzwierciedlenie w branżach, gdzie złożoność i czas wprowadzenia na rynek są stałymi naciskami. Firmy z branży motoryzacyjnej, lotniczej, energetycznej i zaawansowanej produkcji używają platformy do przyspieszenia rozwoju produktów, utrzymując przy tym rygorystyczne standardy wydajności i bezpieczeństwa. Firma zgłasza czterokrotny wzrost przychodu z przedsiębiorstw w ciągu ostatnich 18 miesięcy, z ponad 50 globalnymi organizacjami, które aktywnie wdrożyły swoją technologię w produkcji.

Nowy kapitał zostanie wykorzystany do przyspieszenia rozwoju produktu – w tym planowanego wydania funkcjonalności CAD generatywnej na początku 2026 roku – rozszerzenia globalnych zespołów wprowadzania na rynek oraz pogłębienia integracji z partnerami w zakresie infrastruktury chmury, oprogramowania symulacyjnego i przyspieszania sprzętu.

Przechodzenie od eksperymentów AI do wdrożenia na dużą skalę

Wzrost Neural Concept odzwierciedla szerszą transformację zachodzącą w przyjęciu AI w przedsiębiorstwach. Wiele organizacji przemysłowych spędziło ostatnie kilka lat na eksperymentowaniu z uczeniem maszynowym w izolowanych przypadkach użycia. To, co się teraz zmienia, to przesunięcie w kierunku platform, które mogą być wdrożone na dużą skalę, w całych zespołach i liniach produktów, bez zmuszania inżynierów do porzucenia istniejących narzędzi lub procesów.

Poprzez pozycjonowanie się jako warstwa inteligencji, która znajduje się w całych systemach inżynierskich, Neural Concept jest zgodny z tym przesunięciem. Jego platforma jest zaprojektowana tak, aby integrować, a nie zastępować, umożliwiając firmom wprowadzenie AI do krytycznych workflow, stopniowo, przy jednoczesnym dostarczaniu wymiernego wpływu. To podejście enterprise-first pomogło przenieść AI w inżynierii poza projekty pilotażowe i do codziennego podejmowania decyzji.

Wzrost AI jako warstwa inteligencji dla zespołów inżynierskich

Runda serii C Neural Concept wskazuje również na głębszą transformację w rozwoju samej inżynierii. AI nie jest już stosowana tylko do przyspieszania poszczególnych zadań; coraz częściej kształtuje sposób podejmowania decyzji w całym cyklu życia produktu. Gdy systemy AI stają się w stanie rozważać geometrię, fizykę i ograniczenia wydajności razem, zaczynają funkcjonować jako ciągłe źródło inteligencji inżynierskiej, a nie okazjonalne narzędzie optymalizacji.

Ta zmiana ma istotne implikacje dla sposobu pracy zespołów. Inżynierowie mogą odejść od zarządzania powtarzalnymi symulacjami i fragmentowanymi łańcuchami narzędzi w kierunku wyższego poziomu osądu – definiowania celów, interpretowania wyników i balansowania kompromisów między kosztem, wydajnością, zrównoważonym rozwojem i możliwością produkcji. AI zajmuje się komputacyjną eksploracją na dużą skalę, podczas gdy ludzie pozostają odpowiedzialni za intencję, ryzyko i ostateczne decyzje.

Z czasem ten model może skrócić cykle rozwoju, zmniejszyć marnowanie materiałów i umożliwić eksplorację projektów, które wcześniej były niepraktyczne ze względu na złożoność lub koszt. Co więcej, przedefiniuje inżynierię jako ciągły dialog między ludzką ekspertyzą a rozumowaniem maszynowym, a nie sekwencję odłączonych kroków.

Trajektoria Neural Concept sugeruje, że inżynieria napędzana przez AI przechodzi od eksperymentów do infrastruktury. Gdy więcej organizacji przyjmuje AI nie tylko do optymalizacji workflow, ale także do kierowania samym podejmowaniem decyzji, ta warstwa inteligencji może stać się tak fundamentalna dla zespołów inżynierskich, jak narzędzia CAD i symulacji są dziś.