当贝佐斯想造一个「通用工程师」：Prometheus的120亿美元赌注与工业设计的AI化未来

2026年6月11日，Jeff Bezos的AI初创公司Prometheus完成了120亿美元融资，估值在290亿到410亿美元之间。这家公司大约有150名员工，做的事情却相当激进：他们想造一个"人工通用工程师"（AGE），一个能自动设计喷气发动机、药物分子这类复杂物理系统的软件。

跟ChatGPT那种处理文字和图像的AI不同，Prometheus盯的是物理世界。Bezos自己的说法是"大幅加速发明循环"，让造东西的速度快上几个数量级。问题是，当AI能自动设计复杂硬件的时候，工业设计师这个存在了几千年的人类角色，还能干什么？

120亿美元背后

Prometheus到底是什么？

TechCrunch、纽约时报、GeekWire和NDTV都报道了这家公司。创始团队里有前Google Verily的联合创始人Vik Bajaj，公司做的是物理对象的下一代设计工具。Bezos第一次公开谈Prometheus时特别强调了一点：跟机器人没关系。他们不是要造机器人，而是要造设计机器人的AI。

估值的数字各说各话。TechCrunch和纽约时报说是290亿，GeekWire说380亿，NDTV说410亿。差异本身就说明一个问题：市场对"物理世界AI"该怎么估值，还没有共识。但不管哪个数字，都大得离谱。

Prometheus融资信息与市场估值对比

120亿的单轮融资让Prometheus成了2026年全球最大的AI融资事件之一。更有意思的是投资方的构成，不只是硅谷风投在投，传统制造业和航空航天领域的资本也进来了。

为什么是"物理世界"？

过去三年，大语言模型把文本、代码、图像的生成方式都改写了。但物理世界的复杂度完全是另一个量级。设计一台喷气发动机，要同时满足空气动力学、热力学、材料强度、制造工艺、成本、安全法规这些相互打架的约束条件。这些约束之间的权衡，靠的是人类工程师的经验和直觉。

设计工具的三次变化

第一次：从手绘到CAD（1960s-1990s）

最早的时候，工业设计师靠的是手绘。从达·芬奇的工程草图到20世纪中期的工业制图，设计师得把脑子里的三维东西画成二维图纸。问题很明显：改起来费劲，精度有限，协作也麻烦。

1963年，Ivan Sutherland在MIT做了Sketchpad，第一个交互式计算机图形程序。后来AutoCAD（1982年）、SolidWorks（1995年）这些工具慢慢把设计从纸上搬到屏幕上。CAD不只是提高了效率，它改变了设计的思维方式：参数化建模让"修改"从"重画"变成了"调参数"。

第二次：从CAD到参数化/生成式设计（2000s-2020s）

接下来是"算法辅助设计"。Grasshopper（Rhino的参数化插件）这类工具让设计师能用算法定义设计规则，输入参数，输出形态。参数化建筑（比如Zaha Hadid的流线型建筑）、拓扑优化、生成式设计都是这波浪潮的产物。

设计工具演进时间线

Autodesk的Generative Design是个标志性产品：设计师输入目标和约束，AI在云端跑几千种形态，输出最优解。但生成式设计有个根本局限，它还是需要人来定义"什么是好的设计"，AI只是在给定的框架里搜索。

第三次：从生成式设计到AGE（2026-?）

Prometheus代表的第三波变化，核心突破是"自主定义问题"。第一波是人画机器存，第二波是人定规则机器搜索，第三波是机器理解物理世界然后自己设计。

这不是空想。过去两年，AI在蛋白质折叠（AlphaFold）、数学定理证明（AlphaProof）、芯片布局（Google的TPU设计）这些领域已经超过了人类专家。Prometheus想做的是把这种能力扩展到整个物理世界的设计领域。

当AI能设计喷气发动机

设计师还有什么是不可替代的？

RKS Design的2026年工业设计趋势报告提到一个方向：材料智能。材料本身能感知环境、做出响应，不用依赖人的认知解释。这意味着设计师的角色在从"定义形态"转向"定义行为"，不是设计产品长什么样，而是设计产品怎么跟环境互动。

Gensler基于100多个趋势和33个行业总结了2026年设计的6大主题，AI驱动的设计流程是其中之一。但Gensler也说了，AI的价值不是替代设计师，而是让设计师从重复的建模和渲染里解放出来，去做更高层次的创意决策。

AI辅助设计工作流示意

人机协作的新样子

Prometheus给我的启示不是"AI要取代设计师"，而是"设计这件事本身要被重新定义"。传统的设计是线性的：先有创意，再画草图，然后建模、渲染、打样、测试。在AGE的模式下，设计会变成对话：设计师说目标和约束，AI出方案，设计师挑和改，AI继续优化，来回迭代直到收敛。

这种模式对设计师的能力要求不一样了：

• 约束定义能力：设计师得能精确描述"什么是好的设计"，不只是美学，还包括工程约束、成本、可持续性
• 方案评估能力：AI一次生成几百个可行方案，设计师得快速判断哪些值得深入
• 跨学科整合能力：AGE模式下的设计不再局限于单一学科，设计师得懂点材料科学、制造工艺、用户体验的基本逻辑

物理世界AI为什么比数字世界AI难这么多？

一个很自然的问题：AI已经能写代码、画图、作曲了，为什么设计物理产品这么难？关键在于物理世界的"不可撤销性"。代码有bug改了重跑就行，飞机发动机零件有缺陷，后果可能是灾难的。

物理世界AI与数字世界AI的复杂度对比

物理世界的设计要满足：多物理场耦合（空气动力学、热力学、电磁学、材料力学同时作用）、制造可行性（设计出来的东西得能造）、安全法规合规（不同国家和行业有严格标准）、成本约束（材料、工艺、供应链的经济性）、长期可靠性（产品整个生命周期都得保持性能）。

结尾

120亿美元融资是个信号：物理世界AI在从学术走向商业，工业设计这个存在了几千年的领域，要迎来CAD发明以来最大的变化。

但这个变化不是"AI取代设计师"的故事。更准确地说，是"设计工具进化"。就像CAD没有取代建筑师，而是让建筑师能设计更复杂的建筑；AGE也不会取代工业设计师，而是让设计师能探索更大的设计空间、解决更复杂的工程问题、更快地把创意变成现实。

对设计师来说，真正的挑战不是学新工具，而是重新理解"设计"这个词。当AI能自动生成满足所有工程约束的方案，设计师的价值会回归到最本质的能力：审美判断、用户洞察、伦理考量，这些没法被算法量化的东西。