AI时代，各行各业都在争夺数据时，大模型最难理解的一类场景是什么？答案或许是：科研和工业场景中真实运转的装置。

以核聚变装置为例。一座装置的零部件达到几十万个，它的设计图纸、实验数据分散在设计单位、实验室和论文里，格式各不相同。把这些原始材料摆到模型面前，哪个部件连着哪个，材料是什么，运行起来如何变化，它基本无从下手。

背后原因并不复杂。文本和图片的训练数据大多来自公开的互联网，而三维世界里最复杂的这批对象，图纸在保密柜里，数据散落在各个实验室，彼此割裂，模型从未见过。率先在极难场景里把问题拆开、并持续落地的，是一家合肥的公司。

投中网近日独家获悉，安徽可视科学技术有限公司（品牌名SciVisual，可视科学）已完成天使轮及天使+轮融资，累计金额数千万元，投资方为上海未来产业基金、厚雪资本、浦东创投，云道资本担任公司长期独家财务顾问。

可视科学数字化技术曾登陆央视马年春晚，央视国庆特别节目为其进行了8分钟的专题报道。“可视化本质上是对复杂科学对象的数字化重构，公司做的事情，是把一台装置从几何、部件、材料到物理逻辑，整体编译成AI能够调用和推理的数据，是AI for Science的数据基础设施。”可视科学CEO杨远帆表示。

力学博士生“不务正业”却从科学传播中发现了一门大生意

一家初创公司如何进入中国最难进入的科学数据现场，或许要从六年前一条抖音评论区说起。

2020年前后，杨远帆在中科大攻读力学博士，课题方向是有限元仿真模拟。同时，他对科技传播很感兴趣，课余时间，他运营着中科大的官方抖音号，其中一个栏目专门介绍学校的重大科技成果。制作虽并不精良，播放量却远超预期，不过评论区出现频率最高的四个字，是“不明觉厉”。

公众看得很起劲，实际并没有看懂。杨远帆后来回忆，当时的心情，一方面是惊喜，发现公众对于前沿科学是很感兴趣的，另一方面是愧疚。国家最前沿的科学成果，最终只换来一句看不懂的赞叹，问题不在公众，在于科学从未被翻译成公众能够理解的形态。

2023年，他参与中科大的科学艺术项目，走进中科大和中科院的十几家顶尖实验室，他借此获得了一个少见的身份：一个具备理科背景、能够长时间坐在院士和PI对面的年轻人。他发现，这些在Nature、Science上发表过成果的科学家，讲述自己的研究时，连陪同的资深媒体人都难以理解，更别提外界大众。中国的前沿科学缺少一支翻译的力量，可视科学由此起步。

生意从最小的切口做起。

科学家参加学术会议需要报告视频，项目申请验收需要向评审专家展示成果，这些是刚性需求，而且科研经费可以覆盖。市场规模不大，难度却不低。公司从普通科研项目做起，逐步承接Nature、Science级别的成果可视化，再到极具复杂度的国家大科学装置和前沿科学设施全面数字化。

转折发生在2024年。和国家最新一代同步辐射大科学装置——合肥先进光源HALF合作的过程中，团队面临了一个此前无人解决的问题：大科学装置这样超大规模的科学设施，整台装置的零部件达到几十万量级，数字模型在普通电脑上无法打开，如何数字化和渲染？团队为此研发了两年模型轻量化算法，网格数量压缩99%以上。此前只有工作站才能处理的模型，现在个人电脑即可运行。

难关度过之后，认知也随之升级。过去三年，数百个项目做下来，他们都在沉淀同一类东西：结构化的数据、标注规则、工具链。

把这些积累重新审视一遍，恰逢行业逻辑发生变化。五年前，一个结构化3D模型的最大价值是给人看，帮助人提高生产效率。Agent出现之后，只要数据结构足够好，AI就能理解任务、调用模型、组织工作流。同一批数据，过去是内容生产的基础设施，如今是AI理解和调用真实科学世界的基础设施。数据没有变，用法变了，生意也随之改变。公司的新战略，正是在这一背景下确立。

理念在过程中完整，团队同样是在过程中逐步聚齐，核心成员覆盖仿真计算、核聚变、AI 与商业运营，是“科学家+工程构建者+商业运营”的组合，其中还吸引来了中科大副教授、博导刘子奚的加入。刘子奚长期从事核聚变和数值模拟研究，是把聚变计算与仿真做进头显的第一人，他是国际托卡马克物理研究组织ITPEA-PEP专家，也是国际ITER 2025物理基础进展报告台基与边界物理方向唯二的中国科学家之一。二人相识于B站，志趣相投，一年后正式深度合作，刘子奚负责数据处理及 AI4S 板块。

“一位能造人造太阳的科学家加入，这在科学可视化、乃至整个 AI for Science 赛道里都很少见。”一位投资人曾如此评价。

今年拿下千万量级的营收

在杨远帆看来，AI 要真正进入科学研究，前提是先读懂真实的科学对象。而这中间隔着三层问题：

数据层：信息散落在 CAD 文件、仿真结果、论文和传感器日志里，格式各异，没有统一标准。认知层：传统三维模型只有外观，不带部件功能、空间关系、材料与物理参数。应用层：数据难以复用，进不了 AI 的训练和推理链路。

这套能力中最难的一层，是认知层。杨远帆表示，这也是公司长期攻关的一块，“认知层不打通，后面的AI调用和应用生产都没有基础”。

公司将业务分为两端：科研端解决能不能做，企业端解决赚不赚钱。

科研端被杨远帆称为训练场。核聚变、先进光源、宇宙线观测站，代表着中国科研复杂度的天花板，在这里磨出来的能力，迁移到工业场景接近降维。

已落地的项目包括HIAF强流重离子加速器、EAST全超导托卡马克核聚变实验装置、以及HALF合肥先进光源，这座周长近500米的装置，数十万个零件需要做全生命周期的数字孪生。在四川稻城，公司为LHAASO高海拔宇宙线观测站搭建了整套数字化系统，开发了宇宙线数据处理和可视化模块，场地通过卫星地图和无人机扫描完成重建。

截至目前，公司已深度服务 60 余位院士在内的800余位科学家，覆盖国家大科学装置和300多个前沿科学设施。

但只在科研端证明技术还不够。过去一年，可视科学开始把科研场景中积累的能力迁移到企业场景。目前，公司已进入消费品、高端装备等产业客户，将复杂产品、技术资料和专业数据重新组织，用于技术展示、研发交流和企业内部知识沉淀。

这也成为公司下一阶段商业化的重要方向。科研端提供的是极高复杂度的技术验证和稀缺科学资源，企业端则需要证明，同一套底层能力能否形成更加标准化、可持续的商业价值。今年，公司营收已进入千万元量级，团队近40人。

放进同行坐标系中，能够更清晰的感知这家公司的形态。

市场上有做3D生成的，有做仿真的，有做XR的，也有做Agent的，各占一层。做3D生成的，不一定理解科学语义；做仿真的，手里没有3D资产和数据渲染能力；做Agent的，又缺少底层的高质量专业数据。可视科学的特点不在某个单点突出，而在于把过去彼此割裂的几个环节串成了一条完整链路，从3D结构化、科学数据处理、知识标注、仿真数据表达，一直通到Agent调用。真正难以复制的，是这套端到端的体系。

连融两轮

定位、方向、路线想清楚之后，杨远帆才开始见投资人，并于今年连续拿下天使轮及天使+轮融资。他后来回忆，初期的商业计划书与现在差别很大，早期投资人投的其实不是一份PPT，而是理念和团队。

投资人为何而投？

上海未来产业基金方面表示：“科学数据是未来产业的底层生产要素。可视科学在国家级大科学装置场景中跑通了从数据入口到结构化资产的闭环，并逐步将相关能力拓展至企业端，为科研创新和科技企业发展提供支撑。这与上海未来产业基金助力前沿科研、赋能未来产业的目标是一致的。”

浦东创投表示：“科学对象的数字化、结构化与智能化表达，是链接科研创新与产业研发的关键环节，也是上海乃至全国未来产业生态中不可或缺的一块拼图。期待公司持续把高门槛的科学数据能力转化为可复用的基础设施，赋能更多科研机构与产业客户。”

厚雪资本表示：可视科学赋能国家级科研场景，帮助科研工作者把数十万套科学装置与工程样机沉淀为可交互、可加工的标准化AI数字资产。期待团队持续推进科学 3D AI 基础设施向千行百业落地赋能，降低科研与工程开发的数字化门槛，助力国家颠覆性技术创新。

最后是护城河的问题。3D生成模型一年一个样，通用多模态的能力边界持续外扩，这套依靠两年算法、300多个项目和科学家逐条校核磨出来的体系，会不会在某一天被一个更强的开源模型替代？

杨远帆的回答多少有些反直觉：他希望通用模型越来越强。公司不做通用基础模型，底座越强，能直接借用的通用能力就越多。但进入核聚变、量子、高端装备这些专业场景后，通用模型仍然缺少三样东西：闭源专业数据、专业数据处理算法、真实工作流。两者不是替代关系，通用模型提供基础能力，可视科学提供进入专业科学世界所需的数据和工具。

今年以来流行的FDE赛道提供了另一个参照。FDE团队两三个人驻场，为一家公司做AI改造，市场空间大，但本质上难以规模化。可视科学的路径相反，从统一的结构性问题入手，一次解决一类客户，而不是一个客户。

更大的背景是：国家在前沿科学上的投入以千亿计，聚变、量子、先进光源等科学装置正在建设，但装置的数字模型重建与仿真数据处理这一环节，此前几乎无人布局。2026年被不少行业报告称为AI for Science的商业化元年，模型层竞争已经拥挤，真正稀缺的，是既握有高质量专业数据处理能力、又能让数据进入AI工作流的团队。当很多公司在争夺AI的“大脑”，可视科学想补上的，是大脑理解真实科学与工业世界之前，那一层仍然缺失的数据底座。