CADDi 完成 1.14 亿美元 D 轮融资，投后估值 12 亿美元。它要解决的是创始人在麦肯锡时期就留意到的问题：相似零件不同供应商报价能差三到五成，而采购方连以前有没有买过差不多的东西都答不上来，因为几十年的图纸散在扫描件和 CAD 文件里。

9月15日到16日，日本公司 CADDi 宣布完成1.14亿美元的 D 轮融资，折合约177亿日元，投后估值12亿美元。

这个数字本身值得停一下。据财富杂志的报道，这家公司在2025年3月的估值是4.7亿美元。一年半时间，估值到了两倍半以上。累计融资2.34亿美元。

它做的事情听上去不算性感。把制造企业积累了几十年的技术图纸，变成可以搜索的数据。

但这件事背后是一个很大的数字，而这个数字是创始人在麦肯锡时期观察到的。

01 同一个零件，报价能差三到五成

CADDi 的创始人兼首席执行官 Yushiro Kato 此前在麦肯锡工作，在制造业采购领域做到了联合负责人。他的工作是帮大型制造企业降低采购成本。

据他自己的讲述，那段时间里有一个问题始终没有好办法，估算定制零件的生产成本。

他和联合创始人 Aki Kobashi 在这个过程里发现了一件事。相似甚至相同的零部件，不同供应商给出的报价，差异在三成到五成之间。

三到五成不是一个小数字。对一家每年采购几十亿规模的制造企业来说，这个区间里躺着的钱非常可观。

问题在于，采购方没有办法知道自己拿到的报价属于哪一档。

创始人在麦肯锡时期观察到的报价差异，以及差价的来源。Sense AI 整理自其公开访谈

02 为什么会差这么多

差价的来源不是供应商在乱报价。是双方都缺少参照。

一个定制零件的成本由很多因素决定。材料、加工方式、装夹次数、公差要求、热处理、表面处理、批量大小。这些信息全部写在图纸上，而图纸是一张图。

供应商拿到图纸之后，靠工程师的经验估一个数。这个经验来自他做过的类似件，而他做过什么，只有他自己知道。

供应商这一侧也有它的处境。它不会把成本结构摊开给客户看，因为那是它的议价空间。但更实际的情况是，它自己也未必算得准。一个没做过的件，报价里通常要压一层余量，防止估错。余量压多少，取决于这家供应商对这类件有多熟。

于是同一张图纸发给五家，回来五个数，而这五个数反映的是五家各自的经验和胆量，不完全是这个件真实的成本。

采购方那一边更被动。他手上有一张图纸和一个报价，但他没有办法回答一个很基本的问题，我们以前有没有买过差不多的东西，当时多少钱。

按理说这个问题应该好回答。一家大型制造企业几十年里采购过的零件数以百万计，每一次采购都有记录。

但那些记录躺在扫描件、CAD 文件和电子表格里，分散在不同的系统中，没有一个能搜索的入口。

03 图纸是制造业最大的一批暗数据

这里要说清楚图纸这种东西的特殊性。

一张机械图纸不是一张普通的图片。它上面有尺寸标注、公差符号、材料牌号、表面粗糙度、热处理要求、焊接符号，还经常有工程师手写的备注。这些信息高度结构化，但它们是以图形的方式表达的。

对人来说，一个受过训练的工程师看一眼就懂。对计算机来说，这是一张像素图。

结果是，制造业最核心的那批知识，恰好存在一种最难被检索的形态里。企业买了一套又一套系统去管订单、管库存、管生产，唯独图纸这一层基本还是文件夹。

后果很具体。一位工程师要设计一个支架，他不知道公司三年前买过一个几乎一样的，于是他重新画一张图，重新找供应商，重新开一次模，重新走一遍认证。新的这一份可能比旧的贵，也可能不良率更高。

而公司为此付了两次钱，甚至不止两次。

一个新零件进入体系，要开一次模具或者做一套工装，要走一遍供应商认证，要在物料系统里新建一个编码，要占一个库位，要单独备安全库存。它还会在未来几十年里，每次改版都被重新走一遍这些流程。

更麻烦的是批量。原本可以合并成一个件、一次下十万个的采购，被拆成两个件、各下五万个。单价因此上去了，而这部分损失不会出现在任何一张报表上，因为没有人知道那个可以合并的机会存在过。

买重一个零件之后持续发生的成本。Sense AI 整理

制造业把这件事叫零件泛滥。它是一个所有大厂都知道、但很难自己解决的问题，因为解决它的前提是先能查到自己有什么。

04 产品做的事，是把图纸变成可以搜的东西

CADDi 最早的那个产品叫 CADDi Drawer，现在改名叫 CADDi Explorer。

按公开报道，它的工作方式分三步。

第一步是读进去。上传并扫描 CAD 文件、二维图纸、PDF 和规格书，用公司自有专利的 AI 识别其中的形状、尺寸、材料、手写备注和各项规格。

第二步是接起来。把图纸和真实的采购数据连上，形成一个可检索的整体。

第三步是留下来。把资深工程师脑子里的那部分判断沉在系统里，让其他人也能用。

第三步这个说法听起来虚，但它对应一个很实的问题。日本制造业面临的一个长期压力是资深技术人员退休，而他们的判断从未被写下来过。

05 一句搜索语句，把这件事说完了

报道里给了一个例子，是这套系统支持的检索方式。

把所有和这个件类似的支架找出来，单价低于5美元，不良率低于2%。

那句检索语句拆开是三类数据。检索示例来自报道，我们没有实际操作过产品

这一句话拆开是三件事。类似这个件，是形状和规格层面的相似度匹配。单价低于5美元，是采购数据。不良率低于2%，是质量数据。

三类数据原本分别躺在三个系统里，图纸在文件服务器上，价格在采购系统里，不良率在质量系统里。把它们挂到同一个零件上，就能用一句话问出来。

类似这两个字是这里技术含量最高的地方。

它不是图片相似。两张画法完全不同、投影角度不同、比例不同的图，可能画的是同一个件。而两张看起来很像的图，可能一个是铝件一个是不锈钢件，成本差好几倍。

相似判断为什么不是图片比对。Sense AI 依据 CADDi 官网技术描述整理

要做对，系统得先把图纸还原成一组结构化的特征。外形轮廓、关键尺寸、公差等级、材料牌号、加工工艺、表面要求。相似度比的是这组特征，不是像素。

这也是为什么公司强调自有专利，以及为什么它需要大量真实图纸来训练。

这就是这家公司真正在卖的东西。不是识别图纸的算法，是把图纸当成主键，把散落的数据串成一条可查询的记录。

06 现在的产品比一个搜索框宽

这一轮之后，公司对外的说法已经是面向制造业的 AI 数据平台。按官网的描述，这个平台分成四层。

第一层叫数据层，负责读进来。它接的是 PLM、ERP、CRM 这类业务系统和企业内部的文件服务器，官网强调不需要对现有环境做大改动。这一层里有两项关键能力，一项是用专利几何分析技术，从二维和三维数据里提取形状、结构和规格数值，并识别不同零件与产品之间的相似性。另一项是把 PDF、幻灯片、规格书、物料清单、图像乃至音频这些非结构化材料，按制造业的专门知识分类，转成机器能检索和推理的结构。

第二层叫语义层，负责连起来。它把零件、工艺、缺陷、价格、供应商、人力、财务这些原本分散的数据，放进每家企业自己的业务语境里建立关系，官网把这一层的产出称作一张数据地图。同一层还管权限，按组织、角色和用户控制谁能看到什么。

第三层是检索与智能体。CADDi Explorer 负责搜索、比较和分析图纸、三维 CAD、报价和质量记录。CADDi Agent 则依据企业自身的业务语境和沉积下来的判断标准去做决定和执行。

第四层是工作流产品。目前公开的有六个，设计复用模拟器 CADDi Composer、询价平台 CADDi Quote、量产准备控制塔 CADDi Process Review、设计评审平台 CADDi Design Review、成本评审助手 CADDi Cost Review，以及资产全生命周期管理 CADDi ALM。

CADDi 官网公布的四层平台架构。Sense AI 整理自其平台页

设计评审这一项值得多看一眼。一张图纸上的错误，在设计阶段发现的成本，和在量产之后发现的成本，差着几个数量级。而评审这件事在大多数企业里依赖资深工程师逐张看。

第四层的描述里还有一句话，是这套架构里最关键的设计。官网写的是，每个工作流在运行时又会产生并捕获新的数据，形成一个知识创造与复用不断叠加的循环。

这句话的意思是，客户每用一次这些工具，系统里就多一份新的对应关系。这一次的设计评审发现的问题，会变成下一次评审的判据。这一次的报价结果，会变成下一次成本估算的参照。

如果这个循环真的转起来，那么这家公司的壁垒就不在算法上，在于它比任何后来者都多攒了几年的、来自真实生产的对应关系。而这类数据无法靠采购获得。

07 客户名单里的名字

公司公布的客户包括洋马、斯巴鲁、川崎、三菱、YKK，以及美国的 Amerequip。

一个更能说明问题的数字是，日本规模最大的100家制造企业里，超过半数在用这套系统。

这个渗透率放在日本的背景下更好理解。日本制造业的供应链结构以长期合作关系为主，一家主机厂和它的供应商往往合作几十年，图纸和工艺知识在这条链上层层沉积。同时日本又是老龄化最严重的工业国之一，掌握这些知识的那批工程师正在集中退休。

一边是几十年积累的资产，一边是知道怎么用这批资产的人正在离开。这两件事叠在一起，构成了这类产品在日本特别容易被接受的原因。

目前业务覆盖22个国家，公司把美国列为核心市场，总部同时设在东京和芝加哥。据财富杂志报道，销售额同比增长超过一倍，员工约900人，此前为600人。

需要说明的是，关于600人对应的时间点，我们看到的两篇报道说法不一致，一篇写2025年初，一篇写2026年初。我们没有独立核实，只保留900这个当前数字。

08 创始人对通用大模型的一句判断

Kato 在采访里说了一句很直接的话。他说他从没见过有人用大语言模型做设计评审，因为它看不懂图纸和 CAD。

这句话值得认真对待，也值得保留一点余地。

值得对待的部分是，通用多模态模型在读工程图纸上确实有明显短板。它能描述一张图上有什么，但公差符号、基准标注、形位公差这套工程语言，需要的不是看图，是按一套严格规则去解析。一个数字读错一位，后果落在物理世界里。

举一个具体的例子。图纸上一个孔的旁边写着直径10，公差正0.02负0，再加一个位置度符号和两个基准代号。这几个符号合起来的意思是，这个孔能大不能小，而且它相对于另外两个面的位置误差不能超过某个值。少读一个基准，这个孔就从必须精加工变成了普通钻孔，成本差几倍，装配时可能直接装不上。

人看这张图，读的是一套有严格语法的工程语言。模型看这张图，如果只是描述上面有什么，那它给出的每一个结论都不能直接用。

值得保留余地的部分是，这是一位有产品要卖的创始人对竞争路线的判断。多模态模型这两年的进展速度，让任何以现在看不懂为前提的论断都有时效性。

更稳妥的读法是，在当下，专门为图纸做的系统比通用模型可靠，而这个差距能维持多久，没有人知道。

09 它最早不是一家软件公司

这家公司2017年底成立，最早做的业务叫 CADDi Manufacturing。

那不是软件。按创始人自己的说法，他们卖的是实体零件，模式更接近亚马逊，接下订单再对接给供应商。2022年开始，公司转向面向制造业的 AI 数据平台，而这套平台的核心技术，来自他们自己做制造业务时积累的东西。

这段经历在这里只占一节，因为它对理解现在的产品有帮助。先自己去做一遍采购和对接，才知道图纸里到底有哪些信息是决定价格的，也才拿得到足够多的真实图纸和对应的成交价。

10 丰田和 Salesforce 同时出现在名单里

这一轮的投资方构成有点意思。

新进入的包括 Moore Strategic Ventures、Coreline Ventures、丰田旗下的成长期基金 Woven Capital、Salesforce Ventures，以及来自人力资源公司 Recruit Holdings 的 HR Tech Fund。老股东 Atomico、Globis Capital Partners 和 JPS Growth 继续跟投。

本轮投资方构成与估值变化。Sense AI 整理自公开报道

丰田的基金和 Salesforce 的基金出现在同一张名单上，说明这家公司被两类人同时认可。一类看的是制造业本身，另一类看的是企业软件。

Recruit 的基金参与则指向前面提到的那个方向，资深技术人员的知识留存，归根到底是一个人力问题。

Salesforce Ventures 的进入还有一层含义。这类基金通常投的是有机会长成企业软件标准入口的公司。一家把图纸变成主键、再把采购和质量数据挂上去的系统，如果真的在一家制造企业里跑起来，它会成为很多工作流的起点，这个位置和客户关系管理系统在销售侧的位置是同一种。

11 这门生意的难处

把风险列在这里。

第一是落地成本。让一家大型制造企业把几十年的图纸和采购、质量数据接进来，是一个很重的实施过程。这也解释了为什么这家公司有一百多人做客户成功，以及员工总数为什么会到900人。这类业务的毛利结构和纯软件不一样。

第二是数据敏感度。图纸是制造企业最核心的资产之一，里面包含工艺细节和成本结构。把它交给第三方系统，涉及的顾虑不只是技术。

第三是市场的移植难度。日本百大制造商过半渗透，是一个非常好的数字，但它建立在日本制造业特有的图纸规范和供应链结构上。美国市场的图纸习惯、供应商网络和采购流程都不同，这套东西能不能同样好用，要看接下来两年。

第四是客户集中在大企业带来的节奏问题。日本百大制造商这类客户决策慢、实施周期长、一旦签下来又很难流失。这种结构的好处是收入稳定，代价是增长受制于能同时推进多少个实施项目，而这个数字取决于人手。

第五是通用模型的推进速度。如果多模态模型在读工程图纸上取得实质突破，专门系统的技术壁垒会被压薄，剩下的护城河就只有数据积累和实施能力。

12 几个还不知道的

把没有答案的部分列清楚。

收入的绝对值没有披露，只知道同比增长超过一倍。

日本和美国的收入构成没有公开，美国被列为核心市场，但现在贡献多少无从判断。

三到五成这个报价差异区间，来自创始人对早期观察的描述，不是一份可核对的研究，也没有说明样本范围和年份。

那句检索示例来自报道，我们没有实际操作过产品，不清楚在真实数据下的匹配准确率。

员工人数的变化时间点，两篇报道说法不一致，前面已经说明。

CADDi Agent 和六个工作流产品目前只有名称和一句话描述，没有可核验的使用效果。

资料来源：

财富杂志独家报道 CADDi 完成1.14亿美元D轮（2026年9月15日）原文 https://fortune.com/2026/09/15/caddi-manufacturing-startup-valuation-funding-round-series-d-exclusive/

Ventureburn 报道 CADDi 融资与产品机制原文 https://ventureburn.com/caddi-raises-114-million-to-build-ai-factory-platform/

TechStartups 每日融资汇总（2026年9月16日）原文 https://techstartups.com/2026/09/16/startup-funding-news-today-september-16-2026-anew-labs-caddi-space-epoch-typesafe-ai-more/

Investing.com 报道 CADDi D轮估值原文 https://www.investing.com/news/stock-market-news/caddi-raises-114-million-series-d-at-12-billion-value-93CH-4903924

Adam Mendler 对 Yushiro Kato 的访谈，含创业缘起原文 https://www.adammendler.com/blog/yushiro-kato/

Design World 对 Yushiro Kato 的访谈原文 https://www.designworldonline.com/voices/voices-yushiro-kato-co-founder-and-ceo-caddi/

CADDi 美国官网公司介绍原文 https://us.caddi.com/company