创新公司
铅笔道编辑部
2026-06-12
今年最大 AI 融资之一。
作者 | 铅笔道 黄小贵
编辑 | 铅笔道 祝枝杉
封面图 | ChatGPT 创作
亚马逊创始人杰夫 · 贝索斯秘密创办的 AI 公司 Prometheus，刚刚完成 120 亿美元融资（约合人民币 813 亿元），公司估值达到 410 亿美元（约合人民币 2950 亿元）。
这也是 2026 年以来全球最大的 AI 融资之一。投资方包括摩根大通、贝莱德、高盛、DST Global 等顶级金融机构。
Prometheus 希望让 AI 能够像顶级工程师一样设计飞机发动机、医疗设备、汽车、电池、芯片甚至工厂生产线。
贝索斯公开表示，他们要把复杂工业产品开发速度提高 10 倍以上。
巨佬创业，起步 62 亿美元
Prometheus 的融资速度，放在 AI 行业也很罕见。
公司创办于 2025 年，去年 11 月才被外界正式知晓，当时它已获得 62 亿美元早期资金，其中相当部分来自贝索斯本人。几个月后，媒体开始报道它正在完成一轮约 100 亿美元的新融资，估值约 380 亿美元。到 6 月 11 日，Prometheus 公开披露的新口径变成：Series B 融资 120 亿美元，估值约 410 亿美元。
Prometheus 目前约有 150 名员工，总部位于旧金山，并在伦敦和苏黎世有团队。
为什么它能在短短时间估值冲到 410 亿美元？
第一个原因当然是贝索斯。
贝索斯不是普通创业者。他做过亚马逊，把电商、物流、云计算和企业管理系统做成了全球基础设施；他做 Blue Origin，长期接触火箭、航天、制造和高端工程。这些经历让他很适合讲 Prometheus 这个故事：用 AI 改造复杂工业系统。
更关键的是，贝索斯不是只当投资人，而是担任联合 CEO。对外界来说，这意味着他不是随手投一家公司，而是亲自下场。自从 2021 年卸任亚马逊 CEO 之后，贝索斯已经很少以 CEO 身份经营新公司。Prometheus 是一个例外。
第二个原因是联合创始人 Vik Bajaj。Bajaj 不是传统互联网创业者，他有物理、化学和生命科学背景，曾在 Google X、Verily、Grail 等机构工作。Google X 做的是前沿技术实验，Verily 做生命科学，Grail 做癌症早筛。这些经历和 Prometheus 要做的事情很接近：都不是纯软件，而是把 AI、科学、工程和真实世界数据结合起来。
贝索斯这样的 " 巨佬 " 二次创业，不是他找钱，而是钱要看自己面子够不够，贝索斯收不收。
第三，更重要的是，Prometheus 赶上了 AI 资本市场的新阶段。
过去两年，资金主要流向 OpenAI、Anthropic、xAI 等基础模型公司。投资人押注的是 " 谁能造出最强大脑 "。现在，大模型能力不断外溢，资本开始寻找下一批高价值场景：代码、医疗、药物发现、机器人、自动驾驶、工业设计和制造。
Prometheus 讲的正是这个故事：如果 AI 不只是回答问题，而是能参与设计一台发动机、一块芯片、一条生产线，那么它切入的就不是办公软件市场，而是全球工业研发体系。
随便吃下一块，都是万亿美元
工业 AI 市场太大。全球制造业、航空航天、汽车、半导体、医疗设备、消费电子、药物研发，每一个都是万亿美元级别的大市场。
它们共同的问题是：研发周期长、试错成本高、专家经验稀缺、数据分散在不同系统里。如果 AI 真的能让工程研发速度提高，哪怕只是提高一部分效率，也会产生巨大商业价值。
AI 驱动的航空发动机设计仿真 来源：公开资料
Prometheus 未来不一定只是卖软件。它可能有几种商业路径。
第一种，是做企业级 AI 工程平台，卖给大型制造企业，帮助它们做设计、仿真和研发管理。
第二种，是和航空、汽车、芯片、医疗设备公司做深度项目合作，按项目收费，帮客户缩短研发周期。第三种更重：它可能直接入股或收购一些制造企业，把 AI 放进这些企业的真实生产流程里，通过改造效率获得回报。
第三条路最重，但也最符合贝索斯的风格。亚马逊不是只做一个网站，而是做仓储、物流、云计算和广告；Blue Origin 也不是只做火箭设计，而是做完整航天系统。Prometheus 如果只做一个 " 工业 AI 软件 "，想象空间有限；如果它能进入真实制造体系，掌握数据和场景，故事就大很多。
这也是为什么它需要这么多钱。
AI 公司烧钱，一是烧算力，二是烧人才，三是烧数据。工业 AI 还多了一项：真实世界试验和工程验证。你不能只在电脑上生成一个方案，就说它能用。发动机要测试，医疗设备要验证，汽车零部件要跑耐久，芯片设计要流片，材料要做实验。这些都很贵。
巨头卡位物理 AI
现在，资金正在寻找 AI 进入物理世界的路径。比如昨天，机器人公司 Neura Robotics 获得 14 亿美元融资。
英伟达 Omniverse 与 Cosmos 物理 AI 平台 来源：公开资料
但这条路也比办公 AI 难得多。
首先，工业数据难以获得。最有价值的数据往往是企业核心资产，涉及工艺秘密、供应链关系和安全责任，客户不会轻易交给外部 AI 公司。
其次，工业场景容错率低。聊天机器人可以改答案，工程系统不能随意 " 试错 "。航空、医疗、汽车、半导体等行业都有严格认证和监管，AI 生成的设计即使在仿真中表现良好，也必须经过漫长验证。
第三，工业流程高度碎片化。每家公司都有不同设备、软件、工艺和历史数据，AI 产品很难像通用办公软件那样快速复制。
这也是 Prometheus 最值得观察的地方。它现在拥有资本、创始人声望和顶尖人才，但还没有向外界证明三件事：
第一，它能不能拿到足够高质量的工业数据；第二，它能不能把模型能力真正嵌入工程流程，而不是停留在演示层面；第三，它能不能找到可复制的商业模式，而不是每个客户都变成昂贵的咨询项目。
