融資資訊
| 項目 | 值 |
|---|---|
| 公司 | CADDi（日本東京 / 美國芝加哥） |
| 輪次 | Series D |
| 金額 | $114M |
| 領投 | 無單一領投,八家新舊投資人共同參與 |
| 跟投 | Moore Strategic Ventures, Coreline Ventures, Toyota Woven Capital, Salesforce Ventures, HR Tech Fund（Recruit Holdings 旗下）, Atomico, Globis Capital Partners, JPS Growth funds（Japan Post Bank 子公司管理） |
| 估值 | $1.2B（2025 年 3 月時為 $470M,約 2.55x 增長） |
| 累計融資 | $234M |
| 成立年份 | 2017 年 |
| 員工數 | 約 900 人（2025 年初為 600 人） |
這家公司做什麼
CADDi 是做製造業 AI 資料平台的公司——把散落在圖紙、CAD 檔案、ERP、HR 系統裡的製造知識整理成結構化資料,讓人和 AI Agent 都能用。
最初的產品 CADDi Drawer(現改名 CADDi Explorer)解決的是一個很具體的浪費問題:製造商常常向不同供應商重複採購幾乎一樣的零件。系統讀取技術圖紙,在客戶自己的資料庫裡找出相似或相同的零件,並附上這些零件的不良率資訊,讓客戶決定用現有庫存、跟原供應商再採購,還是換一家供應商試試。過去兩年,CADDi 把產品線擴大成一整套「製造業 AI 資料平台」,能整合 CAD 檔案、ERP、HR 系統等多種資料型態,新推出的 CADDi Agent 專門負責零件標準化決策和品質影響評估(分析設計變更會如何衝擊效能與安全性),另外還有六款針對特定任務的「workflow」產品,例如 CADDi Design Review 會根據過去類似零件出過的問題,自動標出新圖紙和 CAD 模型裡的潛在錯誤。
CEO Yushiro Kato 表示公司用自己的專有 AI 模型分析圖紙和 CAD 檔案這類產品資料,一般用途的 LLM 則用來處理文件和表格——他直言:「我沒見過誰能用 LLM 做設計審查,因為它看不懂圖紙和 CAD。」目前客戶已經覆蓋 22 個國家,日本前 100 大製造商中超過一半在用 CADDi,營收年增率超過一倍。
這筆融資的信號
對 Agent 生態的意義
$114M Series D、估值半年翻倍多,是目前「垂直產業 AI 資料平台」類別裡數一數二的大輪。這筆錢的用途很明確:擴充產品線、打造理解 3D CAD 檔案和 2D 圖紙這類製造業專屬資料的 AI 模型、以北美為核心的全球擴張,以及招募。CADDi 自己把這個定位講得很清楚——AI 能力持續指數成長,但實體世界幾乎沒被改變過:ChatGPT 問世後,做一個電商網站可以壓縮到幾小時,但開發一輛新車從規劃到交付還是要四年。CADDi 想解決的正是這個「物理瓶頸」:即使 AI 讓思考速度快一萬倍,只要實體世界的生產週期沒被打破,AI 的紅利就會被稀釋掉。
投資人在賭什麼
這輪沒有單一領投方,而是八家新舊投資人一起加碼,陣容混合了策略型(Toyota Woven Capital、Salesforce Ventures、Recruit 的 HR Tech Fund)和財務型(Moore Strategic Ventures、Atomico)投資人——策略型投資人的參與通常代表產業巨頭已經把 CADDi 當成自己供應鏈數位化的基礎設施,不只是財務投資。CADDi 超過 100 位的客戶成功團隊人數多過銷售團隊,也開始招募「forward deployed engineers」協助客戶落地——這個打法和 Palantir 早期切入傳統產業的模式很像:AI 的價值不是賣軟體,而是深入客戶組織把「老師傅知識」數位化,這種黏著度正是財務投資人願意在估值翻倍後還持續加碼的理由。
值得觀察的數字
- 估值從 $470M(2025 年 3 月)漲到 $1.2B(2026 年 9 月),半年 2.55x,增速快於一般成長輪的年化倍數
- 員工數從 600 人(2025 年初)成長到約 900 人,顯示這是一家靠人力密集的客戶成功和實地部署撐起營收的公司,不是純軟體的輕資產模式
- 日本前 100 大製造商滲透率超過 50%,客戶覆蓋 22 個國家,顯示先在本土市場打穿之後,正在往北美這個核心新市場擴張
Watchlist 狀態
CADDi 尚未在 watchlist 中。建議加入 section D9(工業 / 製造 / 供應鏈),追蹤重點:製造業 AI 資料平台 + CADDi Agent 標準化決策,$114M Series D,估值 $1.2B。
今日收穫
過去談「Agent 取代知識工作」多半假設知識已經是文字或程式碼,可以直接餵給 LLM。但 CADDi 的案例點出另一種更難的情況:製造業超過 80% 的關鍵知識(為什麼選這家供應商、為什麼這樣設計零件)從來沒被寫下來,只存在老員工的腦子裡——這種場景下,Agent 要先有能力「讀懂」圖紙和 CAD 這類非文字資料,才有資格談自動化,這也是為什麼 CADDi 堅持自建專有模型,而不是直接疊加通用 LLM。
參考資料
Loading...