95后中科大博士，融资数千万元：用AI给科学装置建三维模型

作者丨铅笔道 黄小贵

又一位95后博士拿到融资。

近日，安徽可视科学技术有限公司（以下简称“可视科学”）宣布完成天使轮及天使+轮融资，累计融资数千万元。投资方包括上海未来产业基金、厚雪资本、浦东创投，云道资本担任长期独家财务顾问。

这是一家颇为特别的公司。

它的业务是给中国最顶尖的科学装置建立三维数字模型。从“人造太阳”到量子计算机，从深空探测设备到同步辐射光源，那些普通人很难理解的科学装置，在它的技术下变得可以观察、拆解，甚至交互。

创始人杨远帆是一位95后中国科学技术大学博士。几年前，他和6名同学带着笔记本电脑创业，如今团队已参与300余个科研及产业项目，服务超过60位院士、800名科学家。

随着AI进入科研和工业领域，真实、准确的三维数据正在变得越来越重要。

给“人造太阳”建模

可视科学究竟在做什么？

不妨先看一个项目。

2024年，杨远帆团队接到一项任务：为合肥先进光源建立数字模型。

合肥先进光源是一座正在建设中的国家重大科技基础设施。简单来说，它相当于一台超级精密的科学研究设备，可以产生高品质同步辐射光，为科学家研究微观世界提供工具。

这套装置包含几十万个零部件。

对于普通动画公司，把它做成一段视频并不难。但科研机构的要求远不止好看，而是必须准确还原设备的结构与科学原理。

杨远帆团队需要根据设计资料，在电脑中将这座尚未建成的大科学装置提前搭建出来。

据2026年《安徽日报》报道，仅处理相关模型，团队就花费了四个月，期间与30多位科学家反复沟通。

其中有一个叫“波荡器”的部件，涉及电子运动和同步辐射光的产生过程，相关呈现方案前后改了7个版本。

项目最终交付时，科学家们第一次通过三维模型，直观地看到装置的内部结构和未来全貌。

类似的工作还有很多。

在为中国“人造太阳”——全超导托卡马克核聚变实验装置EAST制作数字模型时，团队需要将原本肉眼看不见的等离子体运动过程呈现出来。

整个项目历时四个多月，修改十几个版本。

最终，观众戴上XR设备，就可以在虚拟环境中拆解这座大型科学装置，观察内部结构，理解核聚变实验的基本原理。

2025年10月，央视新闻专门报道了这群年轻人的工作。2026年央视春晚合肥分会场，也出现了由可视科学提供数字化技术支持的“大国重器”视觉呈现。

但这些电视画面，并不是可视科学真正的技术门槛。

在公众看来，这些作品很像精美的三维动画；在科研领域，背后涉及的却是科学计算、三维重建、复杂模型处理和专业知识验证。

以大型科学装置为例，原始资料可能分散在工程图纸、CAD文件、仿真数据和大量技术文档中。这些数据格式不一，规模庞大，也不容易被普通软件直接调用。

要将它们转化为可以交互的三维模型，需要理解零部件之间的空间关系，处理庞大的几何数据，并在轻量化过程中尽可能保留关键细节。

同样一个模型，既要保证专业准确性，又要能在电脑、移动终端甚至XR设备上流畅运行。

这不是简单增加几个动画师就能解决的问题。

按照公司提供的数据，截至目前，可视科学已覆盖20余座国家大科学装置、300余个前沿科学设施，累计参与300余个科研及产业项目。

这些项目让团队接触到了核聚变、同步辐射、量子科技、深空探测等领域的复杂科学数据。

而这恰恰成为公司今天吸引资本的原因。

过去，这些模型主要用来展示科学成果。如今，可视科学希望把长期积累的三维数据处理能力进一步产品化，让更多科研机构和工业企业直接使用。

AI开始进入实验室，一门新生意出现了

为什么一家做科学可视化起家的公司，能够获得上海未来产业基金、厚雪资本和浦东创投的投资？

答案藏在AI进入真实世界的过程中。

过去几年，大模型已经学会写文章、编代码、生成图片，甚至解决复杂数学问题。但面对一座真实的工业设备，情况就没那么简单。

例如，一座核聚变装置有成千上万个零部件。AI或许能解释它的运行原理，却不一定知道某个具体零件安装在哪里，与哪些部件连接，拆装过程中可能发生什么问题。

原因在于，互联网拥有海量文本、图片和视频，但真正高质量、带有专业知识和空间关系的科学及工业三维数据，并没有那么容易获得。

这也正在成为全球工业软件巨头的新战场。

2026年2月，法国工业软件巨头达索系统宣布与英伟达达成长期战略合作，计划将工业数字孪生技术与AI计算平台结合，开发面向工程、制造、材料科学等领域的行业世界模型。

一个月后，西门子推出基于英伟达Omniverse技术的数字孪生产品，进一步推动工业三维数据与AI融合。

这些巨头所做的事情，背后有着相似的逻辑：要让AI真正参与工业研发和生产，就需要先让现实世界中的机器、工厂和复杂设备，在数字世界里拥有准确、可理解的对应物。

这也是可视科学希望参与的市场。

目前，公司正将原本用于科学传播的能力，延伸到科学三维数据处理、AI工具和平台化产品。

举个例子。

过去，一家科研机构找到可视科学，委托制作某座科学装置的三维模型。项目完成，交付成果，交易基本结束。

这是典型的项目制生意，收入取决于接单数量和交付能力。

但如果相关技术能够沉淀为软件工具和标准化产品，情况就不同了。

科研机构可以持续调用三维数据，工业企业可以利用工具处理复杂设备模型，AI系统也有望通过结构化数据理解设备的组成和相互关系。

商业模式就有机会从一次性项目收费，扩展到软件授权、数据处理服务和平台使用费等持续性收入。

当然，这仍是可视科学正在探索的方向，而不是已经得到充分验证的商业成果。

一个重要问题是，复杂的科学三维数据往往涉及科研机构的知识产权、工业企业的技术秘密，数据能否被复用、如何授权、如何保障安全，都直接影响商业化空间。

另一个问题是标准化。

为核聚变装置建立数字模型，与为汽车生产线建立模型，涉及的专业知识和数据格式可能截然不同。如果每个客户都需要重新组建团队、单独开发，那么即使订单不断增加，也很难形成软件公司的规模效应。

而且，三维模型看起来足够逼真，并不代表它一定能用于工程仿真。真正参与研发决策，还需要经过物理参数、边界条件和计算精度等方面的验证。

这些问题决定了可视科学能否从一家专业技术服务公司，进一步成长为基础设施企业。